-
1 # 若只是初見good
-
2 # 初始值
若嫌前戲太久可直接看最後…
著名顯示卡製造商這次沒有在計算機的graphics cards上下功夫，而是在最近聲稱開發了一套新的計算機平臺（系統），是一款專用在無人駕駛汽車上的系統，代號Pegasus。並宣稱，這款活力滿滿地系統可以幫助無人駕駛直接達到5級別。
SAE國際把車輛自動化分為五個級別。1級和2級仍然需要駕駛員手握方向盤，比如自適應巡航控制系統、反應靈敏的制動和停車輔助系統。3級實現汽車“自動駕駛”，但在需要的時候駕駛員可以收回控制權。
4級需要駕駛員更少的干預，乘客甚至可以小憩。而5級就是汽車實現全自動，車內沒有駕駛員座位或者控制裝置。
相比前代產品Drive PX2，全新的Pegasus計算能力大幅提高，每秒可以處理320萬億次操作，超過了上一代的10倍速度。Pegasus也將在2018年下半年開始逐步銷售給無人駕駛汽車開發商和一些科技公司。
雖然NVIDIA（英偉達）保證說可以為無人駕駛汽車達到5級，但對無人汽車開發商來說這樣的級別也還是需要慎重考慮。
目前來說，許多無人駕駛汽車的開發商都是很小心翼翼的在標榜自己的汽車級別，而避免因為級別定義不準確而引來更多不必要的麻煩。至少，在現在國內外的商業市場上，都很少見到高於2級的無人駕駛汽車。
奧迪曾說自己的新A8 sedan是3級無人駕駛，但貌似根據德國的規定，並不允許德國的無人汽車駕駛員開這樣的車。所以，大公司的話也是需要斟酌的。
在關於無人汽車的研發上，很多公司都曾表示要跳過3、4級的無人汽車開發，因為車上有人太危險了。NVIDIA的這次推動，導致很多公司都表示要直接開始研究5級的無人駕駛汽車。而NVIDIA公司也明確表示，明年開始它可以提供最高水平的自主駕駛。
目前來說，汽車自動駕駛而完全不需要人為干預還只停留在理論層面。
所以，NVIDIA的也表示，5級的無人駕駛汽車可以開發，但不會直接投入到生活中大面積使用，可以先選擇在學校或者機場等地方試用，慢慢地等待技術成熟之後再嘗試大面積推廣，也不失為一種全面進步的方法。
在無人駕駛方面，NVIDIA公司的GPU和其競爭對手英特爾生產CPU是無人駕駛汽車最重要的組成部分。就現在的技術來說，無人駕駛裝置想要在這個世界“運動”，完全依靠的是各種感測器來蒐集識別影象、聲音、地圖資料、材料等等，而這些都需要強大的計算機能力支援，以保證能在瞬間完成計算機的正確判斷，從而保障裝置安全。
有趣的是，這也導致很多無人駕駛汽車都是選擇體積大的汽車來完成開發，畢竟無人駕駛汽車的“大腦”要裝那麼多裝置，所以真的很大！
但是，想要改變這一情況的NVIDIA表示，它們已經把這塊“大腦”的GPU縮小了很多，在小小的晶片上集成了100餘項功能，完全可以把“大腦”安裝在更小體積的車上了。
這也體現了NVIDIA在這方面的能力，畢竟在無人駕駛系統上也做了很多年來，也有許多的合作伙伴，包含百度、豐田、奧迪、特斯拉和沃爾沃等。百度這幾年在無人汽車的開發商還是下來很大力度，值得鼓勵！
其實NVIDIA在2015年推出過自己的原廠無人汽車，搭載的是自己的Drive PX無人駕駛平臺，使用的是基於AI和雲計算和高畫質3D地圖的智慧系統，可以透過各種感測器來分析資料，保障在駕駛過程況下可以明確知道自己的位置，以及解決可能發生的各種問題。其實和很多其它的無人駕駛汽車也並沒有什麼區別。
當然，這套系統的軟體到了如今也是可以升級到當前最新版本的，以保證它與時俱進的智慧！而此次的Drive PX Pegasus配備了四個用於自動駕駛的處理器，其中兩個是為明年下半年即將上市的下一代GPU晶片，可以說這已經是很強大了。
這些情況也從側面證明了無人駕駛汽車在未來的重要性。但不管怎樣，NAIDIA這次的新品還是很大程度上促進了無人駕駛汽車的發展。
-
這個故事告訴我們，現在的科技技術發展得很快，更告訴我們，資本的流向可以迅速推動某一領域的突破性發展。目前來說，AI智慧、雲計算、無人駕駛、量子計算機、智慧晶片，這些領域的技術是各大公司和資本青睞的領域。
所以，近些年來，這些領域的發展可以說是很快。而原本穩坐行業領頭大公司，也開始慌了，不得不選擇調整方向去迎合資本市場，所以，我們會看到各大公司都開始拓展“周邊”業務，原因只有一個，那是一片錢途與前途都豐富的藍海。
