Nvidia GTC2019:没有新架构,但黄仁勋打造了一个巨大的生态圈
在美国加州圣何塞的圣何塞大学活动中心，一年一度的英伟达 gtc（gpu technology conference）大会正式开幕，英伟达创始人兼 ceo 黄仁勋做了重磅演讲。
作为英伟达展示其技术实力和产品进展的最重要的舞台，本次 gtc（也称 gtc 2019 ）覆盖了 ai/深度学习、数据中心加速、自动驾驶、图像处理与模拟、高性能计算、机器人等多个领域。雷锋网编辑也受邀来到 gtc 2019 现场，见证了英伟达在诸多领域的最新进展。
那么，在本次 gtc 的 keynote 上，英伟达放出了哪些“核弹”呢？
利用 rtx 技术，发力 3d 行业
在 2018 年的 siggraph 会议上，英伟达发布了全新的图灵架构惊艳了整个计算机图形行业；同时基于此架构，英伟达发布了 rtx （实时光线追踪）技术和基于该技术的 quadro 系列 gpu。
不过对于英伟达来说，要想推动 rtx 走向市场，自然离不开合作伙伴的支持。
在本次 gtc 上，英伟达宣布，众多全球顶级的 3d 应用提供商支持 nvidia rtx 技术，相关产品将在 2019 年发布；这些应用商包括 adobe、unity、unreal engine、pixer 等。按照英伟达的说法，在这样的合作之下，rtx 技术将会在 2019 年到达 900 万 3d 创作者手中。
在这里，黄仁勋发布了 nvida omniverse，它是一个让创作者利用 rtx 技术来进行创作的 3d 开放协作平台。
在这个平台之上，英伟达与 pixar、digital domain 等众多平台合作，支持最新的设计协作行业标准。比如说，它支持 pixar 的 scene description 技术，在渲染、模型、动画、光效、阴影等方面更好地交换信息，同时也支持 nvidia 的 material definition language，能够让创作者在多个工作中变换表面材料信息。
同时，创作者也可以利用英伟达的 omniverse viewer 来实时查看自定义条件下的 3d 效果。当然，omniverse viewer 也利用了 rtx 技术和 cuda 核心和支持 tensor core 的 ai 技术。
基于 rtx 技术，黄仁勋还发布了数据中心级别的图像服务器 nvidia rtx servers，它能够支持渲染、omniverse 和 geforce now 云端游戏服务。其中，有一个最新配置令人震惊，它在 32 个 rtx blade server（每个 blade server 拥有 40 个 gpu） 上部署了 1280 个图灵架构的 gpu，从而在云渲染、效率和规模上实现了飞跃。
目前，包括戴尔、hpe、联想、asus、supermicro 在内，已经有不少服务器厂商已经推出了讲过认证的 nvidia rtx 服务器，从而提供数据中心级别的高度可定义、按需分配的内容渲染和虚拟工作站解决方案。
值得一提的是，基于两块 quadro rtx 8000 gpu（quadro rtx 系列除了支持实施光线追踪，也 ai 方面也有极佳的表现 ）， 英伟达也发布了专门面向数据科学家的工作站，它拥有 96gb 内存，预装了 cuda-x ai 库，支持 rapids、tensorflow、pytorch、caffe、anaconda dsitribution，可以达到 10 倍的数据处理速度。
发布 cuda x ai，加速数据科学
本次 kyenote 上，黄仁勋发布了全新的 ai 加速库——cuda x ai sdk 库。
cuda x ai sdk 可以用于数据分析、机器学习、深度学习等多个领域的加速；它可以更好地释放 tensor core gpu 的灵活性，实现以下诸多方面的加速：
数据科学中的数据获取、etl、模型训练和部署；
机器学习算法的压缩、分类等；
深度学习中的的训练框架，针对 nvidia tensor core gpu 进行自动优化；
云端的推理和大规模 kubernetes 部署；
