Presente, Huang observou que a China foi responsável por um terço da receita total NVIDIA, a NVIDIA tem 3.000 funcionários na China.
Jen-Hsun Huang disse a sabedoria das coisas, anunciou ontem, e ARM colaborar para criar tecnologia de chip AI derivado Nvidia DLA, é Nvidia para construir um chip ASIC (Deep Aprendizagem Accelerator, acelerador de aprendizagem profunda) a natureza do DLA. Agora, muitos do chip AI, como o Google de TPU, essencialmente um hardware ASIC.
Além disso, Huang Renxun confirmou na entrevista de ontem que a Nvidia suspendeu o teste de carros sem motorista em vias públicas e explicou as razões.
Aliás, o dia de hoje também acontece a Adobe Conferência de Cúpula, Huang participaram das entrevistas estou ainda sobre a Cimeira Adobe em Las Vegas, Nvidia falou sobre tecnologia de rastreamento ray, tecnologia de processamento de imagem, esta tarde, e de volta para San Jose GTC Site
Mão ARM, ajudar os fabricantes de chips para criar chip AI dedicado
Agora, muitos de chips AI chinês empresas start-up emergentes, quer Nvidia seria uma ameaça a ele?
Jen-Hsun Huang disse, AI é o futuro, o futuro de toda a indústria de software, todo o software irá beneficiar de AI, nuvem, saúde, manufatura e assim por diante, o futuro da AI muito grande, muito maior do que o seu corpo de uma empresa. NVIDIA trabalhou com muitas empresas start-up AI, chip de AI e até mesmo empresas de risco, como a DLA este TPU semelhante à estrutura de integração de hardware ARM, de modo que os fabricantes de chips podem construir seu próprio chip AI.
No discurso de ontem, a Nvidia anunciou cooperação com a gigante de chips ARM para construir o IOT AI SOC, integrando a tecnologia AI da Nvidia ao framework Project Trillium da ARM lançado em fevereiro deste ano, tornando mais fácil para os fabricantes de chips criarem seus próprios Chips AI, incluindo chips de telefones celulares, chips de eletrônicos de consumo, chips IoT, etc. Esta tecnologia é originada do projeto DLA Deep Learning Accelerator, aberto pelo GTC no GTC no ano passado.
No local, Huang Renxun disse a Zhizhi que o DLA (Deep Learning Accelerator) é essencialmente um chip ASIC construído pela Nvidia.Agora muitos chips de inteligência artificial, como o TPU do Google, são essencialmente hardware ASIC.
Huang Renxun disse que após esta cooperação com a ARM, depois de integrar a DLA na estrutura IP da ARM, os fabricantes podem baixar arquiteturas AI com diferentes configurações de pequeno a grande porte e construir seus próprios chips AI, mas este software precisa rodar o software TensorRT.
NVIDIA DLA vs Huawei Unicorn 970, Apple A11
Deepin Talla, vice-presidente global da Nvidia, é responsável pelos negócios da Robotics, Smart City e DLA Deep Learning Accelerator Esse projeto foi a base técnica para a cooperação de ontem com a gigante de chips ARM para criar um IP acelerador de aprendizado profundo para chips inteligentes.
No ano passado, a NVIDIA escolheu projeto open source DLA, de modo que grandes fabricantes de chips pode baixar este projecto acelerador chips livre, AI para criar seu próprio chip de baixo consumo de energia. No entanto, o uso de projetos de código aberto ainda tem um certo limite técnico. Neste o GTC, A Nvidia anunciou que, mais uma vez, reduzirá o limite para a criação de chip AI e cooperará com o ARM.
Deepu Talla disse a coisa sabedoria, DLA é um projeto open source, esta cooperação não será cobrada ARM. Projeto DLA foi desenvolvido durante três anos, ea razão pela qual vai escolher livre e open source, é o foco de tais projetos não é por causa de coisas NVIDIA preocupação .
Durante os últimos seis meses, muitos acabam inteligente chip dedicado AI começou a emergir, a maioria dos quais preocupação vem como os dois chips para celulares: Huawei Kirin 970, a Apple A11 Deepu Talla entra em cena, agora temporariamente sem profundidade aprendendo acelerador IP NVIDIA e Kirin 970 NPU, contraste parâmetros maçã A11 motor de rede neural. no entanto, após os DLA três anos de pesquisa e desenvolvimento, NVIDIA encontrado para criar um hardware acelerador de aprendizagem profunda é realmente todo o projeto a parte fácil, a parte difícil é o software, quanto mais bom suporte software vários AI, AI quadro, como melhorar a implantação de rede neural.
Nesses aspectos, a Nvidia engenheiros muitos softwares têm investido anos de pesquisa, especialmente aplicações de Redes Neurais (inferência) e termos de implantação (implantar), neste GTC, Jen-Hsun Huang também apresentou uma nova versão TensorRT 4.0, para que a rede neural A implantação é mais fácil e rápida.
Quatro principais razões pelas quais as GPUs estão em falta
Local Huang também disse que a atual demanda excedeu a oferta de NVIDIA GPU poder, há quatro razões:
Por um lado é a indústria do jogo em rápido desenvolvimento, mas existem vários bons jogos lançamentos de produtos de grande sucesso, a demanda por GPU atualizar no ano passado;
Por outro lado, é agora a criação de conteúdo, o mercado de compartilhamento de conteúdo está em desenvolvimento, especialmente na criação de conteúdo baseado em vídeo;
O terceiro aspecto é desnecessário dizer que é inteligência artificial: com o desenvolvimento da inteligência artificial, as GPUs da Infineon tornam a inteligência artificial ainda mais popular, não importa quem você seja.
O último aspecto é uma das áreas mais quentes do mundo: o Blockchain: como bilhões de GPUs no mundo usam a mesma arquitetura, ele pode ser considerado o maior e mais descentralizado banco de dados do mundo.
Suspender o teste de carros sem motorista em vias públicas
Não muito tempo atrás, o caso de mortes de pedestres causados por testes de estrada nos carros sem motorista da Uber afetou a indústria automotiva global.No GTC, a Nvidia confirmou formalmente que suspenderia o teste de carros sem motorista nas vias públicas.
Huang Renxun disse pela primeira vez que o Uber não usava a tecnologia de condução autônoma da Nvidia.Na entrevista anterior, Huang Renxun também mencionou que este acidente fez as pessoas se sentirem tristes e toda a indústria também estava envolvida.Nvidia também está muito preocupada com a segurança de todos. , incluindo funcionários da Nvidia, como eles também realizam várias tarefas de teste no carro de teste.
Portanto, a Nvidia decidiu suspender o teste de carros sem motorista em vias públicas e, a partir desse incidente, aprenderam, estudaram, estudaram e aprenderam experiências para tornar seu trabalho mais seguro, mas Huang Renxun também disse que essa suspensão não deveria ser muito séria. Muito tempo.
No discurso de ontem, Huang Renxun também introduziu uma plataforma de teste 3D de simulação de piloto automático chamada DRIVE SIM e Constellation, primeiro gera dados de sensores (incluindo câmeras, radar, etc.) na nuvem e transmite esses dados para DRIVE Pegasus. Para ajudar a treinar sistemas de piloto automático, é equivalente a testar carros sem motorista em um mundo virtual, que é mais seguro.