日前，英偉達GTC 2018（GPU Technology Conference 2018，以下簡稱GTC）在美國圣何塞舉行。英偉達再一次在提升計算力的路上越走越遠。GPU產品依然是主旋律，Tesla V100系列、DGX系列和Quadro GPU系列都進行了更新。

新產品—全世界最大的GPU只要399

全新Tesla V100顯存將從原來的16GB提升至32GB。2017年5月11日，英偉達正式發布了全新Volta架構GPU——NVIDIA Tesla V100，它擁有超過210億個晶體管，是上代TeslaP100的1.37倍。它的單精度浮點性能高達15 TFLOPS，雙精度浮點7.5 TFLOPS。

基于此前的NVIDIA NVLink架構，英偉達還推出了全新的NVSwitch架構。這一互聯架構的帶寬比PCle交換機高5倍，足以支持更大規模和復雜的數據集運算，讓開發者和科學家可以構建更高級的系統。

基于Tesla V100的升級和全新的NVSwitch架構，英偉達將DGX 2的性能較前一代產品有大幅度提升。

在2016年的GTC上英偉達正式發布DGX 1，它擁有8顆帕斯卡架構GP100核心的Tesla P100 GPU，以及7TB的SSD，由兩顆16核心的Xeon E5-2698v3以及512GB的DDR4內存驅動。售價為129000美元。2017年9月份，英偉達推出了一款基于Volta架構的DGX 1V，擁有8塊Tesla V100。

而DGX 2應用了最新的NVSwitch架構，通過12個NVSwitch支持16塊全新的Tesla V100共享同一的內存空間，總計512 GB HBM2存儲，能實現每秒高達2千萬次的浮點運算。此外，基于NVSwitch架構的應用，16塊GPU可以實現2.4TB/秒的數據傳輸能力。

DGX 2內含16顆Tesla V100芯片

“這是全球最大的GPU。”黃仁勛表示，他還用“美麗、性感”等詞語來形容這一款最新的DGX系列產品。

DGX 2的售價，黃仁勛首先給出的是150萬美元，最后直接減價為39.9萬美元，將在今年的第三季度正式開放購買。

面向藝術及設計領域，英偉達還推出了搭載了NVIDIA RTX（實時光線追蹤）技術的NVIDIA Quadro GV100 GPU。單塊GPU擁有32GB內存，可以基于NVLink技術將兩塊GV100 GPU并聯，從而將內存提升至64GB。在前一周的游戲開發者大會上，英偉達正式推出了NVIDIA RTX技術。

GV100 GPU基于最新的Volta架構，可以提供每秒7.4萬億次浮點運算的雙精度性能，每秒14.8萬億次浮點運算的單精度性能，以及每秒118.5萬億次浮點運算的深度學習性能。

黃仁勛手中的GV100 GPU

這款產品主要針對傳媒娛樂從業者、產品設計師、建筑設計師等專業設計與流媒體專業人員。其中，NVIDIA RTX內置的NVIDIA OpitX AI-denoiser可以實現實時的AI降噪去噪。

硬件之外，英偉達還發布了針對軟件的更新——TensorRT 4軟件。這一軟件可用于優化、驗證和部署在超大規模數據中心、嵌入式與汽車GPU平臺中經過訓練的神經網絡。

為了籠絡更多的開發者，英偉達與谷歌的工程師將TensorRT集成至谷歌的TensorFlow 1.7中。

自動駕駛—暫停自動駕駛研發

自動駕駛仍在本次GTC的討論之列

英偉達的自動駕駛平臺可以統稱為Drive PX系列。但是其實，Drive PX只是NVIDIA車載AI平臺的系列名稱。而這個系列目前主要包括兩代產品：已經量產的Drive PX 2平臺，以及在2018年初展示的新一代平臺Xavier。

不過黃仁勛卻在GTC 2018上宣布英偉達將暫停自動駕駛的研發工作，雖然沒有說明何時能再推進這一進程，但是他也表示“不會太久。”

在2018年2月9日對外發布的2018財年第四季度及全年財報中，英偉達曾經提到過與Uber、Aurora合作打造自動駕駛汽車，采用的就是開源的NVIDIA Drive人工智能自動駕駛平臺。

美國當地時間3月18日晚上，亞利桑那州一名女子被Uber自動駕駛汽車撞傷，之后不幸身亡。這是全球首例自動駕駛車輛致人死亡的事故，隨后Uber宣布將暫停其在美國和加拿大的自動駕駛項目。隨后在26日，亞利桑那州州長宣布暫禁Uber在亞利桑那州公路測試自駕車。

