Actualmente, Huang señaló que China representó un tercio de los ingresos totales de NVIDIA, NVIDIA tiene 3.000 empleados en China.
Jen-Hsun Huang dijo a la sabiduría de las cosas, anunció ayer, y ARM colaboran para crear la tecnología de chip AI derivado de Nvidia DLA, es Nvidia para construir un chip ASIC (Deep aprendizaje del acelerador, el acelerador de aprendizaje profundo) la naturaleza de DLA. Ahora muchos de los chips IA, tales como el de Google TPU, esencialmente un hardware ASIC.
Además, Huang Renxun confirmó en la entrevista de ayer que Nvidia había suspendido la prueba de autos sin conductor en las vías públicas y explicó los motivos.
Por cierto, el día de hoy también pasa a Adobe Conferencia Cumbre, Huang participaron en las entrevistas todavía estoy en la cumbre de Adobe en Las Vegas, Nvidia habló de trazado de rayos tecnología, la tecnología de procesamiento de imágenes, esta tarde, y de vuelta a San José GTC Sitio.
Hand ARM, ayuda a los fabricantes de chips a crear un chip de IA dedicado
Ahora que están surgiendo muchas compañías chinas de arranque de IA, ¿supondrá una amenaza para Nvidia?
Jen-Hsun Huang, dijo, la IA es el futuro, el futuro de toda la industria del software, todo el software se beneficiará de AI, nube, salud, manufactura y así sucesivamente, el futuro de la IA muy grande, mucho más grande que su cuerpo de una empresa. NVIDIA ha trabajado con muchas empresas de nueva creación AI, chip de IA e incluso empresas de capital riesgo, como el DLA este TPU similar al marco de integración de hardware ARM, por lo que las empresas de primera línea pueden construir su propio chip AI.
En el discurso de ayer, Nvidia anunció la cooperación con el gigante de chips ARM para construir IOT AI SOC, integrando la tecnología de inteligencia artificial de Nvidia en el marco de Project Trillium lanzado por ARM en febrero de este año, facilitando a los fabricantes de chips crear sus propios Los chips AI, incluidos los chips de teléfonos móviles, los chips electrónicos de consumo, los chips IoT, etc. Esta tecnología proviene del proyecto DLA Deep Learning Accelerator, abierto por GTC en GTC el año pasado.
En la escena, Huang Renxun le dijo a Zhizhi que DLA (Deep Learning Accelerator) es esencialmente un chip ASIC construido por Nvidia. Ahora muchos chips AI, como el TPU de Google, son esencialmente hardware ASIC.
Huang Renxun dijo que después de esta cooperación con ARM, después de integrar DLA en el marco de IP de ARM, los fabricantes pueden descargar arquitecturas de inteligencia artificial con diferentes configuraciones de pequeñas a grandes, y construir sus propios chips AI. Sin embargo, este chip necesita ejecutar el software TensorRT.
NVIDIA DLA vs Huawei Unicorn 970, Apple A11
Deepin Talla, vicepresidente mundial de Nvidia, es responsable del negocio de Robótica, Smart City y DLA Deep Learning Accelerator. Este proyecto fue la base técnica para la cooperación de ayer con el gigante de chips ARM para crear un acelerador de aprendizaje profundo IP para chips inteligentes.
El año pasado, NVIDIA eligió proyecto de código abierto DLA, por lo que los principales fabricantes de chips, para descargar el proyecto del acelerador de chips libre, AI para crear su propio chip de bajo consumo de energía. Sin embargo, el uso de proyectos de código abierto todavía tienen un cierto umbral técnico. En este GTC, NVIDIA anunció la reducción del umbral de los chips de IA para construir de nuevo, en cooperación con el brazo.
Deepu Talla le dice a Chi Chih que DLA es un proyecto de código abierto y esta cooperación no le cobrará a ARM. El proyecto DLA ha sido desarrollado por tres años. La razón por la que elige código libre es porque los proyectos como Internet of Things no son el centro de atención de Nvidia. .
Durante los últimos seis meses, chip inteligente en muchos casos terminan dedicada AI comenzó a emerger, la mayoría con carácter viene como el chip de dos teléfonos móviles: Huawei Kirin 970, Apple A11 Deepu Talla entra en escena, ahora temporalmente sin aprender NVIDIA acelerador IP profundidad y Kirin 970 NPU, el contraste de los parámetros de manzana A11 motor de la red neuronal. Sin embargo, después de los DLA tres años de investigación y desarrollo, NVIDIA encontró para crear un hardware acelerador de aprendizaje profundo es en realidad todo el proyecto la parte fácil, lo difícil es el software, ¿cuánto más Buen soporte para varios programas de IA, marcos de inteligencia artificial, cómo desplegar mejor las redes neuronales, etc.
En estos aspectos, NVIDIA ingenieros de software han invertido muchos años de investigación, especialmente las aplicaciones de redes neuronales (inferencia) y despliegue (desplegar) términos, en este GTC, Jen-Hsun Huang también introdujo una nueva versión TensorRT 4.0, por lo que la red neuronal La implementación es más fácil y más rápida.
Cuatro razones principales por las que escasean las GPU
En la escena, Huang Renxun también declaró que la demanda actual de GPU ha excedido el suministro de Nvidia, por cuatro razones:
Por un lado, la industria de los juegos se está desarrollando rápidamente y el año pasado se lanzaron varios productos de juegos pesados. La demanda de GPU ha aumentado;
Por otro lado, la creación de contenido está en progreso y el mercado de intercambio de contenido también se está desarrollando, especialmente la creación de contenido basado en contenido;
El tercer aspecto innecesario es la inteligencia artificial. Con el desarrollo de la inteligencia artificial, la GPU de Infineon hace que la inteligencia artificial sea aún más popular, sin importar quién es usted.
El último aspecto es una de las áreas más candentes en la actualidad: Blockchain. Dado que miles de millones de GPU en el mundo usan la misma arquitectura, se puede considerar como la base de datos más grande y más descentralizada del mundo.
Suspender las pruebas de autos sin conductor en las vías públicas
No hace mucho, el caso de las muertes de peatones causadas por las pruebas en carretera de los automóviles sin conductor de Uber afectó a la industria mundial de conducción de automóviles. Durante el GTC, Nvidia confirmó formalmente que suspenderá las pruebas de autos sin conductor en las vías públicas.
En primer lugar, Jen-Hsun Huang, dijo que Nvidia no utilizó --Uber tecnología de piloto automático. Jen-Hsun Huang también se menciona en una entrevista anterior, este accidente hizo que todo el mundo se siente triste, a quien también afectan a toda la industria. Nvidia también muy preocupados por la seguridad de todos incluyendo Nvidia sus empleados, ya que también están probando el coche hacer todo tipo de pruebas.
Por lo tanto, Nvidia decidió suspender las pruebas de los coches sin conductor en la vía pública, ya partir de este incidente a entender, estudiar, estudiar, aprender de la experiencia, hacer que el trabajo más seguro en el futuro. Sin embargo, Huang también dijo que esta pausa no debe ser demasiado durante mucho tiempo.
En el discurso de apertura de ayer, Huang Renxun también presentó una plataforma de prueba de simulación de piloto automático 3D DRIVE SIM y Constellation. Primero genera datos de sensores (incluidas cámaras, radares, etc.) en la nube y luego los transmite a DRIVE Pegasus. Para ayudar a entrenar sistemas de piloto automático, es equivalente a probar autos sin conductor en un mundo virtual, que es más seguro.