科技时报 全球最新科技资讯专业发布平台

黄仁勋的生意经:全世界最大的GPU只要39.9万美元

2018-03-28 08:23:32已围观次来源:凤凰网科技编辑:夏雪

  花子健 发自美国圣何塞

  北京时间3月28日凌晨00:00,英伟达GTC 2018(GPU Technology Conference 2018,以下简称GTC)在美国圣何塞举行。

  英伟达再一次在提升计算力的路上越走越远。

  新产品—全世界最大的GPU只要399

  GPU产品依然是主旋律,Tesla V100系列、DGX系列和Quadro GPU系列都进行了更新。

  全新Tesla V100显存将从原来的16GB提升至32GB。2017年5月11日,英伟达正式发布了全新Volta架构GPU——NVIDIA Tesla V100,它拥有超过210亿个晶体管,是上代TeslaP100的1.37倍。它的单精度浮点性能高达15 TFLOPS,双精度浮点7.5 TFLOPS。

  基于此前的NVIDIA NVLink架构,英伟达还推出了全新的NVSwitch架构。这一互联架构的带宽比PCle交换机高5倍,足以支持更大规模和复杂的数据集运算,让开发者和科学家可以构建更高级的系统。

  基于Tesla V100的升级和全新的NVSwitch架构,英伟达将DGX 2的性能较前一代产品有大幅度提升。

  在2016年的GTC上英伟达正式发布DGX 1,它拥有8颗帕斯卡架构GP100核心的Tesla P100 GPU,以及7TB的SSD,由两颗16核心的Xeon E5-2698v3以及512GB的DDR4内存驱动。售价为129000美元。2017年9月份,英伟达推出了一款基于Volta架构的DGX 1V,拥有8块Tesla V100。

  而DGX 2应用了最新的NVSwitch架构,通过12个NVSwitch支持16块全新的Tesla V100共享同一的内存空间,总计512 GB HBM2存储,能实现每秒高达2千万次的浮点运算。此外,基于NVSwitch架构的应用,16块GPU可以实现2.4TB/秒的数据传输能力。

  “这是全球最大的GPU。”黄仁勋表示,他还用“美丽、性感”等词语来形容这一款最新的DGX系列产品。

  DGX 2的售价,黄仁勋首先给出的是150万美元,最后直接减价为39.9万美元,将在今年的第三季度正式开放购买。

  面向艺术及设计领域,英伟达还推出了搭载了NVIDIA RTX(实时光线追踪)技术的NVIDIA Quadro GV100 GPU。单块GPU拥有32GB内存,可以基于NVLink技术将两块GV100 GPU并联,从而将内存提升至64GB。在前一周的游戏开发者大会上,英伟达正式推出了NVIDIA RTX技术。

  GV100 GPU基于最新的Volta架构,可以提供每秒7.4万亿次浮点运算的双精度性能,每秒14.8万亿次浮点运算的单精度性能,以及每秒118.5万亿次浮点运算的深度学习性能。

  这款产品主要针对传媒娱乐从业者、产品设计师、建筑设计师等专业设计与流媒体专业人员。其中,NVIDIA RTX内置的NVIDIA OpitX AI-denoiser可以实现实时的AI降噪去噪。

  硬件之外,英伟达还发布了针对软件的更新——TensorRT 4软件。这一软件可用于优化、验证和部署在超大规模数据中心、嵌入式与汽车GPU平台中经过训练的神经网络。

  为了笼络更多的开发者,英伟达与谷歌的工程师将TensorRT集成至谷歌的TensorFlow 1.7中。

  自动驾驶—暂停自动驾驶研发

  英伟达的自动驾驶平台可以统称为Drive PX系列。但是其实,Drive PX只是NVIDIA车载AI平台的系列名称。而这个系列目前主要包括两代产品:已经量产的Drive PX 2平台,以及在2018年初展示的新一代平台Xavier。

  不过黄仁勋却在GTC 2018上宣布英伟达将暂停自动驾驶的研发工作,虽然没有说明何时能再推进这一进程,但是他也表示“不会太久。”

  在2018年2月9日对外发布的2018财年第四季度及全年财报中,英伟达曾经提到过与Uber、Aurora合作打造自动驾驶汽车,采用的就是开源的NVIDIA Drive人工智能自动驾驶平台。

  美国当地时间3月18日晚上,亚利桑那州一名女子被Uber自动驾驶汽车撞伤,之后不幸身亡。这是全球首例自动驾驶车辆致人死亡的事故,随后Uber宣布将暂停其在美国和加拿大的自动驾驶项目。随后在26日,亚利桑那州州长宣布暂禁Uber在亚利桑那州公路测试自驾车。

