一年一度的GTC至今已經(jīng)迎來了第十個年頭，雖然它每年或多或少的給網(wǎng)友一些“失望”，但它也終究是代表著GPU行業(yè)的高水平技術(shù)大會。那么，今年的GTC大會，英偉達又給業(yè)界帶來了哪些驚喜呢？

日前，英偉達公司創(chuàng)始人兼首席執(zhí)行官黃仁勛宣布了該公司在芯片、AI 平臺、自動駕駛上的一系列新動作。

一、光線追蹤（ray-tracing）

開場介紹的第一個項目就是英偉達在前不久GDC上發(fā)布的NVIDIA RTX光線追蹤技術(shù)（ray-tracing），這項技術(shù)是英偉達耗時10年打造的，能夠提供電影級畫質(zhì)的實時渲染，渲染出逼真的反射、折射和陰影畫面，幾乎與真實世界的照片或視頻很難區(qū)分開來?，F(xiàn)場展示的視頻片段就是用光線追蹤技術(shù)實時渲染的，而且并不需要一個超級強大的超算電腦，只需要一臺DGX-Station。

在真實世界中，我們看到的3D物體被光源照亮，且光子可以在到達觀看者的眼睛以前從一個物體反彈到另一個物體。光線追蹤技術(shù)則是反過來，通過從我們的眼睛（觀景式照相機）反向追蹤光線捕捉這些效果，通過追蹤2D視表面上每個像素的光線的路徑，并應用到場景的3D模型中。

可想而知，這種技術(shù)的計算量非常大，一般渲染復雜的特殊效果可能需要花上幾天甚至幾周的時間，所以此前該項技術(shù)一直僅限于高成本的電影制作中。

不過，目前，隨著GPU性能日益強悍，能夠支持光線追蹤的電腦也越來越多，通過Volta架構(gòu)的GPU配合英偉達的RTX技術(shù)，產(chǎn)品設計師、游戲設計師、建筑師們能夠在幾秒內(nèi)即可生成逼真的產(chǎn)品模型。
二、新版Quadro GV100，首次采用Volta架構(gòu)

Quadro GV100 具有 32GB 內(nèi)存，且可借助 NVIDIA NVLink 2 互聯(lián)技術(shù)，通過并聯(lián)兩塊 Quadro GPU 擴展至 64GB，在所有適用于此類應用的平臺中其性能最高。

在性能方面，GV100 基于 NVIDIA Volta GPU 架構(gòu)，可提供每秒 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。NVIDIA RTX 內(nèi)置的 NVIDIA OptiX AI-denoiser 可實現(xiàn)實時的 AI 去噪，英偉達表示且其性能相當于采用 CPU 時的 100 倍。

三、醫(yī)療圖像處理超級電腦Clara

黃仁勛在現(xiàn)場推出了第一款專用于醫(yī)療圖像處理的超級電腦Clara，它能夠支持CUDA、CUDNN、TensorRT、OGL、RTX技術(shù)。

在現(xiàn)場，黃仁勛展示了一個醫(yī)療圖像實時處理的影像片段。這個段影像是用十幾年的超聲波老設備拍攝而成，本來只能看到2D的黑白圖像。然而當數(shù)據(jù)傳進Clara后，配合人工智能軟件，可以在2D圖像中分析出3D的腔膛形狀（圖中紅色部分）。因此，醫(yī)院可以在現(xiàn)有醫(yī)療設備上直接接入這臺電腦。

目前，英偉達正在和眾多醫(yī)療廠商合作，除了GE通用電氣、三星電子等大廠外，還有像圖瑪深維、推想科技等AI醫(yī)療創(chuàng)業(yè)公司。

四、新版 TensorRT 推理軟件 TensorRT 4，并將 TensorRT 集成至谷歌的 TensorFlow 框架。

這是一款可編程應用平臺（Programmable Inference Platform），當你將一個神經(jīng)網(wǎng)絡訓練好了之后，可以通過TensorRT可編程平臺，簡便快捷地將這個訓練好了的神經(jīng)網(wǎng)絡部署（Deploy）到英偉達的GPU上。