pc、工作站、超计算机、企业数中心中的数据科学；
aws、google cloud 和微软 azure 云计算中的 ai 服务。
英伟达方面表示，cuda-x ai 可以实现机器学习和数据科学最高 50 倍的负载加速，它包含了十几个特性的加速库。比如说，它可以通过 cudf 加速数据分析，通过 cndnn 加速深度学习，通过 cuml 加速机器学习算法，通过 dali 加速数据处理。
当前，cuda-x ai 已经被 charter、微软、paypal、sas 和沃尔玛等公司所采用，同时也支持 tensorflow、pytorch 和 mxnet 等主流的深度学习框架。
在本次 gtc 上，黄仁勋宣布，已经有七家世界级的厂商将推出基于 nvidia t4 gpu 和 nvidia cuda-x ai 加速库的服务器，这些服务器都已经针对 cuda-x ai 进行了特殊优化。这七家厂商分别是：思科、戴尔 emc、富士通、惠普企业、浪潮、联想、曙光。
同时，英伟达宣布，这些厂商推出的上述服务器均为 nvidia ngc-ready 认证通过。2018 年 11 月，英伟达发布了 ngc-ready 计划，让采用基于英伟达 gpu 系统的客户能够在更广的范围内放心地部署 gpu 加速软件。目前，这些通过认证的服务器的关键型号如下：
cisco ucs c240 m5
dell emc poweredge r740/r740xd
fujitsu primergy rx2540 m5
hpe proliant dl380 gen10
inspur nf5280m5
lenovo thinksystem sr670
sugon w760-g30
此外，针对 ngc-ready 项目，英伟达也宣布了一项全新的企业级支持服务——nvidia ngc support services，它可以支持所有的 ngc-ready t4 系统和诸多此前已经通过认证的基于 nvlink 和基于 tesla v100 的服务器，以及基于 nvidia 的工作站。
值得一提的是，在谈到这一环节时，mellanox technologies（英伟达此前不久宣布以 69 美元的价格收购该公司 ）ceo eyal waldman 也来到现场，与黄仁勋同台亮相，二人对外简单分享了英伟达在加速计算的未来愿景。
另外，在发布会上，黄仁勋与为之站台的亚马逊 aws 副总裁 matt garman 联合宣布，nvidia 与亚马逊 emc 达成合作关系；它的最新的 ec2 g4 服务器采用了英伟达 t4 tencor core gpu，该服务器将在未来数周内可用。
全新99美元jetson nano可运行所有ai模型
在大篇幅介绍rtx和cuda-x ai后，黄仁勋表示，机器人无处不在，英伟达非常重视机器人市场，为此开发了一整套的软硬件产品。gtc 2019推出的全新机器人产品是jetson nano。借助cuda-x可以提供472 gflops的ai性能，功率低至5w。jetson nano分为两个版本，开发者套件面向开发者、发烧友，售价99美元，面向边缘设备系统公司的模块售价129美元。
黄仁勋现场只介绍了售价99美元的版本，不过展示了基于jetson nano的一个小型机器人kaya，集成了多个传感器。这很好的说明，jetson nano支持高分辨率传感器，可处理多个传感器的并行数据，并支持主流的ai框架。
据雷锋网了解，jetson nano的关键特性包括：
gpu：基于nvidia maxwell架构128核的gpu
cpu：四核arm a57
视频：4k @ 30 fps（h.264 / h.265）/ 4k @ 60 fps（h.264 / h.265）编解码
摄像头：mipi csi-2 dphy通道，12x（模块）和1x（开发者套件）
内存：4 gb 64位lpddr4； 25.6千兆字节/秒
连接：千兆以太网
操作系统支持：linuxfortegra
模块尺寸：70mm x 45mm
开发者套件尺寸：100mm x 80mm
drive constellation正式上市
