英伟达 - 21ic中国电子网

当前位置：首页 > 英伟达

促进尖端芯片应用，英伟达开辟加密货币竞技场

自2013年推出兼具能源效率和绘图性能的Haswell架构芯片以来，英特尔（Intel）在绘图芯片市场的市占率便一路攀升至60%以上，另外两家大厂NVIDIA与超微（AMD）则不到20%。不过后两者在2016年的PC绘图芯片市场都颇有斩获，迫使英特尔不得不采取降价策略确保领先优势。根据Seeking Alpha报导，NVIDIA主要提供电脑游戏、虚拟实境、云端深度学习和自驾车等尖端应用使用的芯片，全球规模最大的几家云端服务业者都采用NVIDIA的芯片。这个规模达1，210亿美元的云端服务市场拥有相当高的利润，预计2015~2020年期间，各企业投资在云端服务和设备的金额将高出其他IT费用7倍以上，因此年复合成长率将达到21.5%。至于加密货币采矿专用的绘图卡商机，则可望成长至与云端服务市场相当甚至更大。比特币和其他加密货币是使用二次世界大战时破译德军密码的Alan Turing所开发的图灵脚本语言，以无法破坏也不得修改的链条将交易连结起来并予以加密，提供坚不可破的交易管理。这种数字分类帐技术被称为区块链，可应用于各种类型的交易，如证券或艺术交易。透过区块链，未来即使在跳蚤市场买到一幅名人画作，也可凭其所附的所有权交易分类帐验明正身，省去一大笔鉴定费用。金融机构也计划引进区块链技术，缩编目前负责交易处理和合规业务的后台支援作业，进而省下数十亿美元。由超过80家大型金融机构和科技公司合组的R3联盟，在2017年5月宣布成功募集1亿美元资金进行区块链技术开发和研究，Intel Capital即是投资者之一。区块链技术面临的最大挑战就是电脑的处理能力，目前有些交易须数小时才能完成，这样的处理时间很难被金融机构接受。超微因提供加密货币采矿芯片而股价大涨，但对于加密货币价格的波动也十分敏感。至于资产负债表较健全的NVIDIA则积极透入尖端市场的开发。过去5年NVIDIA的研发成本平均为7.7%，低于10年平均值（10%），但还是比半导体产业的10年平均值（4%）高出近2倍。过去3年，NVIDIA每个销售单位的研发费用已从52%降至21.17%，接近超微的23.3%。

时间：2020-08-07 关键词：半导体产业英伟达半导体芯片
抢占人工智能跑道，华为开始强强联合

华为试图从硬件方面入手，抢占人工智能跑道的另一个入口。在HUAWEI CONNECT 2017的最后一天，华为低调发布了FusionServer G系列异构计算平台，包含G5500和G2500等型号服务器，该产品是构筑华为智能云硬件平台Atlas的主力产品，意在打破传统通用CPU边界，使能异构加速，提升计算效率。值得注意的是，华为在该项技术发布中提及了英伟达，并表示将联合英伟达推出基于G系列异构计算平台及英伟达Tesla P100和Tesla P4的GPU加速云服务，为用户提供兼具训练和推理加速能力的智能云平台。此前，第一财经曾独家报道了华为将与英伟达展开AI领域的深度合作，在人工智能、机器学习、深度学习方面共同构建公有云AI平台。而在本次大会中，双方合作的部分细节被公开，比如加载英伟达的技术，华为的服务器能够在毫秒时间内轻松处理千亿条数据记录。从平安城市到智能制造、自动驾驶，随着AI研究与应用的兴起，AI和云计算技术的进步将影响人类生活的方方面面，应用将无处不在。智能化的基础是对全联接世界产生的海量数据进行实时处理的能力，比如一个安装有10万台摄像头的城市一年可产生1000亿条车牌记录和1万亿条人脸识别记录，对这种规模数据的处理、查询与分析将对传统的计算系统带来巨大的挑战。 “随着人工智能时代的到来，传统的硬件已经不能满足AI和云技术的需求。”在HUAWEI CONNECT 2017的一场演讲中，华为IT服务器产品线总裁邱隆提到，华为发布的新一代智能云硬件平台Atlas，正是为了解决AI时代的数据处理挑战，主要面向公有云、AI、HPC等场景。华为内部人士对记者表示，根据业务模型按需提供硬件资源，通过这个平台可以提升50%以上的资源利用率，性能相比传统x86架构提升10倍以上，并大幅减少硬件机型。此外，Atlas还可以生成不同资源配比关系的逻辑服务器，秒级部署，灵活应对业务变化，大幅缩短业务部署周期。其中，英伟达的产品起了关键作用。华为提供的资料显示，华为FusionServer G5500是面向数据中心部署的异构计算服务器，4U机框支持8块英伟达Tesla P100加速器，并兼容支持即将发布的Tesla V100，借助强大的GPU加速能力，能够在毫秒时间内轻松处理千亿条数据记录。而华为FusionServer G2500则是面向平安城市、智能交通等应用场景的视频智能分析服务器，4U机框支持16块Tesla P4加速器，以及24块3.5硬盘，能够满足256路高清视频流的推理分析和数据存储。据记者了解，Tesla P100和Tesla P4是英伟达去年对外推出的两款Pascal架构GPU，前者主要用于执行深度学习神经网络任务，后者主要用于负责图像、文字和语音识别。英伟达曾表示，Tesla P100的研发费用高达20亿美元，单个芯片上集成了150亿个晶体管。随着人工智能时代的来临，各家科技巨头开始了第一轮的布局。互联网厂商引领的“软件方队”似乎声量更大。比如格灵深瞳、Face++、神马语音等公司在图像、语音、安全等领域进行的人工智能的创新，以图形图像和音视频为代表的深度学习是典型的计算密集型应用，由此催生了互联网行业对高性能计算的需求。阿里云HPC负责人王琤曾表示，阿里云不仅提供硬件和基本系统，更为HPC准备了Docker实例、调度系统、监控平台，以及针对深度学习的训练、预测中间件和工具。言外之意，高性能计算不仅需要硬件设施，更需要匹配技术“软实力”，才能最大限度发挥硬件性能。在硬件的投入上，互联网厂商也毫不手软。金山云9月初正式推出GPU云服务器实例P3I实例，并称其为业内首款采用英伟达高性能计算卡Tesla P4的云服务器产品。阿里联合英伟达宣布建立联合实验室，并开放了英伟达 Kepler架构GPU原生汇编器。相比之下，华为通过硬件平台“笼络”合作伙伴以及开发者的方法则需要长久并持续的投入。第三方咨询机构Forrester首席分析师戴鲲对第一财经记者表示，从公有云战略到各种软硬件创新服务的推出，诸如人工智能服务EI、Atlas、App Builder和DevOps Cloud 2.0，体现了华为以云计算为基础在多个维度上的战略深化与生态拓展，而大型企业、中小型企业、开发者是不同的群体，对于服务的丰富性、稳定性、可靠性、异构管理能力与集成能力、生态完整性的要求都不同，需要分别制定市场策略。谈及与互联网厂商的不同时，戴鲲对记者表示，互联网公司和华为的DNA不同，互联网具有技术优势以及在自身领域的经验积累，华为则具有电信运营商的丰富经验以及从芯片到应用、从硬件到软件的综合实力，在自身的领域也有业务经验的积累。

