但英伟达寻求开拓新领域，AWS将采用Nvidia的T4芯片

在引领图像计算市场并引领最新一波深度学习浪潮的同时，英伟达也在不断寻求新的突破。在刚刚结束的 GTC 2019 大会上，公司推出了 RTX Server、Data Science Server、Jetson Nano 等新的计算设备以及大量的软件工具，试图将业务扩展到数据科学和超小型物联网设备。

内容分享自：AI技术大本营电子计算器上的gt是什么意思，机器之心

这是英伟达举办的第十届GTC，可惜还是没有期待已久的“安培”架构7nm工艺显卡。

“像所有会议主题演讲一样，我必须为今天的 GTC 演讲想出一个缩写。今天的世界是 – Prada！” 黄仁勋以这样的开场白作了介绍。被命名为 Prada 并不意味着 Nvidia 的显卡已经成为奢侈品。它的意思是：

可编程的

加速度

领域

建筑学

——可编程加速域架构

与 Prada 不同的是，使用 Nvidia 芯片还可以为您节省更多的钱。

作为 GTC 2019 系列的开端，NVIDIA 此次发布了大量重要的新品。

AWS 将使用英伟达的 Tesla T4 芯片

特斯拉 T4

去年 9 月首次亮相的 Tesla T4 芯片包含 2,560 个 CUDA 内核和 320 个 Tensor 内核，处理查询的速度比 CPU 快近 40 倍。它现在已用于思科和惠普等公司运营的数据中心。

亚马逊的 AWS 今天宣布推出使用 Tesla T4 GPU 的 EC2 实例，这些实例将在未来几周内提供给 G4 实例中的用户。T4 也将通过 Amazon Elastic Container Service for Kubernetes 提供。

AWS 副总裁 Matt Garman 表示：“AWS 将使用专为机器学习设计的 Nvidia T4 处理器，帮助客户减少在边缘进行推断所需的时间，同时降低成本。”

此外，新实例将能够在云中同时使用多达 8 个 T4 GPU。

Jetson Nano，99 美元的人工智能计算机

Jetson Nano 开发套件（左）和生产就绪模块（右）

英伟达宣布推出 Jetson Nano，这是一款售价 99 美元的人工智能计算机，是英伟达面向开发人员、制造商和研究人员的 Jetson 系列嵌入式计算板中的最新款。相当于1/10的价格可以买到一部iPhone Xs来“玩”。

Nano 是机器人等人工智能设备的计算大脑，在其最新研发项目中使用时，将能够在不依赖云处理能力的情况下处理物体识别和自主导航等任务，这意味着它可以用于摄像头和麦克风直接处理数据，这将使硬件更快、更可靠、更安全。

以前的 Jetson 板已用于为一系列设备供电，例如货架扫描机器人和自主无人机，但 Nano 的目标更小。

英伟达推出了面向“嵌入式设计师、研究人员和 DIY 制造商”的 Nano 开发套件，售价 99 美元，商业公司的生产就绪模块售价 129 美元（至少购买 1,000 个模块）。

英伟达还有一个有趣的 DIY 项目：一个名为 JetBot 的开源自动化机器人套件，售价 250 美元。它包括 Jetson Nano 以及机器人底盘、电池组和电机电子计算器上的gt是什么意思，允许用户构建自己的自动驾驶机器人。

再加上 99 美元的开发套件，您将获得由四核 ARM A57 处理器、128 核 Nvidia Maxwell GPU 和 4GB LPDDR RAM 驱动的 472 GB 浮点计算能力。Nano 还支持包括 TensorFlow、PyTorch、Caffe、Keras 和 MXNet 在内的一系列前沿 AI 框架，因此大多数算法都是“即插即用”的。端口和连接通常包括 USB-A 和 B、千兆以太网，并支持 microSD 存储。

英伟达表示，希望 Nano 的价格能够向新用户开放 AI 硬件开发，并希望更多的创客社区能够进入人工智能时代。

GauGAN 创造逼真的风景

Nvidia Research 跟进了 GauGAN，这是一种生成对抗 AI 系统，可让您创建虚拟的、逼真的风景图像。

据英伟达深度学习应用研究副总裁Bryan Catanzaro介绍，GauGAN是基于去年推出的可以渲染虚拟世界的Pix2Pix系统，但后者在模拟风景方面存在一定缺陷。

GauGAN 的神经网络在 100 万张开源 Flickr 图像上进行了训练，能够理解 180 多个物体之间的关系，例如雪、树、水等。了解物体之间的关系意味着河边的一棵树会有倒影，或者当季节变化，地上有雪时，它会被画成一棵没有叶子的树。

Nvidia 的科学家详细介绍了 GauGAN 的创建过程，并宣布关于照片处理的空间自适应非规范化方法的论文将于今天发表。

今天还首次亮相的是 Nvidia AI Playground 网站，人们可以在其中修补各种训练有素的神经网络，例如 GauGAN，以转换视觉效果或使用强大的 AI 创建逼真的图像。