最后介绍的是自动驾驶。黄仁勋认为，未来的自动驾驶系统将是软件定义。他宣布推出drive ap2x 9.0，并展示了这个系统的工作原理以及它如何构建地图。
于此同时，英伟达还推出了加强的nvidia drive av自动驾驶汽车软件套件，套件主要组成部分软件是safety force field（sff），sff是通过获取传感器数据来分析和预测周围环境的动态，并确定车辆和其他道路使用者的安全。
据悉，sff可以使车辆实现安全的碰撞验证，并不是通过有限的统计数据来分析实际情景，试图模拟高复杂性。sff使用真实数据精确模拟进行验证，包括高速公路和城市驾驶的场景，这些场景太危险难以在真实世界进行。
接下来，黄仁勋还宣布nvidia drive constellation正式上市，这个可扩展的仿真平台支持大型虚拟车队自动驾驶汽车，效率更高、成本更低、安全性超过了现实世界中可能实现的效率。
汽车的安全性至关重要，但很多情景难以在现实中测试。黄仁勋演示的视频模拟了汽车在不同自然环境（白天或晚上），不同交通情况下的12种自动驾驶情景。
drive constellation自动驾驶仿真系统的首次亮相是在gtc 2018上，该系统基于两种不同服务器的计算平台：一台服务器运行 nvidia drive sim 软件来模拟自动驾驶车辆的传感器，，如相机、激光雷达和雷达。另一台drive constellation vehicle服务器包含nvidia pegasustm ai 汽车电脑，处理模拟传感数据。drive constellation vehicle的驾驶决策将反馈到drive constellation模拟器，实现位精确，定时精确的硬件在环测试。
简单来说，drive constellation 生态系统的合作伙伴可以整合他们的开放平台环境模型、车辆模型、传感器模型和交通场景。 通过整合来自更广泛的模拟生态系统的数据集，平台可以生成全面的，多样化和复杂的测试环境。
最后，英伟达还宣布了与丰田宣布了一项新的合作，建立在英伟达drive agx xavier av平台与位于日本的丰田tri-ad团队和位于美国的丰田研究所（tri）的持续合作基础之上。
据悉，英伟达和丰田的协议包括开发跨多个扩展的架构车型和类型，加速开发缩短生产时间，以及在具有挑战性的场景中模拟相当于数十亿英里的驾驶。
总结
与往年相比，本次的 gtc 既没有发布新的 gpu 架构，也没有抛出什么重磅的 gpu 硬件新技术和新品；然而，一向雷厉风行的黄仁勋却严重拖堂了——原本计划两小时的 keynote，最终花了两小时四十分钟才结束。
从 keynote 内容来看，英伟达在本次 gtc 上想要传递的信息有两点：一是利用现有的 gpu 技术来实现基于 ai 的加速计算，以此来应对 ai 时代数据科学所面临的挑战；二是在现有的 gpu 能力的基础上，努力扩展在 3d 视觉、自动驾驶等领域的行业，从而构建出一个更加广泛的 gpu 应用生态——这对英伟达未来价值的实现，毫无疑问是非常必要的。
区块链技术将改变防御网络安全的现状
电阻如何看色环读数？终端电阻的开发与应用
如何设置虚拟局域网_虚拟局域网的划分方式
三星8nm LPP工艺利用 Mentor Tessent 工具节省大量设计测试时间
Android 13应用迁移的两个阶段
Nvidia GTC2019:没有新架构,但黄仁勋打造了一个巨大的生态圈
区块链技术运用开发加密货币场外OTC交易所搭建
Zynq UltraScale+ MPSoC以太网接口调试
AMD 将要推出Radeon RX Vega系列GPU 大幅度提升 VR 与 PC 图形
互联网的本质是垄断，要用区块链来颠覆
是不是特别后悔不该买16G的手机？内存总不够？跟我学会这几招，手机内存用不完
FTU系统控制板共模浪涌（SURGE）干扰案例分析
小米机器狗有什么用
万物互联的IoT时代，柔性电子的未来将会如何发展
中核集团创建智慧食堂，践行厉行节约风尚，落实双碳行动
基于摄像机的先进驾驶辅助系统
质量流量计在煤焦化应用技巧：ST98流量元件现场安装定位