时间：2020-08-07 关键词：华为人工智能英伟达
敢赌敢赢它征战24年从游戏芯片供应商走到AI芯片垄断者

所到之处，英伟达CEO黄仁勋例行强调：我们是一家AI公司。谁又能说不是？市值两年上涨7倍，芯片供不应求，屡战英特尔，坚持怼谷歌，是当前AI大红大紫中的实力玩家，也是AI大潮中最闪亮耀眼的明星缩影。创立24年来，从游戏芯片供应商，到AI芯片垄断者，英伟达俨然历史钦定。不过，回溯英伟达的风云际会，历史进程纵然功不可没，个人奋斗更是不容忽视——没有濒临破产时的豪赌，没有在CUDA上百亿美元的押注，又怎会有如今风光无限的英伟达和黄教主。《纽约时报》记者Don Clark，决定揭秘英伟达“奇幻漂流”背后的关键时刻。这不止是一个豪赌出奇迹的案例。英伟达转折点转折点是“CUDA”。 CUDA，英伟达的并行计算平台和编程模型。在它出现之前，英伟达的主要芯片GPU只是一个负责在屏幕上绘制图像的“图形处理单元”。但CUDA的出现，让GPU拥有解决复杂计算问题的能力，可以帮助客户为不同的任务对处理器进行编程。比如远在波兰的图像识别公司CTA.ai，可以用它帮助筛查肠道图像——仅需要病患咽下一个药丸大小的传感器，就能让医生检测肠道功能紊乱的速度能够比视频检查快速70%，不仅检查成本降低，而且诊断结果更精确。对于类似的GPU应用，CTA.ai并不孤单。 GPU也正出现在越来越多出现在新兴设备上，比如无人车、机器人、自动驾驶汽车、服务器、超级计算机和虚拟现实设备。它几乎是AI市场最为核心的需求品类，因为当前只有英伟达的GPU，才能快速处理各种复杂的人工智能任务，如图像识别、脸部识别和语音识别，甚至深度学习加速、气候建模，石油勘探都必须标配GPU。、实际上，这样的应用，远超老黄的最初预期。黄仁勋生于台湾，在俄勒冈州立大学和斯坦福大学学习电子工程，后来在硅谷的芯片制造商工作。 1993年，他和Chris Malachowsky、CurTIs Priem一起创办了英伟达，最初，他们给游戏PC提供视觉特效，帮它们和那些专业的电子游戏机竞争。 Malachowsky说，公司最初的产品并不成功，而图形市场对手众多。后来，英伟达重组了它的产品和战略，逐渐与对手拉开距离，最终成就了在游戏PC中GPU加速器卡的绝对的领导地位。 GPU生成三角形以形成框架结构，模拟对象，为显示屏上的像素赋予颜色。要做到这一点，必须并行执行许多简单的指令，这就是图形芯片随着微型处理器数量的增加，性能优化的原因。如何最大化利用这些微处理器的并行计算能力，始终是英伟达核心关心的问题。也是CUDA诞生的原因。实习生杰作 2004年，斯坦福大学博士生Ian Buck进入英伟达实习，这是CUDA研发的开端。当时，Buck参与过一项编程竞赛，任务是让能更容易地管理GPU的众多计算引擎。 △ Ian Buck 来源：heise.de　　 CUDA的核心设计理念就是计算机中的线程。与传统CPU中的4、8和16个线程不同，GPU中的线程可以多达几万个。 Buck表示，看起来这些线程的管理是一件十分复杂的事情。但实际上，编程人员主要的困难在于如何发挥这些线程的优势，而不是管理这些线程。早期，CUDA的性能主要依赖编程人员人工发现代码中可并行计算的部分。目前，随着CUDA库的发展，这方面的工作开始越来越自动化。CUDA团队已经开发了很多石油、天然气和国防等相关产业所使用的科学计算方面的库。最终，2012年发布的TItan超级计算机使用了18688个NVIDIA Tesla K20 GPU作为协处理器，标志着GPGPU在高性能计算方面的成功推广和应用。从2011年开始，Top 500的超级计算机中至少有50台会使用GPU进行加速。而这些机器基本上也都出现在Green 500（全球节能超级计算机榜单）的列表中。 Buck曾表示，在CUDA的应用当中，最让其影响深刻的就是，乳腺癌检测和诊断的系统。与传统方法相比，采用支持CUDA编程的Tesla GPU后，医生能够更早、更精确地发现乳腺癌。而美国国家癌症研究所数据显示，基于CUDA的系统在运行蛋白质配体运算（用于研发治疗癌症和老年痴呆症的新药）时只需要原来1/12的时间。此后，CUDA开始受到越来越多的关注。 Buck还介绍说，他之前和来自很多工业界的人士交流发现，他们宁愿牺牲性能，也不愿接受一门新的语言。为了能够给相关编程人员提供很好的入门体验，从而便于CUDA的推广，CUDA采用了已经流行的C语言作为基础。这样，编程人员就不需要去学习特定的显示芯片的指令或是特殊的结构，即可编写GPU上运行的程序，这毫无疑问促进了CUDA在程序员之间的流行。此外，英伟达当年做出的一个决定也极为关键。现在已是英伟达负责加速计算的副总裁lan Buck回忆说，英伟达让自家消费级GPU和高端产品都支持CUDA。这就意味着只要研究人员、学生有笔记本电脑或者台式机，就能在学校实验室和宿舍里开发软件。英伟达还说服了许多大学开设课程，教学生用他们公司的最新编程技术。程序员们逐渐把GPU应用于气候建模、勘探石油和天然气等很多领域。 2012年，GPU的强大能力和深度学习一起，震惊了学术界。当时，加拿大多伦多大学的Geoffrey Hinton带着两个学生，用GPU训练深度神经网络拿下了ImageNet图像识别大赛的冠军。 Buck表示，在GPU出现之前，训练这样一个系统可能需要整整一个学期。而有了这项技术，研究人员现在可以在很短的时间内完成这一过程。 “我无法想象要是没有GPU该怎么做。”斯坦福大学的副教授Silvio Savarese说。而对于GPU和英伟达来说，最好的时间已经来到。只是同样让人难以想象的是这场从无到有背后的押注。百亿美元押注这绝对是一场赌上全部身家的押注。而最关键的拍板者是英伟达创始人：黄仁勋。黄仁勋总被国内网友称为“老黄”，甚至被安上了“核武狂魔、两弹元勋”的名号，但本质上，他有着像乔教主一样严苛的个性、战略上的直觉。也有人习惯把他和乔布斯相提并论，除了个性和才能之外，他们同样喜欢穿一身深色衣服，甚至同样为公司建了一栋引人注目的大楼。当然，改变英伟达命运的CUDA，和改变苹果命运的iPhone，也有不少相似之处——至少它们都诞生在同一年，都堪称孤胆押注。当时是，老黄宣布要通过一些列软件开发和修改工作，让GPU胜任各种任务，不再只是负责在屏幕上绘制图像。但最大的问题是钱、钱、钱！他说：“成本对公司来说奇高无比。” 一旦项目启动，每年砸到CUDA上的研发成本估算就有5亿美元，而当时公司全年的总收入才大约30亿美元。也就是说，老黄把整个整个公司的1/6，押注在了和公司核心业务似乎没什么关系的一个软件平台上。最后来看，自CUDA推出以来，英伟达在将GPU转化为更通用的计算工具上投入了将近100亿美元。说巧不巧，正当黄仁勋大举押注CUDA之时，计算行业也正在发生广泛变革，摩尔定律带来的计算提升速度正在放缓，这也让当初借此统治芯片市场的英特尔，地位发生动摇，即便诸多芯片设计公司试图从无到有打造更专业芯片，并让该类芯片与英特尔处理器一同运行，利用芯片电路的微型化提供更多的好处。但又怎挡得住英伟达的势能优势。在英特尔和其他芯片厂商转型途中，英伟达不需要从头做起，只要重新定位已有的芯片，利用在CUDA项目中开发的芯片和软件，就能逐渐打造出一个广受程序员和企业欢迎的技术平台。现在，这样的平台已然展现在世人面前，但不意味着战场就此风平浪静。芯片战争还在继续英伟达的竞争对手们说，在AI领域，芯片制造商之间的斗争才刚开始。首先是英特尔，这家传统芯片巨头在这场战争中不甘落后，接连重金收购了可编程芯片制造商Altera、专注于研究深度学习和机器视觉的其他创业公司、还有为汽车生产驾驶辅助设备的以色列公司Mobileye。还有Google，其中最醒目的莫过于最近则发布的第二代TPU，这是该公司内部开发的人工智能芯片，在它的助力下，谷歌在围棋比赛中击败了世界冠军柯洁。谷歌声称，这种芯片在某些应用程序中比GPU有更明显的优势。当然，诸如Wave CompuTIng之类的初创公司也这么说。但击败英伟达并不容易。一个很重要的原因是，这家公司有来自游戏市场的，源源不断的收入，他们能投入到芯片研发上，比大多数人工智能竞争对手都要多。比如说前不久发布的Volta架构，就投入了30亿美元研发费用，创下了行业记录。英伟达表示，目前有50多万开发人员使用GPU。此外，这家公司还打算开源一种芯片架构，免费供其他芯片厂商用在灯泡、摄像头等低端深度学习应用上，借此在这些自己不打算涉足的领域，扩大粉丝基础。老黄说，“人工智能终将影响到世界上的每一家公司，但我们不会什么都做。” 不了解黄仁勋的人以为这是谦虚，熟悉他的人就知道，这是杀伐征战24年后，老黄敢赌敢赢背后的专注力。

