1. 标的：NVDA.US 长期持有
2. 分类：心得
3. 分析/正文：
GTC 2021 这次释出很多东西，基本上都是先前工作的延续。有些看起来要开花结果了，
有些则看起来很有潜力。挑些自己认为重要的快速讲一下
1. Omniverse
利用自家高大上的GPU技术所做出来的虚拟实境，但NVDA 把它应用在提升生产力，而非游
戏或社交。在先前的GTC上就有提出两个 use cases。一个是在虚拟世界里训练机器人或
自驾车，等到训练的差不多了再部署到真实世界的机器上做 fine tune。这样做有个好处
是可以进行极端情况的训练，例如可以训练自驾车如何在即将车祸的情况下采取最小伤亡
的行动，而这样的训练在现实世界成本很高甚至根本不可行。二是虚拟工作室让不同地点
的人可以在同一个空间协同工作。因为是虚拟空间，所以在里面可以把引擎这种复杂的机
械像爆炸图一样拆解开来检视里面每一个零件，像是在科幻电影看到的场景
说穿了就是现在很夯的元宇宙。NVDA 几年前就做出了prototype 给高端企业试用，而目
前omniverse 平台已经有超过 500 家企业使用。BMW 利用它打造虚拟工厂并最佳化生产
线，tune 完后再部署到真实世界。他们在德国有三座工厂都是用这种方法盖出来的（这
是否就是工业4.0？）
不得不说虽然 Facebook 感觉在走下坡，但依然是很有影响力的公司。NVDA 已经耕耘了
虚拟实境好几年，结果 Facebook 换个词一喊就潮了（不过 NVDA 已经把实际产品推出来
了）
本次 GTC 提到 Omniverse 一个 use case 是 Ericsson 用它打造虚拟城市，在里面研究
怎么布建 5G 讯号发射器才能让整个城市的收讯最佳化。因为是在虚拟环境，因此可以模
拟车辆在道路移动过程中所接收到的讯号强度，以及讯号在大楼间反射的路径，这些资讯
都可以用视觉化的方式呈现。这些通讯设备的 configurations 一样在虚拟世界 tune 完
后 deploy 到现实世界
本次也有介绍 GPU 如何加速基础科学的研究，其中教主提到他想进行气候变迁的研究。
气候变迁的难度跟天气预测完全不是同一个数量级。气候变边的时间跨度长，需要考虑的
因素多，例如人跟环境的互动，海洋的变化等等（有用数值方法解过 PDE 的应该都很能
体会误差如何随着时间拉长而放大）。我不确定有没有听错，但教主好像打算在 omniver
se 打造整个地球的 digital twin，精确度在 1~10 米。这个虚拟地球需要嵌入真实世界
的物理，因此跟 Google Earth 不是同一回事。如果办到那真的不得了
2. ReOpt Routing
这是一个自动仓储管理跟规划系统用来管理理货机器人，应该也是omniverse的应用结果
。它随时都可以对当下规划重新做最佳化以因应机器人故障离线等状况。我认为重点在于
，这个系统做一些调整，可以应用在现实世界的交通规划上
先说说我对未来交通的想像。车辆这种机械应该交由机器去操作，问题会比较少，效率也
会比较高。这部分大家应该有共识，没什么好讨论的。红绿灯这种东西应该要砍掉，效率
太差！理想上，邻近车辆应该要彼此分享即时车辆资讯如速度与目的地等，并组成虚拟的
计算丛集，用这些资讯进行运算，对邻近所有车辆即时做出最佳化的行驶规划，如此就不
需要任何号志与标线了（不过不同地点的局部最佳化结果，组合起来是否等同于全域最佳
化，这要数学家回答了）。布建 5G 提高资料传输速度，并想办法把 NVDA 为了资料中心
提高资料在各节点交换与分散运算的技术应用到这个场景，配合 ReOpt routing，在这情
况下有机会做到这件事。此外，NVDA 有跟另一间公司合作用 cloud sourcing 的方式（
类似 google 街景车）建构 3D 地图来当作 ground truth，也显示他们在自驾车方面的
企图心（1. 所以说 TSLA 的竞争优势是很巨大的，毕竟资料为王。2. 这个 3D 地图可以
是 the digital twin of the Earth 的其中一部分）。但另一方面，在高度自动化的环
境，如何避免设备故障或网络攻击导致这些自动化机器（如自驾车）或资料中心的服务器
做出错误的决策是个很重要的议题。而今年他们也推出了 Morpheus 保障网络安全，在我
看来他们的产品或服务都是环环相扣的
3. cuQuantum, cuNumeric, cuGraph
cuQuantum 用来加速量子计算的模拟器。用现今最快的电脑，帮研究机构开发明日的电脑
（量子电脑）。可是吼…尽管可能还要一二十年，量子电脑就是个 game changer，老黄
应该也清楚。面对这样的局面，我想他不会只甘于当个工具人的角色。自己进行量子电脑
的开发，并用 cuQuantum 加速这个流程我认为才是比较合理的作法
cuGraph 是对 graph 计算加速的东西（NetworkX就是个慢）。graph 不是影像，而是图
论中用来表示现实物体间交互作用的模型，例如 social network 表示人之间的互动，或
是金流等。老黄这次有弄个 avatar 对话机器人出来，展示中大家问的问题还蛮难的，背
后应该是有个知识图谱在运作。因此在 graph上做搜寻与计算是必须的。感觉老黄对 gra
ph model 有重视，这是好事。这是个有潜力但尚未被充分开发的东西，期待之后可以看
到更多这方面的相关工作。老黄似乎有想用量子电脑来解决图论方面的问题。例如这次GT
C上，他有展示用 cuQuantum 来提升处理 Maximum cut 的效率
我认为 NVDA 的竞争优势不在于显卡，而是 CUDA。可以思考下，AMD 也有做显卡，还比
较便宜，为何大家不用它做深度学习？没有 NVDA 提供的软件套件，光把资料搬到 GPU
就搞死人。它建构在 CUDA 上所发展出的生态系是难以取代的。虽然它有做显卡面向一般
消费者，但我认为本质上是一间 B2B 的公司。感觉老黄对未来的想像是各公司都可以利
用深度学习提供各式各样的服务，但背后都有NVDA的影子，都有NVDA的存在，都离不开 N
VDA（未来的计算大多会发生在资料中心，那就是个兵家必争之地）
4. 进退场机制：长期投资