英伟达顾头不顾尾 GPU更新显卡停顿

　　据英伟达发给腾讯《一线》的邮件显示，3月27日，在加利福尼亚州圣何塞举办的GPU技术大会上，英伟达创始人黄仁勋发布了新一代服务器级GPU，搭载英伟达RTX技术的GPU Quadro GV100，目标是向艺术家和设计师提供实时光线追踪技术。

　　Quadro GV100具有32GB内存，扩展后可至64GB。英伟达称其性能相当于采用CPU时的100倍。

　　与Arm合作

　　同时，NVIDIA与Arm今日宣布，双方将合作，在数十亿即将进入全球市场的移动、消费电子和物联网设备上实现深度学习推理。

　　NVIDIA、Arm正在合作将开源的NVIDIA 深度学习加速器(NVDLA)架构集成到Arm的Project Trillium平台上，以实现机器学习。此次合作将使物联网芯片公司能够轻松地将AI集成到它们的设计中，并帮助它们将智能且价格实惠的产品带给全球数十亿的消费者。

　　NVIDIA副总裁兼自主机器事业部总经理Deepu Talla表示：“推理将成为每个物联网设备的核心能力。我们将与Arm一同推进这一趋势的发展，帮助数百家芯片公司轻松采用深度学习技术。”

　　Arm执行副总裁兼IP集团总裁Rene Haas认为：“加速AI在终端的应用对于Arm实现连接万亿物联网设备的愿景至关重要。如今，通过把NVDLA集成到Arm的 Project Trillium平台，我们距离实现这个愿景又近了一步，两家公司为AI和物联网投入的专业知识和能力将直接有益于我们的整个生态系统。”

　　据称，NVDLA的模块化架构具有可扩展性和高度可配置性，专门为简化集成和便携性而设计。

　　6个月AI性能提升10倍

　　NVIDIA 当时公布了深度学习计算平台所取得的一系列重要进展，相较于六个月前发布的上一代产品，其深度学习工作负载性能实现了10倍提升。

　　NVIDIA的平台已被各大云计算服务提供商和服务器制造商所采用，此次公布的主要进展包括NVIDIA(R) Tesla(R) V100(最强大的数据中心GPU)的2倍内存提升，以及全新GPU互联结构NVIDIA NVSwitch(TM)，它可使多达16个Tesla V100 GPU同时以2.4 TB /秒的速度进行通信，这一速度创下历史新高。 NVIDIA还推出了一个更新的、全面优化的软件堆栈。

　　此外，NVIDIA推出 NVIDIA DGX-2(TM)，是其在深度学习计算领域取得的重大突破。这是首款能够提供每秒两千万亿次浮点运算能力的单点服务器。DGX-2具有300台服务器的深度学习处理能力，占用15个数据中心机架空间，而体积则缩小60倍，能效提升18倍。

　　NVIDIA创始人兼首席执行官黄仁勋在GTC 2018上表示：“深度学习的超凡进展仅仅是对未来的启示。其中的很多进展都是基于NVIDIA深度学习平台，该平台已快速成为全球标准。我们正在以大幅超越摩尔定律的步伐加快提升平台的性能，以实现突破，进而为医疗保健、交通运输、科学探索和其他众多领域带来革命性改变。“

　　推出自动驾驶汽车测试系统

　　对于自动驾驶领域，NVIDIA当天推出了一套用于使用照片级真实感模拟，基于云的自动驾驶汽车测试系统。

　　黄仁勋称之为一款基于两种不同服务器的计算平台。

　　第一台服务器运行NVIDIA DRIVE Sim软件，用以模拟自动驾驶汽车的传感器，如摄像头、激光雷达和雷达。第二台服务器搭载了强大的NVIDIA DRIVE Pegasus(TM) AI汽车计算平台，可运行完整的自动驾驶汽车软件堆栈，并能够处理模拟数据，这些模拟数据如同来自路面行驶汽车上的传感器。

　　NVIDIA汽车事业部副总裁兼总经理Rob Csongor表示：“要实现自动驾驶汽车的量产部署，需要一种能够在数十亿英里的行驶中进行测试和验证的解决方案，以实现客户所需的安全性和可靠性。借助DRIVE Con stellation，我们将视觉计算和数据中心方面的专业知识相结合，实现了这一目标。借助虚拟仿真，我们可通过对数十亿英里的自定义场景和极端情况进行测试，从而提高算法的稳定性，其花费的时间和成本仅为实际道路测试的一小部分。”

　　仿真服务器由NVIDIA GPU提供支持，每台服务器都会生成仿真传感器数据流，并将其传送至DRIVE Pegasus进行处理。

　　没有显卡更新消息

　　英伟达最早创立于1993年1月，是一家以设计智核芯片组为主的IC半导体公司， 最有名的产品线是为游戏而设的GeForce显示卡系列，为专业工作站而设的Quadro显卡系列，和用于计算机主板的nForce芯片组系列。

　　截止2017年，来自游戏的业务收入仍然占据英伟达整体收入的半壁江山。2017年第一季度，该公司的游戏业务(包括英伟达GeForce系列)的营收增长了大约50%，到10.3亿美元，占该公司全部营收的53%。

　　从2017年起，英伟达开始为数据中心和自动驾驶提供图形处理器，这成为VR领域之后，英伟达所找到的一个新增长板块。曾经，VR概念在一段时间里被炒得火热，图像处理领域占据优势的英伟达沾了光。但是，随着VR虚火烧完，英伟达有一段时间转型迷茫。

　　不过，随着GPU被人工智能领域采用，英伟达找到了转型方向。2018年这次大会上，英伟达没有对收入占半壁江山的显卡产品进行升级换代。这像一次赌博。

　　人工智能所带来的商业热浪会不会是当年VR一样的结局?英伟达会不会又空欢喜一场?其股价会不会虚高?

　　比如，同样是美国芯片算力公司的赛灵思(Xilinx)公司正在挑战英伟达，其第四任CEO Victor Peng 强调物联网、智慧城市和人工智能等领域有众多机遇。 Victor Peng认为英伟达在数据中心取得了一些成功，特别是在机器学习方面，很大程度上是因为它的“CUDA”软件已经成为许多研究人员的首选编程工具。

　　Peng指出，相比“训练—就是通过大量数据训练模型”，英伟达在机器学习的“推理”部分比较“脆弱”，其主要是弱点就是Nvidia GPU的功耗。推理对功耗预算更严格需要在一定功耗内处理一定数量的查询，尤其是移动设备对推理时的功耗预算更严格。

　　他指出：“在一些数据中心，GPU可以在训练中耗费几千瓦的电力，这个在推理中简直无法承受。”在芯片界，不谈功耗的性能提升和改进都提扯淡。

　　所以，英伟达现在局面是传统显卡业务未曾改进，人工智能和数据业务受到挑战，英伟达要避免顾头不顾尾状况出现。

　　截止3月27日，英伟达股价至225美元。2016年，该公司股价还在40美元区间。