时间：2020-08-07 关键词：人工智能英伟达
英伟达助力物流产业,物流无人机将迎来大爆发

　　互联网的思想已经深入人心，电子商务的扩张与物流自动化的需求不断增长，物流的配送成了电子商务急需解决的问题，据悉，英伟达宣布与京东达成了合作，预将人工智能引入物流与配送领域。此次合作一定会将物流无人机推向高潮　　近日，英伟达（NVIDIA）公司创始人兼CEO黄仁勋在GTC大会上表示，英伟达将与京东共同合作，利用基于NVIDIA Jetson 超级计算机模块驱动的智能机器将人工智能引入物流与配送领域。黄仁勋称人工智能将在这一项目中起到至关重要的作用，许多行业也将因此受益。　　高空配送——100万台无人机要来　　京东下面的京东X部门已与北京、四川、陕西和江苏等省市合作推出了试点项目，旨在将无人机用于快递、农业、搜索和救援领域。京东 X预计将在未来五年内投放超过100万台无人机。　　凭借拥有高性能、低能耗、小尺寸和先进视觉能力的Jetson设备和方案，京东JDrones具有每小时100公里的航速，同时可以配送重达30公斤的包裹。其它京东无人机测试可承载多达200公斤。　　此举旨在将电子零售引入到因交通设施落后而造成交易困难的农村地区。京东目前不仅能将物流费用降低70%，而且还能将新鲜的食品和药品配送至偏远地区，从而使当地社区和经济获益。　　无人机的作用不仅仅表现于快递行业。最近，一场虫灾袭击了中国东北地区辽宁省的兴城市，为了最大限度地降低当地农民的损失，京东 X派出了20台无人机喷洒杀虫剂。五天后，500公顷土地上的虫害得到了有效控制，如果采用传统方法，将需要50人花费200天的时间才能完成。　　此外，京东 X还在大学校园（如：北京的人民大学和清华大学、浙江杭州的浙江大学）针对最后一公里配送提供JDrover机器人，并计划于明年在全国多所大学校园内部署数百台JDrover。　　使用Jetson，这个送货机器人可以通过识别人脸，行人，交通灯，标志等来轻松地穿过拥挤的街道，将包裹配送给从京东网上商城购买书籍、零食和电子产品等商品的顾客。随着更多的数据收集和算法优化，京东 X预计将在中国更复杂的场景中部署无人车。　　京东X的JDrover团队负责人李雨倩表示：“复杂的户外情景认知需要Jetson这样的平台，它不仅体积小，还能提供前所未有的深度学习和视觉处理能力。Jetson性能卓越，并且能耗与成本较低，这正是我们在物流和配送项目中选择它的原因。” 　　分拣机器人：不走寻常路　　据中国邮政预测，中国快件的增速在过去五年间已累积超过了50%，并预计2017年包裹量将达到300亿件，从而使中国成为全球最大的快递市场。　　面对这种发展趋势，京东 X最近在江苏昆山启用了全球首个无人分拣中心。该中心每小时可分拣完成多达9000个包裹，与传统方式相比，节省了180个工作日，同时工作效率也提升了三倍。　　京东部署无人机快递，从侧面影射了未来物流的发展方向，但是也需要关注其无人机的安全性，维护保养及相关人员的培训，同时也要考虑外力作用对无人机物流影响，比如有好事之徒故意击落无人机，或不法之徒故意劫取包裹。

时间：2020-08-07 关键词：人工智能英伟达物流无人机
寻求下一个AI主战场,手机很有希望

AI技术的创造力越来越强大，所涉及的领域也是逐渐扩大。面对AI技术的下一个主战场，苹果告诉他人，肯定会是手机。　　我们已经构建的架构、我们放在手机手表里的神经引擎，对未来至关重要，这些将帮助开发者在AI领域创造越来越多的应用，所以我们认为手机将是一个主要的平台”，苹果COO威廉姆斯（Jeff Williams）说。　　他还强调这种AI技术创新，在提高人类生活的同时，不会牺牲个人的隐私或者安全性。比方在苹果新一代手机iPhone X中，人脸解锁的相关数据都存储在手机上，相关计算也在手机上完成而不需要上传云端。　　而每次拍照操作背后，新iPhone配备的A11 Bionic芯片就会进行超过1000亿次的运算。这是多年前不可想象的数字。　　　当然苹果对于人工智能的预期，也不仅仅局限于手机。　　未来十年会有更多的改变发生。威廉姆斯举例说，在设备计算（on-device compuTIng）、云计算、机器学习、深度学习、AI等进步的加持下，将变革现有的医疗健康行业。　　但这不是要让医生失业，而是帮助医生更好地工作。苹果还准备从用户端就开始建立个人的医疗大数据，通过计算分析，协助个人进行健康管理。　　“我想不到还有更重要的事情”，苹果COO表示“我们已经在更广泛的意义上投入AI，而不仅仅是让机器学会思考这个层面”。　　在他看来摆在人类面前的问题是：我们有正确的野心么？我们能做到么？“我们正处于一个拐点，移动设备的计算力，加上AI的潜力，将会真正的改变世界”，威廉姆斯说：没什么比这更让苹果公司兴奋了。　　威廉姆斯上面这番话，是在出席台积电30周年庆期间说出的。　　作为苹果公司的重要合作伙伴，为了生产A11 Bionic处理器，台积电为苹果一家客户投入90亿美元，号称6000人全年无休的工作。　　台积电30年　　苹果COO在台积电30周年庆上，只是众多重量级嘉宾中的一个。　　其他出席的嘉宾还包括：高通CEO莫伦科夫（Steve Mollenkopf）、英伟达CEO黄仁勋、ARM CEO赛加斯（Simon Segars）、鸿海董事长郭台铭等。　　与会嘉宾谈到未来十年，都不约而同的提到AI。　　黄仁勋再次强调软件和计算将主导产业的未来，他认为深度学习、神经网络以及不同应用的传感器将推动AI进一步发展。　　展望未来，黄仁勋表示十年后专注某些技能的人工智能，有可能会超过人类，但通用人工智能，目前还看不到明确的前景。　　高通CEO莫伦科夫表示，未来所有的设备都会与云端连接，物联网时代最大的挑战，是整个产业都能善用科技，但并需要担心半导体的发展。　　那么半导体行业会怎样？　　台积电创始人张忠谋表示，未来十年半导体产业的发展速度，会比全球GDP高2-3个百分点，年复合增长率约4.5%-5.5%，而“台积电业绩也比半导体平均水准更高，年复合增长率达5-10%”。现场一阵笑声。　　不过张忠谋也坦言，从时间上来说摩尔定律已经失效。他认为未来晶体密度还会继续增加，持续发展到2030年，但经济上是否可行将是主要的挑战。　　另外，黄仁勋还讲述了与张忠谋的交情。25年前，英伟达准备发展第二代芯片，但没有一家美国公司有意合作。时年30岁的黄仁勋不得不硬着头皮找到台积电。　　张忠谋回忆说：“我打过去听到电话那头很嘈杂，在自我介绍之后，我听到黄仁勋大声说：嘘安静，张忠谋打电话给我了”。　　One More Thing 　　台积电30周年庆期间，还有一个备受关注的看点：苹果COO威廉姆斯和鸿海董事长郭台铭的会面。　　威廉姆斯被认为将与郭台铭进一步沟通iPhone X的相关情况。此前市场预期，至少有90%-95%的iPhone X订单在鸿海手中，另外还包括iPhone 8 Plus绝大部分组装订单。iPhone X的3D模组，主要由鸿海和夏普提供服务。　　日前郭明錤预测说，iPhone X已经度过最坏的生产状况，目前组装良率未定，虽然短缺三大零部件，不过11月起情况应该会得到改善。

时间：2020-08-06 关键词：高通苹果英伟达 AI
英伟达实现AI 大突破,5亿摄像数据塑造AI城市

科技的进步推动了家电产业的发展，从主打语音识别功能的全球第一台人工智能电视推出到声纹识别人工智能电视的落地，仅仅用了一年时间。近日，由长虹研发和生产，搭载着远场语音、声纹识别技术的人工智能电视Q5K正式面市。这款电视支持5米距离内人机语音交互功能，电视可通过用户的语音进行逻辑判别，从而分析出语音发出者身份。同时，Q5K可通过模糊搜片功能，对用户语音进行判断，对错误语音、别字语音指令进行纠正。 “从语音识别到声纹识别，长虹正在推动家电产业向更高阶技术形态发展。声纹识别技术的应用，开启了智能电视可主动感知于人、判断语音指令的新时代。未来，声纹识别有望搭载更多应用，开启新的体验场景。”一位体验过人工智能电视Q5K的业内人士表示。声纹识别，智能家居的重要补充随着互联网的普及，语音技术已经渗透至大众市场。其中最为常见的就是微信语音，通过微信客户端，我们可以将语音文件发送给好友，还可以开启语音识别功能进行文字快速翻译，极大程度提升了信息录入速度。将语音识别功能应用到电视上，通过语言识别，使人和电视形成互动，电视可依据用户的语音指令进行逻辑判断，从而精准的推送节目。在这样的需求背景下，长虹于2016年推出了全球第一台人工智能电视。 “彩电产业已经面临硬件发展瓶颈期，人工智能电视在软件和内容上的创新，为彩电产业发展提供了很好的借鉴。目前，创维、TCL、海信和康佳，以及长虹等，均已涉足这一新领域”家电观察人士表示。同时该专家指出，有越来越多的用户开始接受人工智能电视，并通过语音交互来完成人与电视的“对话”。作为家电产业最早涉及人工智能技术领域的企业，长虹将基于深度学习功能的声纹识别技术应用在智能电视上，电视从此可“闻声识人”，主动、精准推送内容。据长虹相关负责人透露，未来不排除将声纹识别技术应用在冰箱、空调、手机等领域的可能。声纹识别人工智能电视是否会成为发展方向？从技术发展趋势来看，声纹识别技术已经在金融、证券、公安，以及需要安全认证等诸多领域中落地应用。在家居生活中，声纹识别技术可根据声音判别用户身份，并在股票、电子商务等深层应用中起到安全保障作用。某种意义上讲，长虹将声纹识别技术应用在家电产品端，是对智能家居产业发展的一种助推和促进。声纹识别，开启多元应用场景声音，作为人类的生物特征，具有独特性、唯一性和不变性。和语音识别不同，声纹识别利用的是语音信号中的说话人信息，它更加强调的是说话人的个性、习惯。声纹识别技术的应用，将改变人对智能硬件的认知。例如，在生活中我们经常需要打开电灯，虽然现有的语音识别可以控制灯光开启，但依然不够“智慧”。如果搭载了声纹识别技术，智能照明系统就可以很好的判断我们究竟是从哪个房间所发出指令，从而更加精准的开启我们需要照明的空间。智能电视、智能音箱、智能手机等操控中枢一旦搭载了声纹识别技术，将可以更加精准的判别语音指令发送者身份，从而实现内容精准互动。以人工智能电视Q5K为例，电视通过语音指令判断声音的发出者身份，便可匹配对应的内容进行推送。 “声纹识别技术可推动彩电产业，甚至智能家居向更高阶发展，并在一些场景中发挥功效，比如通过电视进行炒股，或网上购物等行为，电视系统将自动判别语音发送者身份，从而确保信息交易的安全性。”业内观察人士称。可以预计，随着人工智能电视的崛起和普及，声纹识别技术将在未来人机交互过程中起到必要支撑，随着该技术的持续发展，从硬件到软件，声纹识别技术将在更多商用场景中发挥重要作用。

