猎云注：凌晨时分，英伟达CEO黄仁勋说了两件大事，一是发布了迄今最大的GPU，二是暂定自动驾驶暂停研发。详细情形究竟如何？凤凰科技提供了来自发布会现场的一手消息。本文转载自凤凰科技，作者花子健。
北京时间3月28日凌晨00:00，英伟达GTC 2018（GPU Technology Conference 2018，以下简称GTC）在美国圣何塞举行。
英伟达再一次在提升计算力的路上越走越远。
新产品—全世界最大的GPU只要399
GPU产品依然是主旋律，Tesla V100系列、DGX系列和Quadro GPU系列都进行了更新。
全新Tesla V100显存将从原来的16GB提升至32GB。2017年5月11日，英伟达正式发布了全新Volta架构GPU——NVIDIA Tesla V100，它拥有超过210亿个晶体管，是上代TeslaP100的1.37倍。它的单精度浮点性能高达15 TFLOPS，双精度浮点7.5 TFLOPS。
基于此前的NVIDIA NVLink架构，英伟达还推出了全新的NVSwitch架构。这一互联架构的带宽比PCle交换机高5倍，足以支持更大规模和复杂的数据集运算，让开发者和科学家可以构建更高级的系统。
基于Tesla V100的升级和全新的NVSwitch架构，英伟达将DGX 2的性能较前一代产品有大幅度提升。
在2016年的GTC上英伟达正式发布DGX 1，它拥有8颗帕斯卡架构GP100核心的Tesla P100 GPU，以及7TB的SSD，由两颗16核心的Xeon E5-2698v3以及512GB的DDR4内存驱动。售价为129000美元。2017年9月份，英伟达推出了一款基于Volta架构的DGX 1V，拥有8块Tesla V100。
而DGX 2应用了最新的NVSwitch架构，通过12个NVSwitch支持16块全新的Tesla V100共享同一的内存空间，总计512 GB HBM2存储，能实现每秒高达2千万次的浮点运算。此外，基于NVSwitch架构的应用，16块GPU可以实现2.4TB/秒的数据传输能力。
DGX 2内含16颗Tesla V100芯片
“这是全球最大的GPU。”黄仁勋表示，他还用“美丽、性感”等词语来形容这一款最新的DGX系列产品。
DGX 2的售价，黄仁勋首先给出的是150万美元，最后直接减价为39.9万美元，将在今年的第三季度正式开放购买。
面向艺术及设计领域，英伟达还推出了搭载了NVIDIA RTX（实时光线追踪）技术的NVIDIA Quadro GV100 GPU。单块GPU拥有32GB内存，可以基于NVLink技术将两块GV100 GPU并联，从而将内存提升至64GB。在前一周的游戏开发者大会上，英伟达正式推出了NVIDIA RTX技术。
GV100 GPU基于最新的Volta架构，可以提供每秒7.4万亿次浮点运算的双精度性能，每秒14.8万亿次浮点运算的单精度性能，以及每秒118.5万亿次浮点运算的深度学习性能。
黄仁勋手中的GV100 GPU
这款产品主要针对传媒娱乐从业者、产品设计师、建筑设计师等专业设计与流媒体专业人员。其中，NVIDIA RTX内置的NVIDIA OpitX AI-denoiser可以实现实时的AI降噪去噪。
硬件之外，英伟达还发布了针对软件的更新——TensorRT 4软件。这一软件可用于优化、验证和部署在超大规模数据中心、嵌入式与汽车GPU平台中经过训练的神经网络。
为了笼络更多的开发者，英伟达与谷歌的工程师将TensorRT集成至谷歌的TensorFlow 1.7中。
自动驾驶—暂停自动驾驶研发
自动驾驶仍在本次GTC的讨论之列
英伟达的自动驾驶平台可以统称为Drive PX系列。但是其实，Drive PX只是NVIDIA车载AI平台的系列名称。而这个系列目前主要包括两代产品：已经量产的Drive PX 2平台，以及在2018年初展示的新一代平台Xavier。