  黄仁勋在回答媒体关于该案件的提问时表示,英伟达对于这个意外感到悲伤,但是自动驾驶的研究本身是没有错的,应该从这个案件中吸取经验,提升自动驾驶的安全性。作为Uber在自动驾驶领域的合作方之一,英伟达暂停自动驾驶的研发可能和Uber的自动驾驶汽车撞人致死案有关,但其并没有完全放弃自动驾驶项目。

  英伟达在GTC上推出了针对自动驾驶汽车测试的仿真系统——DRIVE Constellation。

  DRIVE Constellation仿真系统是一套使用照片级真实感模拟,基于云的自动驾驶汽车测试系统。它基于两个不同的服务器,第一台服务器运行的是DRIVE Sim软件,可以模拟自动驾驶汽车的传感器,比如摄像头、激光雷达和雷达等。

  DRIVE Sim软件可以通过生成照片级的数据流,从而创建不同的测试环境,比如晴天、暴雨、暴雪等不同的天气状况、日间和夜间等不同的光线状况、急转弯或陡坡等不同的路面状况。并且在模拟过程中设置各种危险和突发状况,比如行人突然穿越马路等,以测试自动驾驶汽车的反应能力,以确定其不会对人带来安全威胁。

  第二台服务器搭载的是NVIDIA DRIVE Pegasus AI汽车计算平台,运行完整的自动驾驶汽车软件堆栈,并能够处理传感器搜集模拟数据。经过处理的数据会被反馈给传感器,一直进行数据的循环。

  从时间来看,英伟达推出的这个仿真系统和Uber的自动驾驶汽车撞人致死案并无太大关联,不过在长远的未来,它将能有效帮助提升自动驾驶汽车测试的安全性。

  新合作—与ARM合作布局IoT

  英伟达还宣布与ARM达成了合作,共同为全球数十亿台IoT设备提供深度学习的能力。双方将开源的英伟达深度学习加速器整合到ARM的Project Trillium机器学习平台上。

  2018年2月23日,ARM推出了Project Trillium项目,这是一套包括新的高度可扩展处理器的ARM IP组合,这些产品可以提供增强的机器学习(ML)和神经网络(NN)功能。当前的技术产品主要针对移动设备市场,将让全新的搭载机器学习功能的设备具有先进的计算能力,包括先进的目标检测功能。

  在将英伟达深度学习加速器整合到Project Trillium之后,全球数十亿台的消费电子设备上的IoT芯片将具备机器学习能力。

  GTC之外—计算力提升从创新驱动变为需求驱动

  提到英伟达和黄仁勋,就不得不提到CPU。在2017年的GTC上,黄仁勋曾声称摩尔定律已经终结,设计人员无法再创造出可以实现更高指令集并行的GPU架构,晶体管数量每年增长50%,但CPU的性能每年仅增长10%。

  在演讲中,黄仁勋没有放过任何一次揶揄CPU的机会。不管是更新后的Tesla V100、DGX 2,还是最新发布的GV100 GPU,黄仁勋声称“在提供相同的计算力下,它们都比CPU组成的集群要更节能、高效,占用更少的空间。”

  “买得越多,省得越多。”已经成了他的口头禅。然而回归到英伟达本身,其本身的高速增长很大一部分是依赖于市场对图形芯片的巨大需求。

  在英伟达公布的2018财年第四季度财报中,虽然数据中心业务同比实现了一倍多的增长达到6.06亿美元。但游戏图形芯片业务的营收达17.4亿美元,同比增长29%,占该季度总营收的一半以上。

  “加密货币市场的强劲需求超出了我们的预期。” 英伟达首席财务官科莱特·克雷斯表示,“尽管加密货币对我们业务的总体贡献仍难以量化,但我们认为,其在营收中所比例高于上一季度。”

  从产品本身来说, GPU目前只能是不断叠加性能,带来的惊喜越来越少。以DGX系列为例,内含的GPU芯片从4颗变成了8颗,今年从8颗增长到了16颗,改变的只不过是互联的架构。单颗芯片的算力提升越来越难,英伟达的“横向发展”只是另辟蹊径。

  不过,英特尔的Nervana芯片,谷歌的TPU(目前只在谷歌内部使用)对于英伟达来说是潜在的竞争对手。有竞争在,更大的惊喜才有可能会到来。

window.onload = function (){ var oLi = document.getElementById("tab").getElementsByTagName("li"); var oUl = document.getElementById("ms-main").getElementsByTagName("div"); for(var i = 0; i < oLi.length; i++) { oLi[i].index = i; oLi[i].onmouseover = function () { for(var n = 0; n < oLi.length; n++) oLi[n].className=""; this.className = "cur"; for(var n = 0; n < oUl.length; n++) oUl[n].style.display = "none"; oUl[this.index].style.display = "block" } }}