时间：2020-08-06 关键词：华为英伟达 AI 阿里巴巴
英伟达加大算法研究力度,用AI创建虚假名人照片

　　Nvidia 是全球图形技术和数字媒体处理器行业领导厂商，谷歌、微软、Facebook 和亚马逊这几家技术巨头正在大量购买英伟达的芯片来扩充自己数据中心的处理能力。而今在人工智能到来之前，英伟达从来都没有处于一个如此巨大的市场的中心，　　如今，“英伟达NVIDIA”这个名字早已经成为GPU、芯片和股价飙升的代名词。但除了卖芯片疯狂赚钱之外，他们也没闲着。　　在Deepmind又将升级版的Alpha Go Zero拿出来刷了一下存在感之际，英伟达也飙了一个新的AI算法系统。　　　最新的研究来自 ChipMaker NVIDIA，它发布了一篇论文，展示了 AI 如何创建虚假但又超真实的名人照片。生成仿真照片本身并不新鲜，但研究者们说，这些都是其类型最令人信服和最接近真实的图片。　　下面的视频显示了完整的过程，从系统受过培训的名人图像数据库开始。研究人员使用所谓的 “生成式对抗网络GAN” 来制作图片。　　生成式对抗网络实际上由两个独立的网络组成：一个是根据数据的输入生成图像，另一个鉴别器网络（对手）会检查它们是否真的。　　通过结合使用，这两个网络可以产生一些非常逼真的虚假内容。它不仅仅只生成面部，也可以创建日常物件和环境。　　生成网络将生成图像，鉴别器将检查这些图像，然后生成器会相应地改进其输出。从本质上讲，该系统本身就在不断的深度自学。　　　但是这个系统输出的照片有一些限制，即创建的图片非常小，只是现代相机的标准（1，024x1，024像素），有很多的标志都是假的。　　在开始时，他们看起来像系统受过培训的名人，大多数图像中都闪闪发光的部分。正如我们过去所讨论过的那样，这种技术可用于各种用途。对于创意产业而言，有明显的好处，例如广告和视频游戏，但是，信息形式也存在威胁。　　当然，有天赋的图像设计师已经在几年前就能够使用 Photoshop 创建逼真的假照片，但 AI 工具将使此工作变得快速轻松。

时间：2020-08-06 关键词：微软谷歌算法英伟达 AI
国际厂商深入布局“人工智能+自动驾驶”

　　在如今这个人工智能爆发的档口，当人工智能和自动驾驶融合又会产生什么效应呢，正是看好人工智能在自动驾驶中的应用，越来越多的厂商才开始投入大量资源进行深入布局。　　作为当前“风口”的人工智能，正在与另一市场焦点“自动驾驶技术”深入融合。有观点指出，自动驾驶是人工智能的终极场景，没有之一。　　人工智能＋自动驾驶融合渐深国际厂商加快布局　　丰田汽车公司最近对外表示，将于2020年左右开始测试自己的自动驾驶电动车，这种电动车将会使用人工智能技术（AI）与司机进行互动交流和接触。作为当前“风口”的人工智能，正在与另一市场焦点“自动驾驶技术”深入融合。有观点指出，自动驾驶是人工智能的终极场景，没有之一。　　自动驾驶离不开人工智能辅助　　根据美国电气和电子工程师协会（IEEE）日前发布的预测数据，自动驾驶汽车时代将在2040年左右到来，届时自动驾驶汽车在汽车总数中的比例将达到75%以上。受良好市场前景鼓舞，从Google、百度等互联网公司，特斯拉、丰田等新老汽车品牌，到英特尔、高通、恩智浦等半导体公司，都在自动驾驶技术上投入了巨大研发力量。“自动驾驶化、互联化和电气化正成为全球汽车产业的三大主要趋势。”恩智浦全球副总裁Ross McOuat在接受记者采访时指出。　　然而，真正的自动驾驶仍然任重道远。从技术角度分析，自动驾驶面临的主要问题是感知与决策算法本身仍不可靠。一旦实用，自动驾驶所面对的环境将完全开放，天气、光线、突发的路况等问题，都将提出挑战。因此，真正自动驾驶必须依赖强大的计算力、海量数据、算法与决策，以及传感器的数据采集。　　而人工智能的实现同样高度依赖于这四个基本要素。因此，人工智能与自动驾驶的结合，具有得天独厚的优势。汽车将成为人工智能的主要应用领域。新思科技董事长暨共同执行长Aart de Geus表示，在传统汽车中加入AI，将颠覆过去几千年人们对于出行、移动的认识，车辆的人机交互性将得到强化。Ross也表示，人工智能，也包括自动驾驶，毫无疑问将是未来汽车行业一个非常重要的组成因素，人工智能对提升自动驾驶的安全性非常重要。　　国际厂商深入布局“人工智能+自动驾驶” 　　正是看好人工智能在自动驾驶中的应用，越来越多的厂商开始投入大量资源进行深入布局，并且相继推出部分实用化的产品。面对来自传统汽车制造商和高科技企业竞争对手们在自动驾驶、智能汽车领域的竞争压力，丰田汽车承诺，到2020年时，将会投入10亿美元发展先进的自动驾驶技术和人工智能技术。丰田电动车业务规划部门总经理冈部诚表示：“通过人工智能技术的应用，我们希望能够扩展和增强汽车的驾驶体验，让汽车能够成为人们进行情感交流的次生对象。” 　　在芯片厂商方面，10月10日，人工智能芯片厂商英伟达发布全球首款为驱动自动驾驶出租车而设计的人工智能计算系统。这套名为Drive PX Pegasus的新系统将面向Level 5级别的自动驾驶汽车，即能够完全由传感器和计算机操控，无需驾驶者的介入。英伟达称，整套Pegasus的尺寸只有汽车牌照大小，其性能较现有系统提升超过10倍。10月17日，全球最大的汽车电子厂商恩智浦也发布针对互联汽车、电动汽车和自动驾驶汽车的全新控制和计算平台S32。Ross表示，S32平台提供了微控制器/微处理器（MCU/MPU）的统一架构，是全球首个完全可扩展的汽车计算架构，即将被高档和普通量产汽车品牌采用。至于稍早之前，英特尔以153亿美元收购Mobileye，更是将“人工智能+自动驾驶”的热度推至高峰。　　中国对于这一发展趋势也非常重视，国务院印发的《新一代人工智能发展规划》（以下简称《规划》）中多次提及要重点发展汽车产业中的自动驾驶技术，并且要在智能交通建设和自主无人驾驶技术平台等方面实现突破。《规划》中首次将人工智能提升到国家战略的高度，为汽车产业的智能化进程提供了一条明确的发展道路。　　中国工程院院士李德毅在日前召开的“2017中国汽车产业发展（泰达）国际论坛”演讲中指出，汽车人已经把汽车里的自动控制做到了极致，同时也触碰到了自动化的天花板，下一步需要依靠人工智能来完成，必须通过一个物化驾驶员在线认知的智能代理——“驾驶脑”研究驾驶员、学习驾驶员、分析驾驶员行为大数据，然后代替驾驶员。　　实现自动驾驶需要“强人工智能” 　　尽管“人工智能+自动驾驶”的趋势被看好，但是距离它的成熟应用阶段还有很长的路要走。有咨询机构估算，目前车厂只在高端车型中安装人工智能对驾驶者进行部分辅助，2015年新车型的AI系统安装率只有8%。　　联想之星投资副总裁高天垚撰文指出，目前大部分相关技术的创新和应用仍在弱人工智能范畴。自动驾驶作为人工智能的终极场景，与强人工智能的实现一样，是一个需要长期发展的过程。完全的、开放的自动驾驶也许不是目前所能想到的样子，甚至最终实现自动驾驶的载体也不会是“汽车”，亦或很难被定义为“汽车”。　　针对芯片对该领域的支持，Ross指出，芯片和软件正在成为主导一辆汽车的核心力量，推动汽车朝电子化、网络化以至自动化驾驶发展。“这导致汽车将面临巨大的数据处理量。今后5年内，汽车面临的软件复杂程度将进一步提升，这在以下几个方面对未来汽车提出了更高的要求：更大带宽的以太网支持，更强的环境认知能力，更高的计算能力。”Ross说。这些都需要软硬件的配合方能实现，这也预示着“人工智能+自动驾驶”的应用将是一个长期的过程。

