در حال حاضر، هوانگ اشاره کرد که چین برای یک سوم از درآمد کل NVIDIA به حساب، NVIDIA دارای 3،000 کارمند در چین است.
جن سون هوانگ حکمت چیزهایی گفته، دیروز اعلام کرد، و ARM همکاری به ایجاد فن آوری تراشه AI مشتق شده از کارت گرافیک Nvidia DLA، است انویدیا برای ساخت یک تراشه ASIC (یادگیری عمیق شتاب دهنده، شتاب دهنده یادگیری عمیق) ماهیت DLA. در حال حاضر بسیاری از تراشه AI، مانند گوگل TPU، اساسا یک سخت افزار ASIC است.
علاوه بر این، هوانگ همچنین مصاحبه روز گذشته تایید کرد که NVIDIA تعلیق آزمایش خودروهای بدون راننده در پیام های جاده های عمومی، و توضیح می دهد که چرا.
در ضمن، امروز روز نیز به نرم افزار Adobe اجلاس اتفاق می افتد، هوانگ در مصاحبه در نشست ادوبی در لاس وگاس شرکت هنوز، کارت گرافیک Nvidia در مورد ردیابی اشعه فن آوری، تکنولوژی پردازش تصویر، این بعد از ظهر صحبت کردیم، و تماس به San Jose GTC سایت.
دست ARM، سازندگان تراشه کمک به ایجاد یک تراشه مخصوص AI
در حال حاضر بسیاری تراشه AI چینی اندازی شرکت در حال ظهور، چه انویدیا می تواند تهدیدی برای آن شوند؟
جن سون هوانگ گفت: AI آینده است، آینده همه صنعت نرم افزار، تمام نرم افزارهای هوش مصنوعی، ابر، بهداشت و درمان، تولید بهره مند خواهد شد و به همین ترتیب، آینده هوش مصنوعی بسیار بزرگ، بسیار بزرگتر از بدن خود را از یک شرکت. NVIDIA با بسیاری از AI اندازی شرکت کار می کرد، تراشه AI و حتی شرکت های سرمایه گذاری، مانند DLA این TPU شبیه به چارچوب یکپارچه سازی سخت افزار ARM، به طوری که شرکت های تراشه می تواند تراشه AI خود را ساخت.
در سخنرانی دیروز، NVIDIA اعلام کرد با همکاری ARM تراشه ساز برای ساخت همه چیز AI تراشه (IOT AI SOC)، تکنولوژی NVIDIA AI به فوریه سال جاری، ARM راه اندازی چارچوب پروژه تریلیوم، اجازه می دهد سازندگان تراشه به راحتی خود را ساخت تراشه های AI، از جمله تراشه تلفن همراه، تراشه های لوازم الکترونیکی مصرفی، چیپس و چیزهای دیگر. این روش DLA برنامه های شتاب دهنده یادگیری عمیق سال گذشته در NVIDIA GTC منبع باز مبتنی بر.
صحنه، جن سون هوانگ انویدیا گفت چیزی عقل است برای ساخت یک تراشه ASIC (یادگیری عمیق شتاب دهنده، شتاب دهنده عمیق یادگیری) ماهیت DLA. در حال حاضر بسیاری از تراشه AI، مانند گوگل از TPU، در اصل یک ASIC سخت افزار.
جن سون هوانگ گفت که این همکاری با ARM، خواهد شد که به چارچوب DLA از ARM IP یکپارچه به پس از تولید کنندگان می توان از کوچک به هوش مصنوعی معماری تنظیمات زیادی مختلف دانلود شده به ایجاد تراشه AI خود را، اما این TensorRT تراشه بالا نیاز به اجرای نرم افزار است.
NVIDIA DLA vs Huawei Unicorn 970، Apple A11
Deepu تالا NVIDIA معاون رئيس جمهور مسئول کسب و کار جهانی، از جمله رباتیک، شهرستانها هوشمند، و همچنین DLA پروژه شتاب دهنده یادگیری عمیق، این پروژه دیروز انویدیا ARM غول تراشه و همکاری فنی به ساخت پایه و اساس از شتاب دهنده آی پی، مطالعه عمیق پایان تراشه هوشمند خاص است.
سال گذشته، NVIDIA انتخاب DLA پروژه منبع باز، به طوری که تولید کنندگان عمده تراشه می توانید این پروژه شتاب دهنده تراشه رایگان دانلود کنید، هوش مصنوعی خود را ایجاد تراشه های کم قدرت است. با این حال، استفاده از پروژه های منبع باز هنوز آستانه فنی خاص داشته باشد. در این GTC، انویدیا اعلام کرد کاهش آستانه تراشه AI به ساخت دوباره، در همکاری با ARM.