-
-
3 # 人工智慧分析
老黃給人工智慧時代注入了新的活力，這是其偉大的歷史作用之一。
但是其領先的機器視覺等系統現在面臨巨大的科學原理層面的發展瓶頸，可能需要幾十年的時間去重新沉澱，期望英偉達數十年後的再次爆發。
-
4 # R英語觀
專注
這是最重要的，相比競品，英偉達更加專注，深耕GPU 30多年、CUDA培育15年。直到人工智慧重新提上日程，激進的老黃又將公司性質改為AI公司，又是一心一意打造AI產品，這種專注的力量是很可怕的。
N卡的進擊隨著電競崛起，9系和10系顯示卡憑藉先進架構，一時間萬人空巷、供不應求，錢賺到手軟，這也為新產品研發和遊戲最佳化奠定了充足的資金基礎。
相比於Intel擠牙膏，生產洋垃圾；A卡兩線作戰，疲於奔命；N卡最近幾代的革新都毀天滅地。
平臺思維無疑是CUDA的開發引入，讓GPU的作用不再侷限於渲染遊戲，而人工智慧就是其中一種應用，恰好AI大熱，老黃強行搭上順風車。
平臺的優勢就是可以聚合資源、形成生態。CUDA豐富的工具集和社群招募的無數的開發者，讓N的佈局在各個行業都能快速開發出產品，得到技術支援。
GPU的優勢2011 年，人工智慧研究人員發現了 NVIDIA GPU。隨後，Google 的 Brain 專案取得了驚人成果，透過觀看 YouTube 上的影片學會了辨別貓和人。但它需要使用 Google 的一個巨型資料中心，在多臺伺服器中安裝 2,000 個 CPU，並需設法冷卻這些 CPU。然而只有極少數的企業擁有這樣的計算機規模。再回到 NVIDIA 和 GPU。NVIDIA 研究中心的 Bryan Catanzaro 與斯坦福大學的 Andrew Ng 團隊合作，將 GPU 運用於深度學習。結果，12 個 NVIDIA GPU 的深度學習能力相當於 2,000 個 CPU 的表現。紐約大學、多倫多大學及瑞士人工智慧實驗室的研究人員使用 GPU 加快了其 DNN 的計算速度，大爆炸時代就此拉開序幕。
計算機程式包含大量按順序執行的命令，而深度學習（AI的重要組成）是完全不同的嶄新軟體模型，以並行方式訓練數十億個軟體神經元和數兆連線。
效能優勢
NVIDIA GPU 在並行處理工作負載方面具有卓越效能，能夠將 DNN 速度提升 10 至 20 倍，將每項訓練迭代時間從幾周減少到幾天。但我們並未就此止步。我們與人工智慧開發人員協作，繼續改進 GPU 設計、系統架構、編譯器和演算法，僅在三年內就將訓練深度神經網路的速度提高了 50 倍，這個速度遠超摩爾定律的預測。我們期望在未來幾年內將速度再提高 10 倍。
可程式設計
人工智慧創新正在飛速發展，簡化程式設計和提高開發人員工作效率是首要任務。NVIDIA CUDA 平臺的可程式設計性和豐富性使研究人員能快速提出創新專案，打造 CNN、DNN、深度初始網路、RNN、LSTM 及強化學習網路的新配置。
可訪問
從前，NVIDIA以為電子遊戲提供圖形加速而聞名。現在，雖然這家著名晶片製造商仍然在圖形處理單元（GPU）業務中施展拳腳，但它已經將客戶群擴充套件到自動駕駛系統製造商那裡了。現在，NVIDIA宣佈，他們已經開發出第一個滿足全自動車輛要求的人工智慧（AI）計算機。要實現自動駕駛需要巨量的計算，但NVIDIA公司的NVIDIA Drive PX Pegasus高階人機互動平臺對所有這些過程可謂信手拈來。事實上，公司聲稱它每秒能夠執行320萬億次，是其前身NVIDIA Drive PX 2的10倍。NVIDA計劃於2018年下半年將Pegasus提供給其合作商。
https://m.toutiao.com/i6476599559534412302/?tt_from=android_share&iid=16099939953&app=news_article&utm_medium=toutiao_android&utm_campaign=client_share
回覆列表