时间：2020-08-06 关键词：人工智能英伟达自动驾驶
英伟达与佛罗里达大学联手打造高等教育AI超级计算机

新浪科技讯北京时间7月22日早间消息，英伟达周二表示，该公司已与佛罗里达大学合作，将联手打造全球速度最快的高等教育人工智能（AI）超级计算机。这个项目价值7000万美元，内容包括英伟达向佛罗里达大学提供2500万美元的硬件、软件和培训服务，而佛罗里达大学及其校友、英伟达联合创始人克里斯·马拉科夫斯基（Chris Malachowsky）则将投资4500万美元。另外，这所大学还将利用英伟达芯片增强其现有的超级计算机HiPerGator，并在2021年初投入使用。英伟达长期以来一直都被视为PC图形芯片供应商，这种芯片能让视频游戏看起来更加逼真。但时至今日，研究人员也在数据中心里使用英伟达芯片来加快训练计算机识别图像等人工智能计算工作。(唐风)

时间：2020-08-06 关键词：英伟达 AI 超级计算机
英伟达AI新技术,创造模拟肖像

　　英伟达公布了一项AI技术，是一种能够创造出不存在的人的图像技术。未来你可能点击到的美女图像就是智能电脑构造的虚拟人物。　　据悉，开发人员已经教会了人工智能来模拟我们的声音，能让我们的脸在演讲中动起来，也可以把平面图像变成3D图像。　　近年来，人工智能领域发展迅速，应用范围不断拓展。近日，英伟达公布了一项人工智能技术，可以创造出不存在的人的图像技术。下次当你点击一个有吸引力的头像图片时，你可能会欣赏到一款智能电脑的虚构创造。　　英伟达的研究人员建立了一个全球性的生成对抗网络（GAN），通过让两个人工智能系统相互竞争的方式来创造出更高质量的模拟人的“照片”。机器不是单纯地去进行无休止的战斗，而是将整体的工作分成“创造图像”和“判断图像”两个方面，以便对结果进行更细致的微调。　　科学家们给人工智能提供了真实的名人人物图像让它们开始制作，让人工智能开始逐步提高照片的分辨率，直到它们能够制作出相当逼真的人物照片。这些图像存在一些问题，如果你有一双敏锐的眼睛可能会注意到一些瑕疵，而专家们轻易地会忽略它们。但是，当模拟的图片底下没有介绍人物的上下文时，一般人可能不会注意到其与真实人物的图片的不同。让我们不难想象的是，上面的图片会被适当地裁剪以被用于某个人的简介。　　人工智能技术正在迅速发展，机器每天都在进一步理解人类。需要感谢的是，由于人工智能的听力能力的提高，我们的智能音箱能够在嘈杂的海洋中识别出我们的声音。我们已经给予计算机几乎类似于人类的视觉，在这样做的过程中，我们人类在描绘的验证码过程中变成了一个无效的决定因素。　　开发人员已经教会了人工智能来模拟我们的声音，能让我们的脸在演讲中动起来，也可以把平面图像变成3D图像。他们正在建造一个真实的人，每次都在研究一种人类的特质，就像弗兰肯斯坦博士与他的怪物出现在一千个好奇的程序员的研究项目中。　　人工智能是否能让所有人类混淆视听已不再重要，在这个关键时刻，需要知道的重点是，它已经足够好并且可以让一些人觉得受到了愚弄和惊讶。　　在人工智能领域，我们可能还需要几十年的时间才能看到收益递减，即便是最悲观的观察者也会承认，我们在这一领域打下了非常良好的早期的基础。由此可见，在一年或十年，计算机将学会更好地模拟人类。如果模仿这种行为是最真诚的恭维的话，我们可以期待未来会有一些非常值得称赞的机器人霸主。　　正如2002年的电影《S1MONE》中的以人工智能名义所写的那样：我的死亡是真实的。

时间：2020-08-06 关键词：英伟达 AI
英伟达任命加州理工学院一教授为公司董事，年仅 40 岁

7 月 14 日消息，据国外媒体报道，英伟达官网的信息显示，他们新任命加州理工学院的一位教授为公司董事，年仅 40 岁，董事会成员也增加到了 12 人。英伟达是在当地时间周一，在官网宣布任命一名新董事的，新任命的董事名为约翰 · 达比里 (John Dabiri)。约翰 · 达比里虽然年仅 40 岁，但他在学术研究方面成就显著，他本科毕业于普林斯顿大学，获得了该校机械和航空航天工程的学士学位，研究生则在加州理工学院度过，获得了加州理工学院的航空航天硕士学位和生物工程博士学位。2005 年到 2015 年，约翰 · 达比里任教于加州理工学院，是航空航天和生物工程教授，曾担任生物启发风能中心主任、系主任等职。2015 年他前往斯坦福大学任教，担任土木与环境工程、机械工程教授，也是达比里实验室的负责人。2019 年他重回加州理工学院，担任航空航天和和机械工程教授。2010 年，约翰 · 达比里获得了俗称 “天才奖”的麦克阿瑟奖，2014 年被选为美国物理学会会员，随后被选为流体动力学部门的主席，也任职于美国国家科学院科学、技术和法律委员会。英伟达创始人兼 CEO 黄仁勋表示，约翰 · 达比里是杰出的研究人员和领导者，将为他们的工作带来独特的视觉和见解。

时间：2020-08-06 关键词：英伟达
人工智能芯片大展身手,统领行业新发展,将迎来百花齐放

　　万物互联大背景下，未来几年后将有数以百亿的智能设备连接至互联网，来自思科报告显示，到2021年，在全球271亿连接设备中，物联网设备将占据连接主导地位。这一趋势无疑推动了物联网向各行各业渗透，赋能全社会，开启一个万物具有感知能力的智能社会，人们能够享受到更加智慧的生活。　　而在这个大连接时代，以及万物具有感知的新时代中，具有人工智能要素的芯片需求广阔，依靠AI 芯片构建数据中心，为实现万物互联和人工智能提供基础计算环境，包括英伟达在内的芯片厂商快速崛起，围绕人工智能芯片领域的创新企业也倍受资本支持，让芯片厂商成为这个时代最大受益者。　　与此同时，作为产业制高点，人工智能芯片可应用范围广，如智能手机、医疗健康、金融、零售等，发展空间巨大。随着人工智能时代的到来，人工智能芯片更是迎来了大展身手的时机。　　近年来，一些人工智能技术已经成为核心能力，例如帮助亚马逊的Echo智能扬声器理解口头命令；帮助Google母公司Alphabet的Nest安全摄像头区别熟人与陌生人，以便发送警报。人工智能技术还使Facebook将社交帖与广告相匹配。　　互联网巨头正在利用深度学习，深度学习允许软件在数字文件（如图像，录音和文档）中寻找模型。训练数据需要花费一定时间，才能发现有意义的模型。互联网巨头希望改善其算法，不想等待好几周才确定训练是否有效。芯片制造商正在争取帮助他们更快地做到这一点。　　近日，中国科学院组织新闻发布会，发布了三款可以用于深度学习的新一代人工智能芯片，面向低功耗场景视觉应用的寒武纪1H8、拥有更广泛通用性和更高性能的寒武纪1H16，以及面向智能驾驶领域的寒武纪1M。　　据了解，这三款最新发布的芯片采用国际首个人工智能专用指令集，在计算机视觉、语音识别、自然语言处理等任务上具备突出的通用性和效能比。这种类似于围棋程序“Alpha-go”的深度学习技术，将在智能驾驶等领域发挥重要作用。　　事实上，近期人工智能芯片的大新闻也不止这一件。近日寒武纪科技公司表示，计划在未来两年内占据国内30%的人工智能芯片市场份额，预计包括华为旗舰机在内的使用寒武纪科技人工智能芯片的设备达到10亿部。　　在11月3日召开的嵌入人工智能科技论坛上，寒武纪科技创始人兼领衔科学家陈云霁表示，华为下一款旗舰机P11还将搭载更新后的Kirin970处理器。华为此举将刺激人工智能市场增长，从而加强寒武纪科技的业务水平。　　陈云霁强调，改善人工智能芯片的应用方式的重点是要建立开源的生态系统。只有建立起开放的人工智能生态系统，人工智能应用才能与机器人、金融和制造环节相整合，从而实现更快的发展。　　随着互联网企业的入局，芯片厂商布局的加速，AI芯片有望定义物联网和人工智能产业链和生态圈，至此一场围绕AI芯片的争夺战尤为激烈，在众多玩家参与下，也将呈现出群雄逐鹿局面。