Deepu تالا گفت چیزی عقل، DLA یک پروژه منبع باز، این همکاری دریافت نمی شود ARM پروژه DLA شده به مدت سه سال را توسعه داده است، و به این دلیل خواهد آزاد و منبع باز را انتخاب کنید، تمرکز از چنین پروژه هایی است نه به خاطر چیز NVIDIA نگرانی .
در طول شش ماه گذشته، بسیاری از تراشه های هوشمند اختصاص داده AI شروع به پدیدار، که بسیاری از آنها نگرانی می آید به عنوان دو تراشه تلفن همراه: Huawei در کیرین 970، اپل A11 Deepu تالا می آید در صحنه، در حال حاضر به طور موقت بدون یادگیری NVIDIA شتاب دهنده IP عمق و کیرین 970 NPU، کنتراست پارامترهای سیب A11 موتور شبکه های عصبی. با این حال، پس از DLA سه سال تحقیق و توسعه، NVIDIA پیدا شده برای ایجاد یک سخت افزار یادگیری شتاب دهنده عمیق است که در واقع کل پروژه بخش آسان، بخشی از سخت است که نرم افزار، چقدر بیشتر پشتیبانی نرم افزار خوب های مختلف AI، چارچوب AI، چگونه بهتر استقرار شبکه های عصبی.
در این جهات، NVIDIA مهندسان بسیاری از نرم افزار سال تحقیق سرمایه گذاری کرده اند، به خصوص برنامه های کاربردی شبکه عصبی (استنتاج) و استقرار (استقرار) شرایط، در این GTC، جن سون هوانگ نیز معرفی یک نسخه جدید TensorRT 4.0، به طوری که شبکه های عصبی راه اندازی آسان تر و سریعتر است.
چهار دلیل اصلی که GPU ها کمبود دارند
سایت هوانگ همچنین گفت که تقاضا در حال حاضر بیش از حد عرضه NVIDIA قدرت GPU، چهار دلیل وجود دارد:
از یک طرف صنعت بازی در توسعه سریع است، اما چندین بازی خوب وجود دارد راه اندازی محصول پرفروش، تقاضا برای GPU ارتقاء سال گذشته؛
از سوی دیگر در حال حاضر ایجاد محتوا، محتوای به اشتراک گذاری بازار در حال توسعه است، به ویژه در ایجاد محتوا مبتنی بر ویدئو؛
جنبه سوم نیازی به گفتن این است که هوش مصنوعی باشد. با توسعه هوش مصنوعی، GPU Infineon هوش مصنوعی را حتی بیشتر از همه مهم تر می کند، مهم نیست که چه کسی هستید.
آخرین جنبه یکی از داغترین مناطق جهان است: Blockchain. از آنجاییکه میلیاردها GPU در جهان از معماری مشابه استفاده می کنند، می توان آن را به عنوان بزرگترین پایگاه داده و غیر متمرکز در جهان در نظر گرفت.
تست ماشین های بدون راننده را در جاده های عمومی متوقف کنید
به تازگی، مورد مرگ و میر عابر پیاده ناشی از آزمایشات جاده ای در اتومبیل های بدون راننده ابار، بر صنعت خودروسازی جهانی تاثیر گذاشت. در طی GTC، Nvidia رسما تایید کرد که آزمایش خودروهای بدون راننده را در جاده های عمومی متوقف خواهد کرد.
اول، جن سون هوانگ گفت که کارت گرافیک Nvidia هم تکنولوژی خلبان اتوماتیک --Uber استفاده نمی کند. جن سون هوانگ همچنین در مصاحبه قبلی ذکر شد، این حادثه بود اجازه دهید همه احساس غم، آنها نیز کل صنعت را تحت تاثیر قرار. Nvidia همچنین در مورد امنیت همه بسیار نگران ، از جمله کارکنان خود Nvidia، زیرا آنها همچنین وظایف مختلف تست را در ماشین تست انجام می دهند.
بنابراین، انویدیا تصمیم به تعلیق آزمایش خودروهای بدون راننده در جاده های عمومی، و از این حادثه به درک، مطالعه، مطالعه، یادگیری از تجربه، کار در آینده امن تر است. با این حال، هوانگ همچنین گفت که این مکث نباید بیش از حد زمان طولانی
در نطق اصلی دیروز، هوانگ نیز معرفی 3D پلت فرم آزمون شبیه سازی برای خودکار رانندگی یک نام DRIVE سیم کارت و صورت فلکی، داده های سنسور نسل اول (از جمله دوربین، رادار، و غیره) در ابر، و پس از آن انتقال داده ها را در درایو پگاسوس (Pegasus) به منظور کمک به آموزش سیستم خلبان اتوماتیک است. معادل دنیای مجازی برای تست خودروهای بدون راننده، امن تر است.