中国物联网产业发展关键年2010年
Protel文件如何用CAM Manager制作BOM
51单片机介绍 stm32和51单片机的区别
作为英伟达展示其技术实力和产品进展的最重要的舞台，本次 gtc（也称 gtc 2019 ）覆盖了 ai/深度学习、数据中心加速、自动驾驶、图像处理与模拟、高性能计算、机器人等多个领域。雷锋网编辑也受邀来到 gtc 2019 现场，见证了英伟达在诸多领域的最新进展。
那么，在本次 gtc 的 keynote 上，英伟达放出了哪些“核弹”呢？
利用 rtx 技术，发力 3d 行业
在 2018 年的 siggraph 会议上，英伟达发布了全新的图灵架构惊艳了整个计算机图形行业；同时基于此架构，英伟达发布了 rtx （实时光线追踪）技术和基于该技术的 quadro 系列 gpu。
不过对于英伟达来说，要想推动 rtx 走向市场，自然离不开合作伙伴的支持。
在本次 gtc 上，英伟达宣布，众多全球顶级的 3d 应用提供商支持 nvidia rtx 技术，相关产品将在 2019 年发布；这些应用商包括 adobe、unity、unreal engine、pixer 等。按照英伟达的说法，在这样的合作之下，rtx 技术将会在 2019 年到达 900 万 3d 创作者手中。
在这里，黄仁勋发布了 nvida omniverse，它是一个让创作者利用 rtx 技术来进行创作的 3d 开放协作平台。
在这个平台之上，英伟达与 pixar、digital domain 等众多平台合作，支持最新的设计协作行业标准。比如说，它支持 pixar 的 scene description 技术，在渲染、模型、动画、光效、阴影等方面更好地交换信息，同时也支持 nvidia 的 material definition language，能够让创作者在多个工作中变换表面材料信息。
同时，创作者也可以利用英伟达的 omniverse viewer 来实时查看自定义条件下的 3d 效果。当然，omniverse viewer 也利用了 rtx 技术和 cuda 核心和支持 tensor core 的 ai 技术。
基于 rtx 技术，黄仁勋还发布了数据中心级别的图像服务器 nvidia rtx servers，它能够支持渲染、omniverse 和 geforce now 云端游戏服务。其中，有一个最新配置令人震惊，它在 32 个 rtx blade server（每个 blade server 拥有 40 个 gpu） 上部署了 1280 个图灵架构的 gpu，从而在云渲染、效率和规模上实现了飞跃。
目前，包括戴尔、hpe、联想、asus、supermicro 在内，已经有不少服务器厂商已经推出了讲过认证的 nvidia rtx 服务器，从而提供数据中心级别的高度可定义、按需分配的内容渲染和虚拟工作站解决方案。
值得一提的是，基于两块 quadro rtx 8000 gpu（quadro rtx 系列除了支持实施光线追踪，也 ai 方面也有极佳的表现 ）， 英伟达也发布了专门面向数据科学家的工作站，它拥有 96gb 内存，预装了 cuda-x ai 库，支持 rapids、tensorflow、pytorch、caffe、anaconda dsitribution，可以达到 10 倍的数据处理速度。
发布 cuda x ai，加速数据科学
本次 kyenote 上，黄仁勋发布了全新的 ai 加速库——cuda x ai sdk 库。
cuda x ai sdk 可以用于数据分析、机器学习、深度学习等多个领域的加速；它可以更好地释放 tensor core gpu 的灵活性，实现以下诸多方面的加速：
数据科学中的数据获取、etl、模型训练和部署；
机器学习算法的压缩、分类等；
深度学习中的的训练框架，针对 nvidia tensor core gpu 进行自动优化；
云端的推理和大规模 kubernetes 部署；
pc、工作站、超计算机、企业数中心中的数据科学；
aws、google cloud 和微软 azure 云计算中的 ai 服务。
