[其他] 英伟达GTC China 2017开发者大会、AI新发展趋势
http://bit.ly/2xBQYSC
英伟达（NVIDIA）GTC China开发者大会于2017年9月26日在北京举行，人工智能对计算需
求的高速增长，给了英伟达这家24岁的公司巨大的机会。以GPU计算为基点，正在把图像
处理能力推向无人机、高级自动驾驶、自主机器人、AI城市等领域。该企业首席执行官黄
仁勋在会上指出，大陆互联网4巨头BATJ百度、阿里巴巴、腾讯、京东，以及多家顶级科
技厂，包括联想、华为、浪潮与科大讯飞等均已与英伟达合作。
英伟达曾在4月时美国GTC大会上发布了新一代人工智能处理器架构Volta，并发布采用该
架构的第一款设备Tesla V100 GPU。
以下摘自英伟达CEO黄仁勋介绍重点：
阿里巴巴、百度及腾讯皆已在其云端人工智能基础设施上部署了英伟达的Tesla V100 GPU
，而华为、浪潮、联想作为4巨头的OEM厂商，开始生产基于HGX的GPU服务器。
英伟达宣布推出TensorRT 3人工智能推理软件，该软件与GPU硬件结合，可以大幅提升云
端及终端设备的推理性能，并有效降低成本，目前已采用者：阿里云、百度云、腾讯、科
大讯飞和京东。
在智慧城市方面，阿里巴巴、海康威视、大华和华为则加入了英伟达Metropolis平台，并
分别在路况监测、虚拟安保、交通流量监测等方面提供了基于该平台的人工智能视频解决
方案。
京东X实验室已经在无人机与无人车配送、无人分拣方面部署了英伟达的Jetson超级电脑
模组，将会在制造、物流和配送行业带来革新。
目前，对于自主机器而言需要解决三大关键的问题。首先，是为自主机器打造一个人工智
能平台，类似于增强学习等等；另外，是提供一个能够让自主机器进行自主学习的虚拟环
境；在此基础上，第三步再将人工智能的“大脑”放到自主机器的框架中。然而，目前这
三个问题还没有完全解决。NVIDIA即将新推出的自主机器处理器Xavier，虚拟的学习环境
、以及英伟达的人工智能平台等等，都是在为自主机器的商用和普及做准备工作。希望，
在未来的十到十五年，会看到更加令人难以置信的创新和进步。
GPU与FPGA这两者的区别很大。FPGA非常灵活，可以放入以太网卡里、音频卡中、或者视
频卡中，是可配置的。在设计阶段，它就可以被设计用于成各种各样的用途。但是，GPU
就没有那么大的灵活性，它是一种并行计算的加速器。当然，FPGA也可以被转变为GPU，
但是性能无法满足要求，它的速度要比GPU慢1000倍。三年前，英伟达决定把GPU做成
Tensor执行处理器。而如今，它已经成为世界上最优秀的Tensor处理器，但它只是一个晶
片，要做高性能的计算处理还需要软件。因为每一张AI计算的图片都是不一样的，并且每
一张图片在指定处理器上为了达到性能的调优，都必须进行编译解码。还有另一个选择，
就是为每一个神经网络都可以设计一个专门的FPGA，只是设计起来很困难，工作量也很大
。
NVIDIA在自动驾驶领域策略布局。DRIVE PX是硬件基础，DRIVE OS是操作系统，
DRIVEWORKS SDK是API，而DRIVE AV是最顶层的无人驾驶应用，把所有的这些结合在一起
我们统称为英伟达的DRIVE。以上说的每一个层面都可以单独开放，适用于不同类型、不
同公司的需求。可以选择用DRIVE PX硬件基础，其它部分自己开发，也可以选择用DRIVE
AV应用，其它底层堆栈自己搭建，这些都是没有问题的。
NVIDIA发展自动驾驶的安全问题考量。安全分为两个概念，一种是人身的安全、一种是系
统安全。如果一个黑客黑了一台车，本身这个问题并不大，但如果把威胁扩大到云端，透
过云来控制所有的车，就比较危险了。未来想黑一台车并不那么容易，因为每台车都是有
防火墙，自动驾驶系统会给传输的信息做加密，黑客不易黑到通讯端口。
黄仁勋表示，摩尔定律已经是旧时代的法则，GPU的计算速率和神经网络复杂性都在过去2
到5年内呈现出爆发性成长，期待将二者结合后，将在医药、自动化交通、精密制造、及
其他更多领域，产生更惊人突破。
http://bit.ly/2xBQYSC
心得：
看来英伟达在自动驾驶车这一块的布局相当深远，之前就有耳闻不只跟汽车厂商，甚至连汽车零件的供应商都有在谈合作结盟
这次的开发者大会看到了英伟达更具体的未来方向，值得期待