666元！英偉達史上最便宜AI硬件發佈_風聞

李根 乾明 郭一璞 發自 聖何塞

量子位 報道 | 公眾號 QbitAI

中國古語有言：否極泰來。

AI芯片巨頭英偉達的2018，再糟糕不過，所以2019年GTC大會，也比以往更受關注。

而且頗有意思的是，教主黃仁勳把這次的主題演講地點選在了聖何塞州立大學禮堂。

這所公立大學在硅谷小有名氣，且在計算機領域，最有名的校友莫過於原Intel董事長高登·摩爾——“摩爾定律”就是以他之名命名。

而老黃就是那個全世界最熱衷宣揚“摩爾定律已經失效”的人。

但這一次，老黃一句“摩爾定律”都沒提，默默扔出99美元AI開發套件Jetson Nano。

具體情況怎麼樣，我們完整回顧下今年GTC發佈情況。

CUDA-X：50倍提速

首先，直接看核心重頭戲：CUDA-X。

按照英偉達的説法，這是全球唯一的一個，端到端的數據科學加速庫。幫助從事數據分析、機器學習、深度學習的數據科學家們，更快的完成工作。

CUDA-X由十幾個專用加速庫組成。整個系統中，包含幾個部分：用cuDF加速數據分析，用cuDNN深度學習原語，用cuML進行機器學習算法，和DALI等數據處理。

簡單來説，所有英偉達的庫，都被整合成一個庫：CUDA-X。

包括TensorFlow、PyTorch和MXNet在內的所有深度學習訓練框架，隨着CUDA-X的發佈也會自動為英偉達Tensor Core GPU進行優化。

英偉達表示，CUDA-X解鎖了Tensor Core GPU的靈活性，能夠將機器學習和數據科學工作負載加速多達50倍。CUDA-X可以加速典型AI工作流程的每一步，無論是用深度學習訓練語音和圖像識別系統，還是數據分析評估抵押貸款組合的風險。

而且據説，“只需要點擊幾下”。

微軟的Azure Machine Learning（AML）是第一個集成RAPIDS的雲服務，RAPIDS是CUDA-X的關鍵組件。通過訪問RAPIDS開源庫，數據科學家可以讓AML上的英偉達GPU以“前所未有”的速度進行預測分析。

英偉達官方披露的數據稱，在AML上使用RAPIDS，可以幫助企業把訓練AI模型所需的時間，減少多達20倍，訓練時間可以從數天減少到數小時，或者從數小時減少到幾分鐘。

此外，CUDA-X還會部署在幾大主流的雲平台，包括亞馬遜AWS、谷歌雲等。目前PayPal、沃爾瑪等公司已經在使用相關服務。

值得一提的是，在介紹CUDA-X的時候，老黃還皮了一下。他説：每次演講，我都想讓你們記住一個關鍵詞，今天的關鍵詞是：

PRADA。

還讓現場跟着一起念。看來接下來要發佈的東西，可能還挺貴。

PRADA其實是四個單詞的強行縮寫，它也帶代表對CUDA-X介紹的幾個方面：PRogrammable(可編程)、Acceleration(加速)、Domains(域)、Architecture(架構)。

史上最便宜AI硬件

在老黃兩個多小時講完後，最讓網友們念念不忘的，是一款出場非常晚、時間非常短的硬件產品：

Jetson Nano。

它是體積小巧、性能並不弱的小電腦，老黃稱之為“全新的機器人計算機”，共有兩個版本。

一是99美元（約合人民幣666元）的開發者套件，面向個人用户，比如創客、學生、技術愛好者；另一個版本129美元，可以部署到生產環境，面向的是想要構建邊緣系統的企業。

歷次發佈會都讓人深感貧窮的英偉達，終於也價格厚道了。在PRADA的襯托下，更是感動人心。

不少外媒紛紛打call，因為Jetson Nano的價格讓業餘愛好者、學生之類的大眾羣體，可以打造自己的自動化設備。

當場，老黃也拿出了一個基於Jetson Nano的無人車Kaya。

價格厚道，性能如何呢？Jetson Nano能提供472 GFLOPS的計算性能，而耗電量只有5瓦。

不久前Google發佈的千元TPU開發板，單精度和半精度浮點運算性能分別是32和64 GFLOPs；英特爾神經計算棒的性能是100 GFLOPs。

Jetson Nano搭載了4核的ARM A57 CPU和128核基於英偉達Maxwell架構的GPU，4GB內存，使用MIPI CSI-2 DPHY通道攝像頭。