英伟达方面表示，cuda-x ai 可以实现机器学习和数据科学最高 50 倍的负载加速，它包含了十几个特性的加速库。比如说，它可以通过 cudf 加速数据分析，通过 cndnn 加速深度学习，通过 cuml 加速机器学习算法，通过 dali 加速数据处理。
当前，cuda-x ai 已经被 charter、微软、paypal、sas 和沃尔玛等公司所采用，同时也支持 tensorflow、pytorch 和 mxnet 等主流的深度学习框架。
在本次 gtc 上，黄仁勋宣布，已经有七家世界级的厂商将推出基于 nvidia t4 gpu 和 nvidia cuda-x ai 加速库的服务器，这些服务器都已经针对 cuda-x ai 进行了特殊优化。这七家厂商分别是：思科、戴尔 emc、富士通、惠普企业、浪潮、联想、曙光。
同时，英伟达宣布，这些厂商推出的上述服务器均为 nvidia ngc-ready 认证通过。2018 年 11 月，英伟达发布了 ngc-ready 计划，让采用基于英伟达 gpu 系统的客户能够在更广的范围内放心地部署 gpu 加速软件。目前，这些通过认证的服务器的关键型号如下：
cisco ucs c240 m5
dell emc poweredge r740/r740xd
fujitsu primergy rx2540 m5
hpe proliant dl380 gen10
inspur nf5280m5
lenovo thinksystem sr670
sugon w760-g30
此外，针对 ngc-ready 项目，英伟达也宣布了一项全新的企业级支持服务——nvidia ngc support services，它可以支持所有的 ngc-ready t4 系统和诸多此前已经通过认证的基于 nvlink 和基于 tesla v100 的服务器，以及基于 nvidia 的工作站。
值得一提的是，在谈到这一环节时，mellanox technologies（英伟达此前不久宣布以 69 美元的价格收购该公司 ）ceo eyal waldman 也来到现场，与黄仁勋同台亮相，二人对外简单分享了英伟达在加速计算的未来愿景。
另外，在发布会上，黄仁勋与为之站台的亚马逊 aws 副总裁 matt garman 联合宣布，nvidia 与亚马逊 emc 达成合作关系；它的最新的 ec2 g4 服务器采用了英伟达 t4 tencor core gpu，该服务器将在未来数周内可用。
全新99美元jetson nano可运行所有ai模型
在大篇幅介绍rtx和cuda-x ai后，黄仁勋表示，机器人无处不在，英伟达非常重视机器人市场，为此开发了一整套的软硬件产品。gtc 2019推出的全新机器人产品是jetson nano。借助cuda-x可以提供472 gflops的ai性能，功率低至5w。jetson nano分为两个版本，开发者套件面向开发者、发烧友，售价99美元，面向边缘设备系统公司的模块售价129美元。
黄仁勋现场只介绍了售价99美元的版本，不过展示了基于jetson nano的一个小型机器人kaya，集成了多个传感器。这很好的说明，jetson nano支持高分辨率传感器，可处理多个传感器的并行数据，并支持主流的ai框架。
据雷锋网了解，jetson nano的关键特性包括：
gpu：基于nvidia maxwell架构128核的gpu
cpu：四核arm a57
视频：4k @ 30 fps（h.264 / h.265）/ 4k @ 60 fps（h.264 / h.265）编解码
摄像头：mipi csi-2 dphy通道，12x（模块）和1x（开发者套件）
内存：4 gb 64位lpddr4； 25.6千兆字节/秒
连接：千兆以太网
操作系统支持：linuxfortegra
模块尺寸：70mm x 45mm
开发者套件尺寸：100mm x 80mm
drive constellation正式上市
最后介绍的是自动驾驶。黄仁勋认为，未来的自动驾驶系统将是软件定义。他宣布推出drive ap2x 9.0，并展示了这个系统的工作原理以及它如何构建地图。