一張圖說明一切未來十年，如很多大佬預測的一樣，是資料之戰，圍繞資料的生態之戰。大公司有明顯優勢，小型公司可在這個生態中找到這個位置做專一環，從而分一杯羹。1、使用者資料。戰略關注點：終端裝置、社交產品、電商產品。這些型別的產品，能記錄豐富的使用者資訊。2、資料處理。戰略關注點：雲計算技術、大資料技術。這些型別的技術產品，能提供超強的資料處理能力。3、個性化推薦。戰略關注點：人工智慧技術、標準化內容/服務。這些型別的產品，能解讀使用者意圖，為使用者提供個性化的服務。
一個公司要想百年不倒就要有長遠的大局觀，不僅僅是英偉達這樣的企業，英偉達一直給人的觀念就是作硬體尤其是主機顯示卡若是要回答題主的問題不得不提到英偉達的創始人---黃仁勳
AI狂人
老黃作為顯示卡瘋子怎麼又轉型成了“AI狂人”了呢？這得益於深度學習的發展。
深度學習神經網路尤其是幾百上千層的神經網路需對高效能計算需求非常高，GPU對處理複雜運算擁有天然的優勢：它有出色的並行矩陣計算能力，對於神經網路的訓練和分類都可以提供顯著的加速效果。
所以搭載GPU的超級計算機已經成為訓練各種深度神經網路的不二選擇，比如
谷歌
大腦早期就是使用英偉達的GPU做深度學習。世界上目前約有3000多家AI初創公司，大部分都採用了英偉達提供的硬體平臺。Andreessen Horowitz風投公司的合夥人馬克·安德森也曾表示，他們已經投資了大批基於深度學習的創業公司，幾乎每個公司都在採用英偉達平臺。
而乘著深度學習這股東風，英偉達股價在過去的12個月上漲近200%，在過去5年上漲超過500%。
而反過來，GPU的發展使得計算能力的增加，也促進了深度學習的發展。
無人車
在今年的CES上，黃仁勳發表了主旨演講，吸引了全世界的目光。
（還是同一件黑夾克）
（Nvidia人工智慧駕駛汽車BB8）
黃仁勳還提出了一個新話題：AI Co-Pilot（
人工智慧
協同駕駛），主要出發點是在有些複雜路況依然需要人來駕駛，在這種情況下，在駕駛過程中AI會隨時提醒人類駕駛員，車輛前後左右有什麼潛在危險需要注意。除了對環境的感知，還有對人的監測，具體應用到的技術包括人臉識別（情緒識別），頭部追蹤，視線追蹤，還有讀唇。
（AI Co-Pilot的四種識別和追蹤模式）
比較有亮點的是讀唇，因為道路上往往噪音較大，對語音識別準確率有很大影響，語音識別結合讀唇想象空間很大！
英偉達的啟發
英偉達在
無人車
上和包括特斯拉、奧迪、博世在內的車企業廣泛合作，並且已經銷售了大量硬體給特斯拉等車企，悶聲賺大錢。英偉達利用其Tegra處理器幫谷歌完善無人駕駛車，第一代無人駕駛平臺Drive PX被用在奧迪A7，去年一發布Drive PX 2無人駕駛平臺，特斯拉就宣佈新的特斯拉車將搭載Drive PX 2。沃爾沃開測的XC90 SUV自動駕駛汽車搭載的也是Drive PX 2平臺。
(還是這件黑夾克)
這個最大的啟發就是除了技術之外，找清楚自身定位和商業模式也非常重要。英偉達的定位就是計算平臺，和廣大車企搞好關係，想買硬體的廠商就賣硬體給他們，想購買BB8背後的
無人駕駛
技術的話英偉達也提供技術授權。而相反技術領先的谷歌無人車，卻在商業模式上一直很糾結。谷歌如果想把整套無人駕駛車技術提供給大的汽車廠商會比較困難，因為大牌的傳統汽車廠商並不放心將核心的技術依附於Google，也不希望把關乎核心使用者體驗部分交給Google來掌管。而和體量相對小的汽車廠商合作，問題則在於小廠商同樣可以繞開Google去找其他OEM廠商，比如Mobileye或者英偉達那裡購買無人駕駛的部件。
從晶片公司轉型計算平臺公司
從一系列動作上看，英偉達最大的目標是從一家晶片公司轉型成為一家計算平臺公司。
英偉達花了10年時間構建了基於GPU計算的通用基礎架構平臺，擁有來自世界各地的開發者和大量的開發工具。深度學習也是英偉達專注的領域，佈局了多七年。英偉達最近推出了一個端到端的深度學習平臺，已經應用到各個行業。
NVIDIA還順勢而為，推出了基於CUDA的cuDNN，與多種深度學習框架整合，透過將卷積神經網路的計算變換為對更GPU友好的矩陣運算，cuDNN可以有效提高整個網路的訓練速度。
）透過在Caffe、Theano、Torch7等主流機器學習框架上的支援，cuDNN允許開發人員可以在這些框架上無縫利用GPU的能力。
兩彈功勳
那為什麼老黃為什麼又稱為兩彈功勳了呢？有詩為證：
一卡一棟樓兩卡毀地球三卡銀河系四卡創世紀