它也支持今天發佈的CUDA-X，也就是説有支持很多常見的人工智能框架，裝有面向Tegra的Linux操作系統，實現了開箱即用。

英偉達會後還展示了Jetson Nano運行ResNet、Inception、VOLO等各種神經網絡模型，在目標檢測、姿勢估計等各類任務上進行推斷的實際性能：

此外，它還支持高分辨率傳感器，而且可以並行處理多個傳感器，並在每個傳感器流上都運行多個神經網絡。

英偉達稱，Jetson Nano能夠運行所有AI模型，可以創建數百萬個智能系統。

GTC剛結束的時候，就有人在HackerNews上表示，自己想要DIY了。

很快就有“同道中人”回覆他，你可以自己做無人駕駛小車、能跟蹤貓的無人機、可以自動識別鳥的攝像機等等。

自動駕駛

最後，自動駕駛，老黃説這是最重要的自動化機器的落地場景。

也是三方面。

首先，推出全新DRIVE Constellation自動駕駛汽車仿真平台。

基於該平台，在雲端就能虛擬仿真各種自動駕駛場景——不用再路測數百萬公里了。

老黃説，從常規駕駛，到各種罕見的危機情況，都能在仿真中實現，要風得風，求雨得雨。會比現實世界中實現的效率高出不知多少倍，而且成本低、安全性高。

數據中心方案則去年就有過官宣。包括兩個並排服務器：

第一台服務器——DRIVE Constellation Simulator，從虛擬汽車生成傳感器輸出。

第二台服務器——DRIVE Constellation Vehicle，包含DRIVE AGX Pegasus AI車載電腦。

DRIVE AGX Pegasus接收傳感器數據，做出決定，然後將車輛控制命令發送回模擬器。

老黃還強調，該過程完全閉環，而且定位精準、定時精確，測試環境也能隨心所欲——不用怨天求神。

其次，該平台完全開放，提供編程接口，允許DRIVE Sim生態系統合作伙伴集成他們的環境模型、車輛模型、傳感器模型和交通場景。

同時也通過整合合作伙伴的場景，讓平台可以生成全面，多樣化和複雜的測試環境。

換而言之，玩法有點像虛擬仿真領域的Apollo。

英偉達也在這個“開放生態”裏，集合了產業鏈上下游玩家。

第三，英偉達還宣佈了基於仿真平台的最新合作。

並且合作方來頭不小，是全球第一大車廠——豐田。

老黃的意思也再明確不過，像豐田這樣的大廠都當了首個客户，開放平台DRIVE Constellation的品質肯定值得信賴。

此外，還是在GTC大會上，老黃還宣佈推出新自動駕駛軟件套件，該軟件的主要組成部分是Safety Force Field（SFF），通過加強規劃和控制，實現更安全、舒適的駕駛體驗，而且其算法策略主打車輛保護、乘客和其他車輛安全。

在高級輔助駕駛領域，這會最先發揮作用。

老傳統：視覺渲染新突破

當然，英偉達的GTC，不炫下最新渲染成績怎麼行？

今年新亮相的圖像渲染引擎，讓圖片的渲染更快、更真實。

NVIDIA Omniverse，3D創作渲染協同工具，即使團隊成員身處不同的時區，也能一起為同一個3D場景的創作出力。

另外，現場還展示了一段視頻：

是不是很有大片感？

同時，英偉達宣佈Adobe、Autodesk、Epic、Unity等16家廠商也將得到RTX技術支持，幫助他們在複雜的場景中完成光線跟蹤照明，用更快的速度進行圖像渲染，這一技術支持在今年內將會服務900萬創作者。

另外，對於遊戲玩家，英偉達推出了GeForce NOW雲遊戲服務，遊戲在雲端的電腦上運行，而玩家只要打開任何一台PC或者MAC，就能讓雲端的遊戲顯示在自己的電腦上，無需下載、安裝、升級、更新、裝補丁，也不用擔心自己的電腦配置不夠了。

顯然，老黃也最愛這部分的Demo展示。

不斷播放視頻，不斷收穫掌聲，他還不斷告訴大家：鼓掌太早了，好戲還在後面。

甚至到後來，教主直接扔核彈語錄：

我常説，買得越多，省得越多，現在我覺得我錯了……RTX Sever根本就是免費的！省下的電費就能買一台服務器了！

老黃の誠意

不過今年GTC，新品確實便宜得不像英偉達。

會後，大家最主要的評價都集中在Jetson Nano上。

更直接説是99美元售價上。

雖然TheVerge也報道稱，這種低價的AI開發套件，英偉達並非獨一家。

比如英特爾的Neural Compute Stick只需要79美元，谷歌在Coral下最近也推出了兩款設備，分別是150美元的開發者套件和79美元USB加速設備。

但不可否認的是，英偉達正在進入一個有潛力的市場，AI驅動的創新正在增長。

而且，對於今年GTC主題演講關鍵詞是PRADA的英偉達來説。

99美元，摺合人民幣666元。老黃的誠意，看得見。

你覺得呢？