于此同时，英伟达还推出了加强的nvidia drive av自动驾驶汽车软件套件，套件主要组成部分软件是safety force field（sff），sff是通过获取传感器数据来分析和预测周围环境的动态，并确定车辆和其他道路使用者的安全。
据悉，sff可以使车辆实现安全的碰撞验证，并不是通过有限的统计数据来分析实际情景，试图模拟高复杂性。sff使用真实数据精确模拟进行验证，包括高速公路和城市驾驶的场景，这些场景太危险难以在真实世界进行。
接下来，黄仁勋还宣布nvidia drive constellation正式上市，这个可扩展的仿真平台支持大型虚拟车队自动驾驶汽车，效率更高、成本更低、安全性超过了现实世界中可能实现的效率。
汽车的安全性至关重要，但很多情景难以在现实中测试。黄仁勋演示的视频模拟了汽车在不同自然环境（白天或晚上），不同交通情况下的12种自动驾驶情景。
drive constellation自动驾驶仿真系统的首次亮相是在gtc 2018上，该系统基于两种不同服务器的计算平台：一台服务器运行 nvidia drive sim 软件来模拟自动驾驶车辆的传感器，，如相机、激光雷达和雷达。另一台drive constellation vehicle服务器包含nvidia pegasustm ai 汽车电脑，处理模拟传感数据。drive constellation vehicle的驾驶决策将反馈到drive constellation模拟器，实现位精确，定时精确的硬件在环测试。
简单来说，drive constellation 生态系统的合作伙伴可以整合他们的开放平台环境模型、车辆模型、传感器模型和交通场景。 通过整合来自更广泛的模拟生态系统的数据集，平台可以生成全面的，多样化和复杂的测试环境。
最后，英伟达还宣布了与丰田宣布了一项新的合作，建立在英伟达drive agx xavier av平台与位于日本的丰田tri-ad团队和位于美国的丰田研究所（tri）的持续合作基础之上。
据悉，英伟达和丰田的协议包括开发跨多个扩展的架构车型和类型，加速开发缩短生产时间，以及在具有挑战性的场景中模拟相当于数十亿英里的驾驶。
总结
与往年相比，本次的 gtc 既没有发布新的 gpu 架构，也没有抛出什么重磅的 gpu 硬件新技术和新品；然而，一向雷厉风行的黄仁勋却严重拖堂了——原本计划两小时的 keynote，最终花了两小时四十分钟才结束。
从 keynote 内容来看，英伟达在本次 gtc 上想要传递的信息有两点：一是利用现有的 gpu 技术来实现基于 ai 的加速计算，以此来应对 ai 时代数据科学所面临的挑战；二是在现有的 gpu 能力的基础上，努力扩展在 3d 视觉、自动驾驶等领域的行业，从而构建出一个更加广泛的 gpu 应用生态——这对英伟达未来价值的实现，毫无疑问是非常必要的。
区块链技术将改变防御网络安全的现状
电阻如何看色环读数？终端电阻的开发与应用
如何设置虚拟局域网_虚拟局域网的划分方式
三星8nm LPP工艺利用 Mentor Tessent 工具节省大量设计测试时间
Android 13应用迁移的两个阶段
Nvidia GTC2019:没有新架构,但黄仁勋打造了一个巨大的生态圈
区块链技术运用开发加密货币场外OTC交易所搭建
Zynq UltraScale+ MPSoC以太网接口调试
AMD 将要推出Radeon RX Vega系列GPU 大幅度提升 VR 与 PC 图形
互联网的本质是垄断，要用区块链来颠覆
是不是特别后悔不该买16G的手机？内存总不够？跟我学会这几招，手机内存用不完
FTU系统控制板共模浪涌（SURGE）干扰案例分析
小米机器狗有什么用
万物互联的IoT时代，柔性电子的未来将会如何发展
中核集团创建智慧食堂，践行厉行节约风尚，落实双碳行动
基于摄像机的先进驾驶辅助系统
质量流量计在煤焦化应用技巧：ST98流量元件现场安装定位
中国物联网产业发展关键年2010年
Protel文件如何用CAM Manager制作BOM
51单片机介绍 stm32和51单片机的区别