英伟达大举发力，公布全新Ampere架构、机器人与无人驾驶汽车技术

英伟达公司CEO黄仁勋邀请10万名GTC 2020参会者莅临他的厨房。

作为分析师，我每年要参加数百场会议。至于这些会议孰高孰低，我会从其中发布公告的数量与行业影响角度进行分析。而在这次观看了英伟达的GTC 2020在线大会之后，我发现GPU巨头在这两个方面都带来了出色表现。作为平台供应商，架构是决定一切的基础，而英伟达在全球大部分市场上全面推出其新型架构Ampere。虽然此次大会没有讨论太多游戏话题，但可以肯定的是，英伟达的下次大会上游戏绝对不会制度。

英伟达的本次大会共分为九个章节，其中八个章节都曝出了令我兴致满满的猛料。下面一起来看。

在4K分辨率拍摄下的自家厨房中，英伟达公司CEO黄仁勋对奋战在COVID-19抗疫一线的工作人员表示谢意，并列举了GPU加速计算在这场斗争中发挥的积极作用。其中令我印象最深的当数Oxford Nanopore技术公司与橡树岭国家实验室（ORNL）以及斯克里普斯研究所，他们分别在7个小时之内对新冠病毒进行了测序，并在一天之内筛选出十亿种潜在的治疗药物组合。最近一段时间，各大重量级主题演讲都以COVID-19作为开场白，我觉得这对鼓舞群众、坚持抗疫确实很有帮助。

英伟达还介绍了旗下医疗****平台Clara的更新信息。该平台将引入名为Guardian的全新AI模型，用于推动COVID-19研究并改善病例检测效率，甚至创造了20分钟之内完成人类基因组分析的新世界纪录——这一切，都将给未来的智能医院带来强劲助力。相信大家也已经感受到，着眼于当下以及未来可能出现的各类流行疾病，超级计算已经成为人类保护自身的有力武器。

黄仁勋接下来介绍了英伟达的数据中心架构，即“数据中心级加速计算”。他解释道，未来的数据中心将成为新的计算单元。这样的表述确实比较激进，但我们确实可以将数据中心理解成包含CPU、GPU、网络（DPU）以及综合软件堆栈的融合型解决方案。从这个角度来看，我们似乎更能理解英伟达为什么选择收购Mellnox公司，这又将给客户带来怎样的助益。

英伟达公司利用AI技术（DLSS）打造的光线追踪与采样技术已经获得市场的广泛认可，而Omniverse项目亦由此诞生。在我看来，英伟达已经凭借光线追踪与AI加速等独门绝技在游戏与工作站行业占据领先地位。RTX最初公布于SIGGRAPH 2018大会，现在看来光线追踪已经成为一项主流功能。

Jensen当时带来了不少精彩的演示，包括虚拟引擎如何将540P场景提升至1080P。而后，他展示了光线追踪与AI技术如何在《我的世界》中发挥作用，让画面表现上升至新的层次。

黄仁勋随后宣布，用于图形及模拟工作流的协作平台“Omniverse”目前已经面向早期客户开放。黄仁勋展示了AEC（架构、工程、构建）场景下，不同开发人员如何通过云环境利用不同工具（Rhino、Max、Revit、AR）处理同一个项目。

对我来说，Omniverse的最大意义在于证明了英伟达有能力开发出基于云端的协作平台，并能够与AEC这类微垂直生态顺畅对接。

黄仁勋随后又谈到了GPU加速，特别是如何在英伟达一直擅长的高性能计算（HPC）与科学计算等领域处理规模更大的数据集。英伟达的软件库目前已经支持超过700种CUDA加速应用，而Spark 3.0加速项目的推出更标志着一座新的里程碑。

不少数据科学家都在日常工作中使用Apache Spark。Adobe公司是最早在Databricks上运行Spark 3.0预览版的企业之一，他们表示在初步测试当中，数据处理性能提高了7倍，成本节约达90%。

黄仁勋还提到他的经典语录：“买得越多，省得越多。”由于时间仓促，我还没有对新项目进行全面的成本分析；但结合以往的经验，黄老的结论应该比较靠谱。

黄仁勋在演讲结语中表示，Databricks与Google Cloud Dataproc将很快推出配合GPU加速机制的Spark服务。考虑到ETL（提取、转换、加载）流程中庞大的市场空间，我觉得这项说明值得关注。再结合Google Cloud AI及AWS Sagemaker双双宣布支持英伟达RAPIDS，这也许意味着英伟达方案将开始向数据工程的上游移动。

接下来，黄仁勋又谈到“Merlin”，一款用于推荐系统的新型应用框架。大家应该都用过Amazon（「买过本商品的客户还购买了……」）或者Netflix（推荐视频），这意味着您已经使用过上千种推荐系统。他介绍道，“Merlin将1 TB数据集推荐系统的构建时长从几天缩短到了几分钟。”

我肯定会继续跟进这个议题，因为目前大部分实时或者近实时推荐系统仍然在使用CPU。当下的推荐框架要比以往任何时候都更加复杂，我认为加速技术必须及时跟上。

相信很多朋友都用过Alexa、Siri、Cortana或者Assistant等智能代理。但是，开发人员要如何将这些AI语音助手引入自己的应用程序？现在答案简单了，英伟达Jarvis。

Jarvis是英伟达打造的多模（语音与视觉）对话式AI应用程序框架。该公司表示，Jarvis能够识别视觉与声音元素，进而建立起实时翻译、个人隐藏字幕、实时视频通话录音等功能，并为智能扬声器、呼叫服务中心、互动机器人以及汽车与零售服务提供支持。

我发现这个项目非常有趣，因为英伟达之前刚刚进军聊天机器人市场。目前，最新的对话应用程序开始广泛将个性化特征引入AI智能与语音处理，我们很难想象没有GPU的支持、这些系统要如何运行。Jarvis的出现无疑为各家企业打开了设计自有用例、训练基于自然语言型应用程序的大门。

虽然之前的发布内容也很有趣，但黄仁勋到这里才放出真正的一处，即A100数据中心GPU。

黄仁勋表示，目前A100 GPU已经全面投入生产，并开始向全球客户发货。根据AI分析师Karl Freund发表的评论文章，英伟达“已经获得业界各大主要参与者的支持，包括谷歌、AWS、微软、阿里巴巴、戴尔、联想以及HPE等。”在观看相关内容后，我将英伟达A100的特征总结如下：

希望将训练与推理流程统一在同一芯片之上。

与使用FP32的V100相比，新的TF32将性能提升达20倍。

MIG（多实例GPU）帮助程序员以管理单一GPU的方式管理多个GPU。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!