近年來，公司一直在蓬勃發展，因為它的圖形芯片對于人工智能的分支非常有用，這些分支導致了語音和圖像識別以及自動駕駛汽車的突破?，F在，它的目標是在這方面領先——搶先提供從芯片到云服務的一切適用于深度學習神經網絡的東西。   為此，該公司在加利福尼亞州圣何塞市的技術大會上推出了大量的新產品和服務，所有這些產品和服務都把重點放在圖形處理單元芯片和相關軟件上。新產品既可以提高芯片和電腦的性能，也可以增強使用它們的云服務的性能，并將深度學習延伸到潛在的數十億種產品——從自動駕駛汽車到消費電子產品再到手機。   英偉達的創始人兼首席執行官黃仁勛(圖)說：“使用GPU計算的人數呈指數增長。我們正處在臨界點。”   在所有這些公告中唯一漏掉的一件事是新一代GPU，這往往是會議的重頭戲。英偉達在去年五月的同一次會議上介紹了基于其Volta技術的芯片。但直到去年11月，其最強大的芯片才能通過所有主要的高性能計算和云計算提供商獲得，并且勢頭仍在增長。   黃仁勛確實公布了他稱之為世界上最大的GPU——基于Volta的。它擁有16個Tesla V100芯片內核以及更多的內存和一項用于連接芯片中處理內核的新技術。它還使用了在游戲開發者大會上介紹的名為RTX的新圖形技術。英偉達表示，這是它首次能夠實時地完成光線追蹤并創建真實圖像的過程。黃仁勛說：“這對于實時計算機圖形來說是一個巨大的飛躍。”   但是，最近幾年的主要焦點是深度學習，英偉達并不缺乏支持使用深度學習的Volta芯片的新技術。首先，黃仁勛介紹了對英偉達平臺進行的一系列改進，這些平臺在六個月前將深度學習工作負載的性能提高了八倍。   原因之一是該公司已將V100上的內存量增加了一倍，達到了32千兆字節，這將內存受限的高性能計算應用程序的性能提高了一半。另一個原因是一個連接于名為NVSwitch的GPU的新“架構(fabric)”，它可以讓多達16個V100進行快速通信，以運行更大的數據集和一個更新的軟件“棧”。   同樣重要的是，還有一款新名為DGX-2的，英偉達表示它是第一款可以提供每秒2千萬億次或者數十億浮點運算能力的單一服務器。該機在第三季度推出時售價為399000美元，它可以在兩天(而不是15天)內處理標準的FAIRSeq機器翻譯模型。黃仁勛說：“我們正在以超越摩爾定律的速度大幅提升平臺的性能”，芯片性能每隔兩年就翻一番。   Moor Insights&Strategy的總裁兼首席分析師Patrick Moorhead表示：“DGX-2的最大特點是新的NVSwitch。這可以提高性能，并減少延遲，因為GPU不需要頻頻訪問主內存......這是非常重要的事情。”   運行模型   英偉達的芯片已被大多數公司用于訓練語音和圖像識別等應用的深度學習模型，并宣布了運行這些模型的名為“推斷”的新技術。Nvidia Accelerated Computing的副總裁兼總經理Ian Buck在新聞發布會上表示，GPU在推斷中得到了越來越多的使用。   例如，堪薩斯城正在使用深度學習來預測道路上出現坑洞的準確率為76%，它預計準確率將達到95%。品趣志公司(Pinterest Inc.)使用基于GPU的系統來執行實時圖像分類和推薦系統。Buck說：“我們正在創建一個新的計算模型，這實際上就是軟件自己編寫軟件。”   英偉達為了進一步擴大其在推斷工作中的影響力，它宣布要推出新版本的TensorRT推斷軟件，其中包括與谷歌公司(Google Inc.)的受人青睞的TensorFlow機器學習軟件框架的集成。英偉達還與亞馬遜網絡服務公司、臉書公司(Facebook Inc.)和微軟公司合作，確保Caffe 2、MXNet CNTK、Chainer和Pytorch等框架可以在英偉達平臺上輕松運行。同樣重要的是，現在針對軟件容器的流行“編排”工具Kubernetes有了GPU加速功能，它可以讓應用程序在多種計算機、操作系統和云上運行。   物聯網   英偉達旨在將深度學習引進汽車乃至智能手機的“物聯網”設備。為此，它已經與ARM Holdings(制造主要用于移動設備的節能芯片的廠家)建立了合作關系，將英偉達的開源架構整合到ARM的Trillium機器學習處理器項目中。   Moorhead說：“這一消息使英偉達的機器學習技術能夠應用于家居自動化，甚至是智能手機等更小的物聯網設備中。與ARM的合作并不能保證英偉達的NVDLA能在‘非常小的優勢’上取得成功，但卻大大增加了它的機會。”   同樣重要的是，英偉達正在處理改進自動駕駛汽車的關鍵任務，其中一個任務緣起優步(Uber Technologies Inc.)在亞利桑那州引發的一起行人喪生事故，這起事故似乎是可以預防的。英偉達的資深汽車總監Danny Shapiro指出，蘭德公司(Rand Corp.)認為要使自動駕駛汽車變得安全，數十億英里的訓練是少不了的。他說，在合理的時間范圍內做到這一點的唯一方法是通過快速，超現實的模擬。   這就是英偉達宣布的內容。DRIVE Constellation是一款使用虛擬現實技術的自動駕駛模擬器，它可以模擬攝像機，LiDAR和用于汽車操作的雷達。來自該模擬器的數據被送入車內的第二臺服務器DRIVE Pegasus進行處理，并且駕駛命令以每秒30次的頻率傳回Constellation，以驗證車輛是否正常運行。我們可以反復模擬各種罕見的“奇怪”駕駛情況來改進系統。   這可能特別關鍵，因為英偉達宣布，作為對最近發生的交通事故，它暫時停止了自動駕駛汽車的測試，隨后優步也停止了在亞利桑那州的測試。數百家致力于自動駕駛汽車的公司使用英偉達的DRIVE技術。   Moorhead說：“DRIVE Constellation意義非凡，因為英偉達能根據人們在游戲中的背景和影片創意提供他們想要的盡可能真實的圖像。讓我喜歡的是：汽車公司可以模擬數百億英里的駕駛，而不必在真正的可能會危及生命的汽車中駕駛。”   前沿   此外，與人工智能相關的公告似乎讓英偉達走到了前沿——機器學習模型的訓練和運行所需的芯片和軟件。盡管最近這種競爭更激烈。例如，英特爾公司在11月宣布與長期競爭對手超微半導體公司(Advanced Micro Devices Inc.，AMD)建立了令人驚訝的合作伙伴關系，為高端筆記本電腦制造芯片，這些電腦將英特爾的中央處理器與超微半導體的GPU相結合。谷歌已經利用其專用于機器學習的自有張量處理單元(Tensor Processing Unit)芯片服務在云方面抓住了時機。   盡管如此，Buck還是指出，由于機器學習的發展還處于很早的階段，而且新模型也在不斷涌現，“有一個可編程的程序來處理這些問題是非常重要的”。Moor Insights & Strategy的高性能計算和深度學習的咨詢負責人Karl Freund稱：到目前為止，他是對的。   Freund說：“我不認為有任何競爭對手此時會產生任何有意義的影響力。這可能會發生改變，但與英偉達相比，迄今為止他們所付出所有努力都顯得徒勞無功。”   機器學習的發展并沒有明顯的減速。Global Equities Research的分析師Trip Chowdhry表示：“深度機器學習是所有企業應用和所有消費應用的前沿地帶，因此對的GPU的投資是不會那么快消停的。