时间：2020-08-06 关键词：人工智能英伟达 ai芯片寒武纪
中国政府瞄准英伟达为超越目标,寒武纪华为等公司进行试水

　　中国芯正在慢慢的崛起，中国立志要在三年内人工智能技术要超越美国。这次有中国政府牵头，欲扶持一个实力强大的国内供应商，要造强大AI芯片挑战英伟达地位。目前寒武纪和华为都是只是众多试水人工智能芯片业务的中国大企业之一。　　11月21日消息，据国外媒体报道，今年7月份中国政府出台了一项新战略，其目标明确：三年内在人工智能技术发展方面赶超美国，到2030年成为世界领先者。而上月科技部明确了政府计划的一些细节。这样一来，作为机器学习芯片的领先供应商，硅谷的英伟达成为了中国在人工智能领域的超越目标。　　科技部发布的文件列出了13个“转型”技术项目，计划在未来几个月内投入更多政府资金，到2021年完成项目交接。其中一项是开发运行人工智能神经网络的新型芯片，其软件开发与谷歌等大科技公司在人工智能领域的规划不谋而合。　　在硬件方面，该项目的一个标准专门针对英伟达：科技部表示，在芯片性能和能效方面，它希望能够开发出比英伟达M40芯片功效高20倍的芯片，此类芯片被称为神经网络的“加速器”。M40芯片上市已经有两年时间，并不是英伟达最新、功能最强大的芯片，但目前仍然用于各种人工智能项目。　　之前中国政府已经将赶超目标瞄准了英伟达。 10月份国家发改委提出的研究建议还包括开发另一种高功效的人工智能芯片。8月份，在中国国家开发投资公司（China Development&Investment Corp.）旗下的投资基金的带领下，总部位于北京的人工智能芯片创业公司“寒武纪”（Cambricon）获得融资1亿美元。本月早些时候，“寒武纪”宣布推出了两款服务器芯片，或将会替代一些人工智能项目中所采用的英伟达芯片。　　“寒武纪”只是众多试水人工智能芯片业务的中国大企业以及创业公司中的一个。在美国，也有不少人工智能创业公司或是诸如谷歌等大公司在挑战英伟达的地位。 10月份，由百度创建的北京地平线机器人（Horizon RoboTIcs）公司募得资金1亿美元，深鉴科技（Deephi）深度学习平台也获得了4000万美元的融资。此外，华为正在与“寒武纪”合作开发应用于手机和其他设备的人工智能芯片。　　中国官员和科技公司都有充足的理由去对标英伟达。迄今为止，英伟达主要为人工智能项目提供相应硬件，并且已经建立起一个庞大而利润丰厚的市场。随着越来越多的公司开始投资人工智能，英伟达的股票市值在过去三年里增长了10倍。英伟达为机器人，无人驾驶飞机和自动驾驶汽车提供芯片，并签约了丰田和沃尔沃等合作伙伴。　　美国安全中心智囊团副主席卡尼亚（Elsa Kania）表示，从政府方面考虑，中国之所以要扶持起一个实力强大的国内供应商，部分原因是对使用外国芯片进行军事和其他应用有安全方面的担忧。　　当然，中国在实现人工智能软硬件梦想方面还面临诸多挑战。历年来中国发表的计算机科学和机器学习研究论文要比美国多。但卡尼亚指出，中国在高级人工智能项目所需的专业知识积累方面还是劣于美国。　　多年来，中国一直努力在芯片产业追赶美国、韩国以及日本。为了自主制造出英特尔和其他美国处理器芯片的替代品，中国曾经研发出世界一流的超级计算机芯片，但是还没在服务器和个人电脑上得到广泛应用。举例来说，作为中国最大的云服务供应商，阿里巴巴还在依赖于英特尔和英伟达的芯片。欧亚集团跟踪中国技术和相关政策的保罗·特廖洛（Paul Triolo）说：“中国人很有志向，但是在设计开发芯片、建设晶圆厂以及芯片量产方面，中国人还是落后了数代。” 　　中国在芯片产业方面的举措让美国政府更加警惕，对收购美国半导体技术的审查往往设置重重障碍。美国半导体技术也开始变得更富有战略性。奥巴马于2016年12月就曾阻止中国基金收购美国芯片公司;特朗普总统在9月份撤销了类似的收购协议。本月，一个由两党立法者组成的立法委员会提出了相关法案，强化为类似决策提供建议的相关委员会权限，部分原因是中国在芯片产业和人工智能方面显出的雄心。　　但目前来看，尽管政府有明显的兴趣，中国的人工智能芯片公司并没有意图争夺英伟达核心芯片提供商的位置。初创公司地平线机器人、深鉴科技，以及华为，都把重点放在了芯片应用上——将计算机视觉技术等整合汽车和照相机等设备上。　　硅谷芯片开发公司投资人克里斯·罗文（Chris Rowen）说，安全监控市场的发展也是这种趋势的驱动因素之一。将人工智能芯片放入相机可以使其自动识别人物，物体或动作。谷歌最近吹捧的Clips摄像头就具备图像识别功能。　　罗文说，中国的芯片创业公司也在关注将人工智能应用到家用电器，汽车零部件和其他设备上。他指出“要想使这项技术得到普及，最好的方法是降低成本。” 　　尽管中美两国在人工智能领域已经展开了竞争，但两国公司之间并没有明确的战线。国家支持的“寒武纪”公司正在从硅谷芯片开发商Arteris那里获得设计许可，得以将芯片上的数据移动到互连的“主干”上。英特尔也向地平线机器人投入了1亿美元。目前该公司正在开发用于自动驾驶汽车的人工智能芯片，谷歌也在这个领域拥有自己的产品。而在9月份，Nvidia首席执行官黄仁勋（Jensen Huang）宣布与中国互联网巨头阿里巴巴，百度和腾讯达成新的交易。特廖洛表示：“中国的人工智能应用将在美国产硬件上运行一段时间，这是无可争辩的事实。”

时间：2020-08-05 关键词：华为人工智能英伟达寒武纪科技
戴姆勒、博世、英伟达结盟，意在开拓L4级以上自动驾驶车

7月11日，戴姆勒和博世宣布选择英伟达（Nvidia）的Drive Pegasus作为其人工智能（AI）计算平台，计划将于2019年下半年开始在加利福尼亚州测试自动驾驶汽车。这是去年戴姆勒与博世宣布将合作开发完全自动、无人驾驶汽车系统后，项目继续推进的重要标志。 1、选择英伟达绝非偶然，戴姆勒和赛灵思该何去何从？戴姆勒与博世选择英伟达并非偶然，英伟达经过长期运营，已经成功将Drive PX、Drive CX送入德系车厂采购的候选名单。而且英伟达Drive Pegasus自动驾驶平台设计之初已经将其定位为，可以满足自动驾驶L4或者L5级别的运算性能。戴姆勒旗下的梅赛德斯奔驰则计划在S级、V级的车型中采用英伟达自动驾驶平台，最终也促成了这次出租车实路测试项目。不仅如此，特斯拉的全系列车型L2自动驾驶同样源自英伟达的图像采集技术。英伟达为了证明彪悍的图像处理技术以及自动驾驶平台性能，也自购林肯MKZ打造BB8自动驾驶演示车，最大的特点是完全摒弃激光雷达，利用模拟肉眼的视觉捕捉完成自动驾驶判断。而在2018年6月27日，赛灵思和戴姆勒也已经达成了合作关系，它们将共同开发基于 AI 的解决方案，不过两家公司却并未透露合作的相关细节。 VSI Labs 创始人 Phil Magney认为这根本是戴姆勒的两个不同项目。“与许多 OEM 厂商一样，在自动驾驶上戴姆勒不会把鸡蛋放在一个篮子里，它们至少会同时进行两个不同的项目，一个专注于量产级别的 L2/L3 产品，另一个则主打 L4+ 级别的自动驾驶出租车项目。因此，与英伟达的合作可能主攻自动驾驶出租车，而与赛灵思牵手则是专注在 ADAS 或 L2+ 项目上。” “当然，赛灵思和英伟达也不是水火不容，自动驾驶堆栈的任务通常是多线程同时进行，一些适合 GPU 架构来处理，其它的则更适合 FPGA（赛灵思的主业）。”Magney 表示。 2、戴姆勒和博世，希望开拓L4级以上自动驾驶目前自动驾驶汽车需要大量计算能力在瞬时处理大量数据，但此前这种计算能力在车辆中的效率并不高，也绝不节能。因此对于那些致力于开发基于电动汽车平台的自动驾驶公司来说，这一车载计算能力和能耗一直都是一个不小的障碍。对此，英伟达宣布将联手博世和戴姆勒共同开发L4级与L5级别无人驾驶汽车，而他们合作开发的自动驾驶汽车AI大脑则将基于旗下全新自动驾驶平台Pegasus开发而来。具体来说就是，戴姆勒和博世将利用英伟达的硬件和系统软件，并在此基础之上开发自己的应用程序和算法推动自动驾驶汽车技术向前发展。数据显示，英伟达的新自动驾驶平台Pegasus仅需使用1瓦的功率，就可以执行超过1万亿次操作。在全功率运行时，Pegasus能够每秒进行320万亿次操作。这样级别的运算能力能够有效帮助博世和戴姆勒这些公司，实现在十年内将4级和5级自动驾驶汽车推向市场的梦想。简单来说，Pegasus基于英伟达之前的自动驾驶平台Drive PX 2开发，计算能力相当于后者的10倍，并针对自动驾驶汽车上路后的实际计算需求进行了优化。整套Pegasus设备的尺寸只有汽车牌照大小，很大程度上降低了能耗和整体成本，英伟达计划在2018 年下半年提供给25 家合作伙伴使用。戴姆勒表示，第一批使用英伟达AI平台的车辆将会是奔驰S级和V级商旅车，预计在2019年下半年在硅谷地区展开路试。目前戴姆勒与博世还在就路试地点的确定问题同当地政府沟通，但双方计划在2025年前大规模部署这一车辆。 3、戴姆勒和博世的自动驾驶之路挑战多多这并不是戴姆勒和博世第一次在自动驾驶领域展开合作。早在1986年，双方就在一个名为“PROMETHEUS”（Programme for European Traffic with Highest Efficiency and UnprecedentedSafety，欧洲高效及绝对安全交通运输）项目上展开过合作。当年的这一项目由欧洲11家汽车公司共同参与，奔驰领导，旨在让欧洲继续在交通运输上保持全球领先地位。而且无人驾驶出租车这个项目早在2018年4月5日便已对外曝光。当时，戴姆勒与博世共同宣布其将重点聚焦共享出行市场，计划于2021年后实现大规模车辆部署。双方在合作之初表示，该项目专为城市道路设计，初期仅针对城市区域开发。不仅如此，早在2017年，这两家公司就宣布了自驾车合作伙伴关系，其目标是在未来十年内让自动驾驶汽车上路。这是一种共生关系：博世提供传感器、执行器和控制单元等组件，戴姆勒提供开发工具和测试设备。最近几个月，博世已经明确了其自动驾驶的野心。它创建了一个新的Connected Mobility Services部门，拥有600多名员工，收购了B2B打车服务初创公司SplitTIng Fares，并与地图公司TomTom合作开发了可帮助车辆看到前方道路的地图系统。戴姆勒在6月份获得了中国政府的许可，允许它在北京的公路上测试由百度阿波罗平台驱动的自动驾驶汽车。 (它已经获准在美国和德国测试自动驾驶汽车。)它还运营自己的汽车共享服务 —— Car2Go —— 最近全球会员超过300万，以及Uber风格的应用程序MyTaxi和拼车服务Flinc。博世和戴姆勒远不是唯一一家加快研发自动驾驶汽车的公司。谷歌子公司Waymo在美国的25个城市推出了600多辆菲亚特克莱斯勒Pacifica小型货车。Lyft正在波士顿开展自动驾驶汽车试验。通用汽车计划明年推出自动驾驶汽车共享服务。但与其竞争对手不同的是，博世和戴姆勒计划推出4级和5级自动驾驶汽车，这些汽车可以在最低限度的监督下往来于城市街道、高速公路和乡村道路。 4级无人驾驶汽车在划定区域和特定条件下自主运行，而5级车辆在任何道路和几乎所有条件下行驶。然而，自动驾驶行业依然有许多问题需要解决。在现实环境中行驶时，乘客能 100% 信任 AI 吗？此外，对许多安全专家来说，如何验证自动驾驶汽车的安全性也是个令人头疼的事。为了保障更多的安全性能，Mobileye 提出了“责任敏感安全”（RSS）模型。在该模型下，Mobileye 推出了一套确定性系统，以补偿“存在一定概率性的 AI 系统”。在被问到英伟达是否会接受 RSS 时，Shapiro 表示：“这个问题我们恐怕需要花更长时间来讨论，现在英伟达计划在系统中融合检查和平衡机制。”

