현재, 황 엔비디아는 중국에서 3,000 명의 직원을 보유, 중국은 총 수익 NVIDIA의 3 분의 1을 차지하고 있다고 지적했다.
젠슨 황 (Jen-Hsun Huang)은 사물의 지혜를 말했다 어제 발표와 ARM은 엔비디아 DLA에서 파생 된 AI 칩 기술을 만들 협력, 엔비디아는 구글과 같은 ASIC 칩 (깊은 학습 가속기, 깊은 학습 가속기) DLA의 성격. 인공 지능 칩의 지금 많은을 구축하는 것입니다 TPU는 기본적으로 하드웨어 ASIC이다.
또한, 황 렌쿤 (Huang Renxun)은 엔비디아가 공공 도로에서 무인 차량의 시험을 중단하고 그 이유를 설명했다고 지난 인터뷰에서 확인했다.
또한, 일 오늘은 어도비 정상 회의에 발생, 황 엔비디아는 광선 추적 기술, 영상 처리 기술, 오늘 오후에 대해 이야기하고, 다시 산호세 GTC에, 라스 베이거스에서 어도비 정상 회담에 여전히 인터뷰를하고 참여 사이트.
핸드 ARM은, 전용 AI 칩을 만드는 데 도움이 칩 제조 업체
많은 중국 인공 지능 칩 기업이 부상하고 있기 때문에 Nvidia에 위협이 될까요?
젠슨 황 (Jen-Hsun Huang)은 AI가 모든 산업 소프트웨어의 미래는, 모든 소프트웨어는 AI, 클라우드, 의료, 제조 도움이됩니다 등등, NVIDIA는 많은 AI 신생 기업과 함께 일했다. 기업의 몸보다 훨씬 큰, 인공 지능의 미래가 매우 큰, 미래입니다 말했다 또한 DLA의 TPU와 유사한 하드웨어를 ARM 프레임 워크에 통합하는 등 AI 칩 시작과 함께 작동하여 칩 회사가 자체 AI 칩을 개발할 수 있도록합니다.
어제의 연설에서, NVIDIA는 칩 제조업체들이보다 쉽게 자신을 구축 할 수 있도록 프로젝트 연령초 프레임 워크를 시작 ARM, 올해 2월에 일을 AI 칩 (IOT AI의 SOC), 엔비디아 AI 기술을 구축하는 칩 메이커 ARM과 제휴를 발표 휴대 전화 칩, 가전 칩, 칩 및 다른 것들을 포함 AI 칩.이 기술은 엔비디아 GTC 오픈 소스 지난해 DLA 깊은 학습 가속기 프로그램을 기반으로합니다.
장면, 젠슨 황 (Jen-Hsun Huang)은 ASIC 칩 (깊은 학습 가속기, 깊은 학습 가속기) 등 TPU의 구글과 AI 칩의 지금 많은 DLA의 성격., 기본적으로 하드웨어 ASIC을 구축하는 엔비디아 지혜 것입니다 말했다.
Huang Renxun은 ARM과의 협력을 통해 DLA를 ARM의 IP 프레임 워크에 통합 한 후 제조사는 소형에서 대형까지 다양한 구성으로 AI 아키텍처를 다운로드 할 수 있으며 자체 AI 칩을 구축 할 수 있다고 전하면서,이 칩은 TensorRT 소프트웨어를 실행해야한다고 말했다.
NVIDIA DLA vs Huawei Unicorn 970, Apple A11
Nvidia의 글로벌 부사장 인 Deepin Talla는 스마트 칩을위한 깊은 학습 가속기 IP를 만들기 위해 ARM 거대 기업인 Robotics, Smart City 및 DLA Deep Learning Accelerator의 사업을 담당했습니다.
주요 칩 제조 업체, AI가 자신의 저전력 칩을 만들 수 있습니다. 그러나, 오픈 소스 프로젝트의 사용은 여전히 특정 기술 임계 값을 가지고이 무료 칩 가속기 프로젝트를 다운로드 할 수 있도록 작년에, NVIDIA는, DLA 오픈 소스 프로젝트를 선택했다. 이것을 GTC에서, NVIDIA는은 ARM과 협력하여, 다시 구축 AI 칩의 임계 값의 저하 발표했다.
