99美元：黄仁勋发布人工智能计算机，GTC十周年没有核弹
编者按：本文来自微信公众号“新智元”（ID：AI_era），作者 克雷格、金磊、小芹。经授权转载。
尽管发布会没有出现外界期待的新架构，黄仁勋也没有发布7纳米GPU，但是整场发布会透露的关键词正成为目前英伟达最重要、最急需的事情：新生态。
黄仁勋认为生态系统是GPU计算成功的关键，这种新生态系统需要几个关键词：
01.大秀英伟达显卡特效，光线追踪技术惊艳四射
黄仁勋的整场演讲分三个章节：计算机图形、AI和HPC、机器人。
在第一章之前，黄仁勋首先推出CUDA-X AI，这是加速数据科学的唯一端到端平台。
CUDA-X AI能够将机器学习和数据科学工作负载加速多达50倍，由十几个专用加速库组成。
此外，软件加速库集成到所有深度学习框架中，包括TensorFlow，PyTorch和MXNet。
接下来正式进入第一章计算机图形主题，黄仁勋不出所料的对英伟达的显卡特效又大秀了一番。
现在实时播放Unity上运行的部分视频，实时并不能提供足够的空间分辨率。Unity的实验包将于4月4日推出。
Unity增加了对Nvidia光线跟踪技术的预览支持，以推动游戏的真实性。
黄仁勋说，这种逼真效果得益于英伟达图灵RTX架构，画面是实时渲染的。
Epic Games已经宣布了Unreal Engine 4.22对英伟达RTX光线追踪的支持，Unity也只是时间问题，但现在这项技术正式进入了Unity的高清渲染管道(HDRP)预览版。
02.专注AI和HPC，收购Mellanox对抗英特尔
在演讲了一个小时之后，黄仁勋终于开讲第二章：AI和HPC。这部分主要由DGX和HGX组成。
英伟达拥有实现AI所有步骤和工具的库，即黄仁勋之前强调的CUDA-X AI库，而黄仁勋也在思考，如何把当前的这么庞大的生态系统以及硬件和软件结合在一起。做法有二：
目前，谷歌云和微软云也添到RAPIDS中，TensorRT也已集成到Microsoft Onyx中。
除了集成和结合之外，英伟达还推出一款新的AI工具包，称之为Clara，其核心是一系列预先训练过的模型。
有了这些工具，英伟达在数据科学领域不断突破。黄仁勋说，仅去年一年，英伟达的深度学习研究所通过各种形式培训了10万名数据科学家，基于此，英伟达决定为数据科学家提供一个定制的工作站。
这个工作站核心是GPU和CUDA-X AI库，主打高性能计算和高速I/O。
黄仁勋认为，数据科学是新的HPC，超算和超大规模集群的区别在于，超算实际上做了很少的任务，而超大规模集群都是关于容量的，但是做了很多小工作。两者需要不同的系统/集群架构。
而数据科学处于两者中间位置，数据科学的任务比超大规模集群的任务更重，但比更少；比超级计算机更广泛，这就是英伟达的DGX-2设备现在适用的地方。
在发布会现场，不久前被英伟达以69亿美元收购的Mellanox公司CEO也上台，阐述为什么Mellanox愿意卖身英伟达，以及他们如何看待网络成为数据中心计算基础设施的一部分。
满足这种需求将需要整体架构，通过智能网络结构连接大量快速计算节点，形成一个巨大的数据中心规模的计算引擎。
03.边缘计算产品Jetson Nano：99美元的人工智能计算机
黄仁勋演讲的第三章：机器人。为什么要为机器人提供边缘算力？黄仁勋说，复杂的人工智能通常不适合自制设备，因为微型计算机很少能处理除了基本功能之外的东西。
因此，英伟达推出了入门级人工智能计算机Jetson Nano。
英伟达声称，Nano的128核基于maxwell的GPU和四核ARM A57处理器可以为神经网络、高分辨率传感器和其他机器人功能提供472GFLOPS的处理能力，同时只消耗很少的5W。
该套件可以直接运行Linux，并支持大量的AI框架（当然包括NVIDIA自己的框架）。 它配备了4GB的RAM，千兆以太网以及相机和其他附件所需的I/O。
虽然Nano的功能远不如高端的Jetson强大，但目前个人版售价仅为99美元，面向企业的“production-ready”版售价为129美元。
04.未来的测试舰队是虚拟的
黄仁勋在GTC大会上推出了NVIDIA DRIVE Constellation仿真平台。
DRIVE Constellation是一个数据中心解决方案，包括两个并排服务器：
DRIVE AGX Pegasus接收传感器数据、做出决定，然后将车辆控制命令发送回模拟器。这种闭环过程可实现位精确，定时精确的硬件在环测试。
这个验证过程是实时运行的，可以按比例执行，多个单元并行运行各种测试。
基于云的端到端工作流程
黄仁勋演示了DRIVE Constellation平台如何执行驾驶测试并在无缝工作流程中提供结果。
为了确定AV的性能，开发人员可以设置特定的评估程序，例如碰撞时间、跟随距离和乘客舒适度，在运行时查看测试，并可视化结果。
具有特定变化的相同测试可突出极端和危险条件 - 如密集交通，恶劣天气和低能见度 - 可以并行运行。 这种大规模的验证功能就像运行大量的测试车辆虚拟车队，在很短的时间内完成数月或数年的测试。
开放平台
由以色列仿真公司Cognata开发的详细流量和场景模型由DRIVE Constellation平台提供支持。 该公司使用世界各地的交通摄像头捕获的真实数据来创建准确的大规模交通模型。
利用Cognata的流量模型，开发人员可以根据实际流量数据定义其他车辆和道路使用者的数量及其行为。
同时，开放平台也是第三方和监管自主车辆标准的关键组成部分。数据中心+边缘，英伟达转型路线图浮出水面 自从去年10月英伟达股价腰斩之后，就从AI芯片王座之上跌落，外界对于英伟达依赖游戏、挖矿等业务不看好，而英伟达在本月收购Mellanox，似乎也给外界回应：转型路线图浮出水面。 黄仁勋在收购Mellanox的新闻稿中说，“数据中心比以往任何时候都重要”。借助Mellanox，英伟达将优化整个计算、网络和存储堆栈中的数据中心规模工作负载，二者联合形成一个巨大的数据中心规模的计算引擎，为各类计算源源不断提供低成本算力。 另一方面，Jetson Nano为机器人和其他人工智能设备提供大脑，在边缘计算中，英伟达也占有一席之地，从而建立起以GPU算力为核心，诸多设备为护城河的生态系统。 至于有没有7纳米GPU、有没有新架构，这不是英伟达最紧急的事情。