新版TensorRT 4能夠支持INT8和FP16精度運算，能夠?qū)?shù)據(jù)中心的功耗降低70%。

而且，英偉達還與谷歌進行了深度合作，將TensorRT整合進如今最廣泛應用的AI開源框架谷歌TensorFlow 1.7中。而且現(xiàn)在還能夠加速圖像、視頻、語言、NLP等AI應用。

英偉達表示，TensorRT 4 可用于快速優(yōu)化、驗證及部署在超大規(guī)模數(shù)據(jù)中心、嵌入式與汽車 GPU 平臺中經(jīng)過 訓練的神經(jīng)網(wǎng)絡。相比 CPU，針對計算機視覺、神經(jīng)網(wǎng)絡機器翻譯、自動語音識別、語音合成 與推薦系統(tǒng)等常見應用，該軟件最高可將深度學習推理的速度加快 190 倍。而且為了進一步精簡開發(fā)，英偉達與谷歌的工程師已將 TensorRT 集成至 TensorFlow 1.7，使得在 GPU 上運行深度學習推理應用更加容易。

五、AI平臺新進展

如同往屆，黃仁勛對英偉達 AI 平臺做了介紹，公布了其中的一系列重要進展，包括全新 Tesla V100 32GB GPU 的 2 倍內(nèi)存、革命性的 NVSwitch 結(jié)構(gòu)、以及全面的軟件堆棧推動性能提升、深度學習工作站 DGX-2 成為首款性能高達每秒 2 千萬億次浮點運算的深度學習系統(tǒng)、發(fā)布深度學習引擎 TensorRT 4 等。英偉達表示，相較于六個月前發(fā)布的上一代產(chǎn)品 DGX-1，其深度學習工作負載性能實現(xiàn)了 10 倍提升。

在大會上，黃仁勛宣布，新版的 Tesla V100 內(nèi)存擴容了一倍。「5 年前 AlexNet 在 ImageNet 上展示了突破性的能力，」黃仁勛說道，「它有 8 層，數(shù)百個參數(shù)。而今天我們能夠看到數(shù)百層的神經(jīng)網(wǎng)絡，內(nèi)含數(shù)十億參數(shù)，深度學習模型經(jīng)過五年的發(fā)展，體量擴大了 500 倍。」

而這樣的計算需求可由「世界上最大的 GPU」DGX-2 進行處理，它是由 16 塊 32GB 內(nèi)存的 Tesla V100 計算卡通過 NVSwitch 進行連接（顯卡間的通信速度是 PCI 的 20 倍，每秒 300Gbyte）所組成的，共擁有 2000TFPLOS 的 Tensor Core 算力，售價 39.9 萬美元。NVSwitch 是今天黃仁勛宣布的全新的 GPU 互聯(lián)結(jié)構(gòu)。

DGX-2 是首款能夠提供每秒兩千萬億次浮點運算能力的單點服務器，具有 300 臺服務器的深度學習處理能力，占用 15 個數(shù)據(jù)中心機架空間，而體積則縮小 60 倍，能效提升 18 倍。

而后，黃仁勛宣布了英偉達在 AI 推理上的一系列動作。黃仁勛表示，基于在數(shù)據(jù)中心、汽車應 用、以及包括機器人和無人機等嵌入式設備領域中，諸如語音識別、自然語言處理、推薦系統(tǒng)、 以及圖像識別等新功能的支持，面向深度學習推理的 GPU 加速正在獲得越來越多的關注。

「我們需要超級計算機來幫助自己尋找更高效的能源存儲方法，探索地球的內(nèi)部，預測未來的自然災害，以及模擬微觀世界的變化。」黃仁勛說道。

六、下一代DRIVE Orin自動駕駛芯片

黃仁勛在現(xiàn)場還展示了英偉達感知基礎（Perception Infrastructure）項目，這是一個大型的深度學習模型，能夠收集并分析不同傳感器（如攝像機、雷達等等）得出的距離、天氣、雷達感知、高精地圖等等不同數(shù)據(jù)。