黃仁勛在回答媒體關于該案件的提問時表示，英偉達對于這個意外感到悲傷，但是自動駕駛的研究本身是沒有錯的，應該從這個案件中吸取經驗，提升自動駕駛的安全性。作為Uber在自動駕駛領域的合作方之一，英偉達暫停自動駕駛的研發可能和Uber的自動駕駛汽車撞人致死案有關，但其并沒有完全放棄自動駕駛項目。

英偉達的DRIVE Constellation仿真系統

英偉達在GTC上推出了針對自動駕駛汽車測試的仿真系統——DRIVE Constellation。

DRIVE Constellation仿真系統是一套使用照片級真實感模擬，基于云的自動駕駛汽車測試系統。它基于兩個不同的服務器，第一臺服務器運行的是DRIVE Sim軟件，可以模擬自動駕駛汽車的傳感器，比如攝像頭、激光雷達和雷達等。

DRIVE Sim軟件可以通過生成照片級的數據流，從而創建不同的測試環境，比如晴天、暴雨、暴雪等不同的天氣狀況、日間和夜間等不同的光線狀況、急轉彎或陡坡等不同的路面狀況。并且在模擬過程中設置各種危險和突發狀況，比如行人突然穿越馬路等，以測試自動駕駛汽車的反應能力，以確定其不會對人帶來安全威脅。

第二臺服務器搭載的是NVIDIA DRIVE Pegasus AI汽車計算平臺，運行完整的自動駕駛汽車軟件堆棧，并能夠處理傳感器搜集模擬數據。經過處理的數據會被反饋給傳感器，一直進行數據的循環。

從時間來看，英偉達推出的這個仿真系統和Uber的自動駕駛汽車撞人致死案并無太大關聯，不過在長遠的未來，它將能有效幫助提升自動駕駛汽車測試的安全性。

新合作—與ARM合作布局IoT

英偉達還宣布與ARM達成了合作，共同為全球數十億臺IoT設備提供深度學習的能力。雙方將開源的英偉達深度學習加速器整合到ARM的Project Trillium機器學習平臺上。

2018年2月23日，ARM推出了Project Trillium項目，這是一套包括新的高度可擴展處理器的ARM IP組合，這些產品可以提供增強的機器學習(ML)和神經網絡(NN)功能。當前的技術產品主要針對移動設備市場，將讓全新的搭載機器學習功能的設備具有先進的計算能力，包括先進的目標檢測功能。

在將英偉達深度學習加速器整合到Project Trillium之后，全球數十億臺的消費電子設備上的IoT芯片將具備機器學習能力。

GTC之外—計算力提升從創新驅動變為需求驅動

提到英偉達和黃仁勛，就不得不提到CPU。在2017年的GTC上，黃仁勛曾聲稱摩爾定律已經終結，設計人員無法再創造出可以實現更高指令集并行的GPU架構，晶體管數量每年增長50%，但CPU的性能每年僅增長10%。

在演講中，黃仁勛沒有放過任何一次揶揄CPU的機會。不管是更新后的Tesla V100、DGX 2，還是最新發布的GV100 GPU，黃仁勛聲稱“在提供相同的計算力下，它們都比CPU組成的集群要更節能、高效，占用更少的空間。”

“買得越多，省得越多。”已經成了他的口頭禪。然而回歸到英偉達本身，其本身的高速增長很大一部分是依賴于市場對圖形芯片的巨大需求。

在英偉達公布的2018財年第四季度財報中，雖然數據中心業務同比實現了一倍多的增長達到6.06億美元。但游戲圖形芯片業務的營收達17.4億美元，同比增長29%，占該季度總營收的一半以上。

“加密貨幣市場的強勁需求超出了我們的預期。” 英偉達首席財務官科萊特·克雷斯表示，“盡管加密貨幣對我們業務的總體貢獻仍難以量化，但我們認為，其在營收中所比例高于上一季度。”

從產品本身來說， GPU目前只能是不斷疊加性能，帶來的驚喜越來越少。以DGX系列為例，內含的GPU芯片從4顆變成了8顆，今年從8顆增長到了16顆，改變的只不過是互聯的架構。單顆芯片的算力提升越來越難，英偉達的“橫向發展”只是另辟蹊徑。

不過，英特爾的Nervana芯片，谷歌的TPU（目前只在谷歌內部使用）對于英偉達來說是潛在的競爭對手。有競爭在，更大的驚喜才有可能會到來。

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。