这项技术的应用可能会让人们对无法辨别真假感到困惑，但我们应该看到更多积极的应用，例如电子游戏设计师可以应用它来创造具有更好视觉体验的游戏。

Drive Constellation，一个基于云的自动驾驶汽车模拟平台

英伟达正在开发基于云的自动驾驶汽车模拟平台 Drive Constellation。这是一个基于网络的车辆数据平台，由负责开发其自动驾驶车辆平台的 ATG 部门使用。

Constellation 使用两种不同类型的服务器，第一个 Constellation Simulator 为 Nvidia Drive Sim 提供动力，这是一个模拟无人驾驶汽车传感器的软件平台，第二个 Constellation Vehicle 包含一个 Nvidia Drive AGX Pegasus 芯片（一对 Xavier 处理器和每秒 320 万亿次操作GPU）并运行完整的自动驾驶汽车软件堆栈。Constellation 处理来自 Constellation Simulator 的模拟数据，就好像它是从真实汽车的传感器中记录的一样；Drive Pegasus 的命令被反馈到模拟器，大约每 30 秒完成一次数字反馈循环。

Constellation 可以生成照片般逼真的数据流，以创建各种测试环境，模拟暴风雪和不同地形等各种天气条件。此外，它可以模拟白天不同时间的眩光效果和夜间有限的视野。因为它是分布式的，开发人员可以上传交通场景，集成到他们自己的车辆和传感器模型中，并在测试车辆上驾驶“数十亿”英里的模拟里程。英伟达称丰田研究院 TRI-AD 是 Constellation 的第一个客户。

防止自动驾驶汽车碰撞的安全力场

Safety Force Field 是 Nvidia Drive AV 平台的一个新组件，旨在保护无人驾驶汽车、乘客以及同一条道路上的其他汽车和乘客。

Safety Force 内置于 Nvidia Drive 的自动驾驶汽车软件套件中，该软件覆盖了大约四分之三的消费者，他们在最近的一项 AAA 研究 Attitude 中对乘坐自动驾驶汽车表示谨慎。

据 Nvidia 称，Safety Force 是运动规划堆栈中的一种决策策略，它通过分析实时传感器数据来监控不安全的操作，并且可以做出预测，以最大限度地减少伤害和“潜在危险”。

英伟达自动驾驶软件副总裁大卫尼斯特表示：“通过消除驾驶方程式中的人为错误，可以防止绝大多数碰撞事故，并将确实发生的事故降到最低。”

如何？由基于物理的“零碰撞”验证支持的“稳健”数学计算优于利用有限统计数据的实时模型。正如 Nister 解释的那样，它遵循避免碰撞的单一核心原则，而不是一套规则和期望。

安全力场可以考虑制动和转向限制，使其能够识别和消除两者造成的“异常”情况。“SFF 采用数学设计，因此配备 SFF 的自动驾驶汽车将像磁铁一样相互排斥，防止碰撞损坏并且没有不安全的情况，”Nister 补充道。

然而，安全力场是否足以打消公众对安全的担忧，还有待观察。

此外，英伟达还发布了全新的AI加速库CUDA X AI SDK库，重组了40多个英伟达深度学习加速库。CUDA-X AI 库可与 MxNet、PyTorch 和 TensorFlow 等流行框架配合使用。

英伟达的“新常态”

2月15日，英伟达公布了2019财年第四季度和全年财务业绩。报告显示，英伟达第四季度营收为22.5亿美元，较29.1.1美元下降24%去年同期十亿；净利润为 5.67 亿美元，比去年同期的 11.18 亿美元下降 49%。

除了收入和利润的下滑，英伟达的股价已经从过去 52 周的高点下跌了近一半，目前的市值已经跌至 1024 亿美元左右。

此外，英伟达预计 2020 财年的收入将与 2019 财年的 16 亿美元相比持平或同比略有下降。除了经济环境的影响，这也说明英伟达今年的产品规划很可能没有足够的“新爆”来支撑营收的大幅增长。

当然，为了扩大业务，英伟达最近宣布以 69 亿美元收购以色列公司 Mellanox，这是英伟达历史上最大的一笔收购。

在《Mellanox 为何让众多巨头公司追随》一文中，“Mellanox 是知名的网络设备供应商。其产品包括网络控制芯片、网卡、网线、交换机、软件等，主要用于数据中心的各种网络连接，可以说几乎涵盖了数据中心的所有类型网络产品，并已成为各大数据中心的主流网络解决方案之一。例如，在全球排名前十的大公司中，有九家 One 公司的数据中心采用了 Mellanox 的做法。”

因此，英伟达花费巨资击败英特尔等竞争对手，以扩大其数据中心业务。

股价疲软、没有核弹的GTC、多年来一路赚钱、数钱的英伟达，终于习惯了“新常态”。

☟