时间：2020-08-05 关键词：英伟达自动驾驶
英伟达修改用户许可协议禁止数据中心用显卡GeForce做深度学习

最近英伟达将EULA进行了更新，更新后的目的就是禁止数据中心使用消费者级显卡GeForce做深度学习。有人认为这是英伟达利用市场地位进行产业垄断，这一改动将会影响广大的深度学习研究者和开发人员。这被认为是英伟达利用其市场主导地位，强推其高端处理器Tesla系列的举措，Tesla与GeForce架构类似，但价格是后者的十倍。深度学习社区让英伟达获得了创纪录的利润，而英伟达却说，还想继续像以前那样做深度学习？价格翻十倍！英伟达的CEO黄仁勋曾经说，他最喜欢三件事——游戏、GPU、深度学习。这三件事也是英伟达的命脉所在。5年前黄仁勋英明的判断将GPU从游戏转向深度学习成就了他自己和他的公司在深度学习界的地位。不过，当一个市场被一家企业所主导，这家企业就可能采取各种措施，获取尽可能多的利润，甚至达到垄断的目的。最近，日本公司Ubiquitous Entertainment总裁兼首席执行官清水亮指责英伟达悄然修改终端用户使用协议，禁止在数据中心使用GeForce软件，并称这一改动将会影响广大的深度学习研究者和开发人员。一石激起千层浪，“英伟达全新EULA禁止在数据中心使用GeForce系列GPU做深度学习”，已经成为今日Reddit等网站头条。货还是给你买，但在数据中心不能用于深度学习英伟达更新后的EULA，并不是不允许在数据中心使用GeForce显卡，而是禁止在数据中心部署GeForce配套软件（不授权）。修改后的英伟达GeForce软件用户使用协议，No Datacenter Deployment，软件不能在数据中心使用。软件不能用意味着什么？货还是给你买，但是不准用作深度学习（但是用来挖矿可以，这个后面会细说）。大家都知道，英伟达货卖得好，主要原因是配套的软件做得齐。正如清水亮在文章中指出的那样，在实践中，英伟达可以说是全世界唯一提供API和足够多运算函数来做深度学习的半导体公司。英特尔和其他公司也在奋力追赶，但相比与英伟达的丰富资源和IP，目前这些公司仍然只能恨居追赶的位置。 GeForce vs Tesla：性能相差不大，但价格却天上地下那么，GeForce和Tesla的区别又在哪里？英伟达最初开发GPU是用于游戏的，产品线包括针对游戏的GeForce系列和用于高端处理器的Tesla系列。一组简单的数字： GeForce GTX 1080： PASCAL; 2560 CUDA cores; 8 TFLOPS （single-prec）; 8 GB GDDRX5 320 GB/s; max 180 W. Tesla P100： PASCAL; 3584 CUDA cores; 9.3 TFLOPS （single-prec）; 16 GB HBM2 732 GB/s; max 250 W. 这样看不直观。有人专门做了对比［2］，下图展示了训练的平均时间。Tesla在基准测试中胜过了GeForce；但是，只有1.25倍的加速（或者说，训练时间减少了20％）。在MNIST基准上看，差异并不明显，可能是由于epoch速度太快。很显然，Tesla的处理性能和稳定性更高一些，但这两个系列都基于Pascal架构，硬件规格（specificaTIons）也非常类似。然而，在价格方面，Tesla却将近是GeForce的10倍。因此，那些对GPU使用，尤其是不需要持续运转，在稳定性方面要求没有那么高的用户，往往使用GeForce来代替Tesla，包括一些数据中心客户在内——毕竟，不是谁都那么财大气粗，用户的眼睛是雪亮的，有性价比更高的方案，谁会弃而不用呢？英伟达在利用其垄断地位玩阴招？因此，在英伟达更新EULA后，就如清水亮所说，“要在数据中心做深度学习项目，不管是商业的也好，学术的也罢，在日本也好，海外也罢，都必须购买高价的Tesla系列才行”，便宜又好用的GeForce系列就这样强制被罢黜了。 “这显然是英伟达（日本）在利用其垄断地位玩阴招。”清水亮这样说。试想，为什么没有直接商业应用的学生实验或商业研究，要被迫支付合理成本的10倍？跟在游戏中使用的芯片几乎完全相同，仅仅因为放在数据中心里，价格就上涨了10倍。这里面难道没有猫腻？作为一个《星球大战》迷，清水亮将英伟达的这一策略改动类比为“第一秩序”（First Order）的崛起。如此热爱GPU、热爱深度学习，以及热爱《星球大战》的黄教主，竟被比作Kylo Ren？！嗯……题外话：Kylo Ren，《星球大战》电影系列中的一名虚构反派角色他拥有强大的原力，后堕落至原力黑暗面，渴望和外祖父黑武士达斯·维达一样强大。清水亮说，深度学习社区让英伟达获得了创纪录的利润，而这家公司如何回报深度学习社区？这就好像在说：“如果你还想继续工作，那就付我们十倍的钱。” 文章发布后，清水亮的愤怒得到了很多共鸣和回应［3］。树大招风作为一家商业公司，英伟达要怎么限制和授权软件使用，完全是它的自由。同时，英伟达仅仅限制在数据中心使用GeForce做深度学习，一般的高校和研究所这样的非商业用户，并不会受什么影响。再者，GeForce作为专门用做图形的显卡，做数据中心应用原本效率就不会太高，从数据中心这方面来说，原本购买GeForce做深度学习的可能性也不大。实际上，英伟达也一直在向数据中心客户推广稳定性更好的Tesla。还有一种可能，就是英伟达懒得去优化GeForce做非图形应用的软件了。不过，值得注意，英伟达的条款明确指出，虽然不准用GeForce在数据中心做深度学习，但挖矿除外，这一点可能是在针对AMD等对手，因为业界普遍认为后者在挖矿上的效率更高。但最后，英伟达对“数据中心”也没有明确定义，企业的机房算“数据中心”吗？虽然互联网巨头看不上GeForece，但初创公司可能会用啊。总之，这个新规定会波及不少成长当中的深度学习项目，这一点是毋庸置疑的。还有，有时间你可以访问Reddit［3］，反对（谴责）英伟达的、力挺英伟达的、怒其他芯片公司不争的……在深度学习领域，一个EULA的修改就能引发这样的波澜，除了英伟达还有几家？