딥우 설치 방법은 DLA는 DLA 프로젝트는 3 년 동안 개발 된이 협력이 청구되지 않습니다 ARM. 오픈 소스 프로젝트이며, 무료 및 오픈 소스를 선택합니다 이유는, 이러한 프로젝트의 초점이 때문이 아니라 일 NVIDIA의 관심사입니다, 지혜의 일을했다 .
최근 몇 년 동안 많은 스마트 한 AI 칩이 등장하기 시작했다. 그 중 가장 주목을받은 두 가지 모바일 칩은 화웨이 유니콘 970, 애플의 A11, Deepu Talla가 말했고 지금은 Nvidia Deep Learning Accelerator IP가 없다. 기린 970 NPU는 반면 사과 A11 신경 네트워크 엔진을 매개 변수. 그러나 연구 개발의 DLA 3 년, NVIDIA는, 어려운 부분은 소프트웨어, 얼마나 더 많은입니다 깊은 학습 가속기 하드웨어가 실제로 쉬운 부분 전체 프로젝트 만들 발견 좋은 소프트웨어 지원 다양한 AI, AI 프레임 워크, 신경 네트워크 배치를 더 나은 방법에 대해 설명합니다.
이러한 관점에서 Nvidia의 많은 소프트웨어 엔지니어는 특히 신경 네트워크 응용 프로그램 (추론) 및 배포에 수년 간의 연구를 투자했으며이 GTC에서 Huang Renxun은 TensorRT 4.0의 새 버전을 도입하여 신경 네트워크 배포가 더 쉽고 빠릅니다.
GPU 공급이 부족한 네 가지 주요 이유
이 장면에서 황 렌춘 (Huang Renxun)은 네 가지 이유에서 GPU에 대한 현재 수요가 엔비디아 공급을 초과했다 :
한편으로는 게임 산업이 급속도로 발전하고 있으며, 작년에 몇 가지 대형 게임 제품이 출시되었습니다 .GPU에 대한 수요가 증가했습니다.
반면에, 컨텐츠 제작은 현재 진행 중이며, 특히 컨텐츠 기반 컨텐츠 작성과 같은 컨텐츠 공유 시장도 발전하고 있습니다.
인공 지능의 발달로 인피니언의 GPU는 당신이 누구인지에 상관없이 인공 지능을 더 민간인으로 만든다.
마지막 부분은 세계에서 가장 인기있는 영역 중 하나 인 Blockchain입니다. 전 세계 수십억 개의 GPU가 동일한 아키텍처를 사용하기 때문에이 아키텍처는 세계에서 가장 크고 분산 된 데이터베이스로 간주 될 수 있습니다.
공공 도로에서 무인 차량의 시험 정지
얼마 전에 Uber의 자동차없는 운전자에 대한 도로 테스트로 인한 보행자 사망 사건은 전세계 자동차 운전 산업에 영향을 주었으며, GTC 기간 동안 Nvidia는 공공 도로에서 운전자가없는 자동차의 시험을 중지 할 것을 정식으로 확인했습니다.
첫째, 젠슨 황 (Jen-Hsun Huang) 엔비디아는 --Uber 자동 조종 기술을 사용하지 않았다고 말했다. 젠슨 황 (Jen-Hsun Huang)은 또한 이전 인터뷰에서 언급 한,이 사고는 모두가 또한 전체 산업에 영향을 미칠 누구 슬픈 느끼게했다. 모든 사람의 안전에 관한 또한 엔비디아는 매우 우려 그들은 또한 차 테스트의 모든 종류을 테스트하고 있기 때문에, 엔비디아에게 직원을 포함.
따라서, 엔비디아는 공공 도로에서 테스트 무인 자동차를 중단하기로 결정하고,이 사건이, 연구, 연구를 이해에서, 미래의 일이 더 안전한, 경험에서 배운다. 그러나 황 또한이 일시 정지가 너무 안했다 오랜 시간.
어제 기조 연설에서 Huang Renxun은 DRIVE SIM 및 Constellation이라는 3D 자동 조종 시뮬레이션 테스트 플랫폼을 도입했으며, 먼저 클라우드에 센서 데이터 (카메라, 레이더 등)를 생성 한 다음이 데이터를 DRIVE Pegasus로 전송합니다. 자동 조종 장치를 훈련시키는 것을 돕기 위해, 그것은 더 안전한 가상 세계에서 무인 자동차를 테스트하는 것과 같습니다.