在接下來2-3年間，英偉達還將技術(shù)研發(fā)這一技術(shù)，直到最后能夠搭載在所有新車上。黃仁勛說，這是我們至今遇到的最為復雜的問題之一。

七、推出 DRIVE Constellation 仿真系統(tǒng)

自動駕駛一直是 GTC 大會的重要部分，今天，英偉達展示了一套用于使用照片級真實感模擬，基于云的自動駕駛汽車測試系統(tǒng)。

該系統(tǒng)被稱為 NVIDIA DRIVE Constellation，是一種基于兩種不同服務器的計算平臺。第一臺服務器運行 NVIDIA DRIVE Sim 軟件，用以模擬自動駕駛汽車的傳感器，如攝像頭、激光雷達和雷達。第二臺服務器搭載了 NVIDIA DRIVE Pegasus AI 汽車計算平臺，可運行完整的自動駕駛汽車軟件堆棧，并能夠處理模擬數(shù)據(jù)，這些模擬數(shù)據(jù)如同來自路面行駛汽車上的傳感器。

要實現(xiàn)自動駕駛汽車的量產(chǎn)部署，我們需要一種能夠在數(shù)十億英里的行駛中進行測試和驗證的解決方案，以實現(xiàn)足夠安全性和可靠性。黃仁勛介紹說，DRIVE Constellation 可以將視覺計算和數(shù)據(jù)中心方面的專業(yè)知識相結(jié)合以實現(xiàn)這一目標。借助虛擬現(xiàn)實技術(shù)，測試者可通過對數(shù)十億英里的自定義場景和極端情況進行測試，從而提高算法的穩(wěn)定性，而花費的時間和成本僅為實際道路測試的一小部分。

八、聯(lián)合芯片巨頭ARM打造AI芯片專用IP

英偉達重磅宣布，將聯(lián)合芯片巨頭ARM打造AI芯片專用IP，這款IP屬于ARM幾年2月公布的Trillium項目的一部分，其技術(shù)源于英偉達Xavier芯片以及去年開源的DLA深度學習加速器項目。

英偉達本次宣布同ARM合作，將在數(shù)十億物聯(lián)網(wǎng)設備上實現(xiàn)深度學習。NVIDIA深度學習加速器IP將集成到Arm的Project Trillium平臺中，以便于構(gòu)建深度學習IoT芯片。

去年，英偉達也正式免費開源了完整版DLA（Deep Learning Accelerator，深度學習加速器），讓廠商可以免費下載使用，打造屬于自己的低功耗AI芯片（比如IoT芯片）。

今年2月，芯片巨頭ARM公布了其人工智能項目Trillium，同時推出兩款專用IP，分別為物體檢測OD處理器和機器學習ML處理器。

ARM是全球智能設備第一大主流芯片架構(gòu)提供商，全球超過90%的智能設備采用了ARM的芯片架構(gòu)，包括手機、平板、手表、電視、無人機等等。而英偉達，作為全球AI浪潮的引領者，能夠為人工智能提供強大的計算力，二者一拍即合。

本次ARM牽手英偉達推出專用的IOT設備人工智能IP，將會有助于人工智能在終端設備廣泛鋪開，使得上億、甚至數(shù)十億臺IOT設備都能夠用上低功耗、低成本的AI芯片，使物聯(lián)網(wǎng)芯片公司能夠輕松地將AI集成到它們的設計中，并幫助它們將智能且價格實惠的產(chǎn)品帶給全球數(shù)十億的消費者。

NVIDIA副總裁兼自主機器事業(yè)部總經(jīng)理Deepu Talla表示：“推理將成為每個物聯(lián)網(wǎng)設備的核心能力。我們將與ARM一同推進這一趨勢的發(fā)展，幫助數(shù)百家芯片公司輕松采用深度學習技術(shù)?！?/p>