时间：2020-08-03 关键词：数据中心英伟达深度学习
智能机器人市场概况是毁灭还是辉煌

近几年机器人产业的大力爆发式的增长，更多的机器人种类开始出现在我们的视线中，而家庭机器人将有望成为智能家居入口未来一年机器人又有何发展，它带给我们的会是毁灭还是辉煌的时代。近年来，随着人力成本和人口结构的影响，机器人产业快速增长，工业机器人、家庭机器人等机器人能更多进入到我们的视野中，根据国际机器人联合会给出的消息，到2020年，世界上将有170万个新工业机器人应用到世界各地工厂中，将获得更高效和灵活的生产。而家庭机器人更是有望成为智能家居入口，引领下一个时代，在我们当下，高科技智能机器人成为了讨论的话题，那机器人产业存在哪些问题？在2017年又出现了哪些新技术新趋势？未来一年机器人又有何发展？下面笔者就结合今年智能机器人的发展来聊聊当下的智能机器人行业。

时间：2020-08-03 关键词：人脸识别智能机器人英伟达
博世携手戴姆勒开发无人驾驶出租车英伟达提供技术支持

北京时间7月11日上午消息，戴姆勒和博世宣布，将在无人驾驶出租车中使用英伟达的Drive Pegasus人工智能平台。无人驾驶汽车需要强大的算力支持，所以多数上路测试的汽车都在后备箱放置了PC，这不仅占用空间，而且会消耗电力，还会产生热量。正因如此，戴姆勒和博世才决定使用英伟达的系统。英伟达的系统每秒可以运行320万亿次。业内企业都希望这种算力足够支持4级或5级无人驾驶汽车。戴姆勒和博世今年4月宣布，他们将合作开发无人驾驶出租车。这两家公司当时表示，希望这些汽车5年内能够上路。从最新消息来看，这项计划进展顺利。根据他们的计划，第一辆使用英伟达人工智能平台的汽车将从2019年下半年开始在硅谷上路测试，可能是奔驰S级和V级车。这两家公司仍在与城市管理部门谈判，今后将会宣布具体地点。除了提供无人驾驶人工智能平台外，英伟达还将与博世和戴姆勒合作开发无人驾驶网约车服务所必须的系统。在测试阶段，这些汽车都将严格按照预设路径行驶。

时间：2020-08-02 关键词：人工智能英伟达无人驾驶博世
2018年开启深度学习硬件大战英伟达/AMD/英特尔谁能笑到最后

深度学习芯片领域的竞争从未停止过,2018年将开启深度学习硬件大战，在这场战局中英伟达、AMD、英特尔谁能笑到最后。随着英伟达TItan V的发布，我们迈入了深度学习硬件发展的动荡期。NVIDIA能否在2018年保住深度学习硬件首要供应商的地位还未可知，AMD和Intel Nervana都仍有机会。所以对于想买硬件的消费者，最精明的选择就是等上3至9个月，到这种不确定的状态过去之后再决定。深度学习芯片领域的竞争从未停止过。 NVIDIA决定在竞争初现端倪之前，先将自己的垄断地位变现。通过这种方式，他们希望在未来1-2年内确保行业领先，所以他们的TItan V的售价高达3000美元！虽然TItan V的深度学习专用核心Tensor Core有着独特的性能，但性价比实在太糟，使其市场吸引力不足，只是现阶段除此之外又没有别的选择，所以至少当前就有什么用什么吧。 AMD的硬件水平已经赶超NVIDIA了，而且他们计划再开发出相匹配的深度学习软件。如果这一步实现的话，其性价比会轻松超越NVIDIA，并在此领域成为新的标杆。而届时NVIDIA就会凭借着雄厚的资金实力来拼市场，所以我们或许会在未来看到非常便宜的NVIDIA产品。注意这种情况是建立在AMD推出高质量软件的基础上——如果AMD跳票，则丧失了抢走桂冠的机会，而NVIDIA的产品将仍停留在高价位。市场上还有另一位新晋竞争者：Intel Nervana的神经网络处理器（NNP）。凭借着几种迎合CUDA开发者需求的独特性能，它表现得还比较有竞争力。NNP处理器可以解决优化深度学习的CUDA内核中绝大多数的问题，这款芯片才真正称得上第一枚深度学习芯片。通常意义上，对于单一芯片之间的排名，我们会按照Nervana 》 AMD 》 NVIDIA的顺序来排，因为NVIDIA的芯片不得不在游戏、深度学习和高性能运算中维持平衡，AMD也需要同时考虑游戏和深度学习，只有Nervana可以聚焦于深度学习，这是一个巨大的优势，使得他们的芯片较其他两家少了很多无用的结构设计。然而，获胜者往往不是取决于纯粹的性能或者性价比，而是要综合考虑性价比+周边生态+深度学习框架。让我们来仔细了解一下这三家公司产品的优劣，看看它们到底处于什么位置。

时间：2020-08-02 关键词：英特尔 AMD 英伟达深度学习
中国AI芯片未来不可估量推倒英伟达指日可待

在国家企业资本和政策双加持下，我国的人工智能产业越发繁荣，同时英伟达作为我们首要的竞争对手，国内涌出一大波的AI初创公司，比如科大讯飞，寒武纪，中国实力在不断增强，中国AI芯片企业离掀翻英伟达指日可待。人工智能已经成为时下最热门的风口，各行各业的公司都在试图通过该技术提升工作效率和竞争优势。在芯片领域，英伟达作为领先的硬件生产商，影响力不可忽视。此前，美银美林集团在一份报告中表示，英伟达将会成为人工智能芯片的主导供应商，该公司正在创造人工智能计算行业的标准。除了英伟达之外，过去两年出现了一批人工智能芯片创业企业，他们都跃跃欲试地想要成为下一个英伟达，不过，但真正的竞争可能来自AMD、谷歌这样的老牌企业，以及一批中国AI芯片公司。当下的中国，人工智能已经上升到国家战略。根据2017年7月国务院印发的《新一代人工智能发展规划》，2020年，中国人工智能的战略目标是，技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。那么，赶上世界东风的中国AI芯片公司如今发展如何？他们能在多大程度上与英伟达形成竞争？英伟达：AI芯片市场领导者英伟达无疑是AI芯片市场中无可争议的领导者。2017年，英伟达可谓是风光无限。从游戏、数据中心到人工智能，市场对英伟达芯片的需求一路上升。由于深度学习对计算速度的要求是“暴力”的，英伟达GPU芯片可以让大量处理器并行运算，速度比CPU快十倍甚至几十倍，因而成为绝大部分人工智能研究者和开发者的必备”核弹“。《财经天下周刊》的消息称，国内搞AI创业的人几乎全在用英伟达GPU和平台，一个小型AI创业团队在英伟达芯片上花费几十万元很正常。硅谷明星投资人Andreessen Horowitz也透露：“我们投资了一大串各个领域做深度学习的创业公司，每一个都跑在英伟达的平台上。” 受此影响，英伟达的股价也一路飙升，从2015年的20美元涨到如今的逾220美元，涨幅超1000%，市值已突破1300亿美元。除了在芯片行业居于前列，英伟达在游戏显卡、自动驾驶领域也很活跃。在近期举行的2018年CES展会上，英伟达发布了最新65英寸高端游戏显示器，宏碁、华硕和惠普将利用其技术规格与标准作为4K HDR显示器进行生产。这种超大型的显示器搭载G-Sync，很适合高端游戏PC产品。在自动驾驶方面，英伟达创始人黄仁勋于美国西部时间1月7日晚在拉斯维加斯召开新闻发布会，宣布与大众汽车以及Uber的重大合作项目。黄仁勋还透露，英伟达目前在自动驾驶领域已经拥有超过320家合作企业和机构。英伟达在人工智能领域的强大实力可见一斑。

时间：2020-07-31 关键词：英伟达 ai芯片
鲁大师发布 Q2 季度显卡性能排行版，英伟达 TITAN RTX 仍居榜首

7 月 16 日消息鲁大师现已发布今年第二季度的显卡性能排行榜，英伟达 TITAN RTX 仍居榜首，前三名都是英伟达的产品。了解到，英伟达 TITAN RTX 稳居冠军宝座，第二名是英伟达的 RTX 2080 Ti，第三名是 GTX 1080Ti。在鲁大师的显卡性能排行中，英伟达在前 10 中有 6 款。在热门显卡排行榜中，AMD RX 580 凭借着高性价比排名第一，第二名是 GTX 1650，第三名是 GTX 1660 Super。在市场占比方面，AMD 占比 31.54% 的份额，NVIDIA 占比 68.46%，与上一季度差异不大。

时间：2020-07-31 关键词： AMD 英伟达显卡