不过黄仁勋却在GTC 2018上宣布英伟达将暂停自动驾驶的研发工作，虽然没有说明何时能再推进这一进程，但是他也表示“不会太久。”
在2018年2月9日对外发布的2018财年第四季度及全年财报中，英伟达曾经提到过与Uber、Aurora合作打造自动驾驶汽车，采用的就是开源的NVIDIA Drive人工智能自动驾驶平台。
美国当地时间3月18日晚上，亚利桑那州一名女子被Uber自动驾驶汽车撞伤，之后不幸身亡。这是全球首例自动驾驶车辆致人死亡的事故，随后Uber宣布将暂停其在美国和加拿大的自动驾驶项目。随后在26日，亚利桑那州州长宣布暂禁Uber在亚利桑那州公路测试自驾车。
黄仁勋在回答媒体关于该案件的提问时表示，英伟达对于这个意外感到悲伤，但是自动驾驶的研究本身是没有错的，应该从这个案件中吸取经验，提升自动驾驶的安全性。作为Uber在自动驾驶领域的合作方之一，英伟达暂停自动驾驶的研发可能和Uber的自动驾驶汽车撞人致死案有关，但其并没有完全放弃自动驾驶项目。
英伟达的DRIVE Constellation仿真系统
英伟达在GTC上推出了针对自动驾驶汽车测试的仿真系统——DRIVE Constellation。
DRIVE Constellation仿真系统是一套使用照片级真实感模拟，基于云的自动驾驶汽车测试系统。它基于两个不同的服务器，第一台服务器运行的是DRIVE Sim软件，可以模拟自动驾驶汽车的传感器，比如摄像头、激光雷达和雷达等。
DRIVE Sim软件可以通过生成照片级的数据流，从而创建不同的测试环境，比如晴天、暴雨、暴雪等不同的天气状况、日间和夜间等不同的光线状况、急转弯或陡坡等不同的路面状况。并且在模拟过程中设置各种危险和突发状况，比如行人突然穿越马路等，以测试自动驾驶汽车的反应能力，以确定其不会对人带来安全威胁。
第二台服务器搭载的是NVIDIA DRIVE Pegasus AI汽车计算平台，运行完整的自动驾驶汽车软件堆栈，并能够处理传感器搜集模拟数据。经过处理的数据会被反馈给传感器，一直进行数据的循环。
从时间来看，英伟达推出的这个仿真系统和Uber的自动驾驶汽车撞人致死案并无太大关联，不过在长远的未来，它将能有效帮助提升自动驾驶汽车测试的安全性。
新合作—与ARM合作布局IoT
英伟达还宣布与ARM达成了合作，共同为全球数十亿台IoT设备提供深度学习的能力。双方将开源的英伟达深度学习加速器整合到ARM的Project Trillium机器学习平台上。
2018年2月23日，ARM推出了Project Trillium项目，这是一套包括新的高度可扩展处理器的ARM IP组合，这些产品可以提供增强的机器学习(ML)和神经网络(NN)功能。当前的技术产品主要针对移动设备市场，将让全新的搭载机器学习功能的设备具有先进的计算能力，包括先进的目标检测功能。
在将英伟达深度学习加速器整合到Project Trillium之后，全球数十亿台的消费电子设备上的IoT芯片将具备机器学习能力。
GTC之外—计算力提升从创新驱动变为需求驱动
提到英伟达和黄仁勋，就不得不提到CPU。在2017年的GTC上，黄仁勋曾声称摩尔定律已经终结，设计人员无法再创造出可以实现更高指令集并行的GPU架构，晶体管数量每年增长50%，但CPU的性能每年仅增长10%。
在演讲中，黄仁勋没有放过任何一次揶揄CPU的机会。不管是更新后的Tesla V100、DGX 2，还是最新发布的GV100 GPU，黄仁勋声称“在提供相同的计算力下，它们都比CPU组成的集群要更节能、高效，占用更少的空间。”
“买得越多，省得越多。”已经成了他的口头禅。然而回归到英伟达本身，其本身的高速增长很大一部分是依赖于市场对图形芯片的巨大需求。
在英伟达公布的2018财年第四季度财报中，虽然数据中心业务同比实现了一倍多的增长达到6.06亿美元。但游戏图形芯片业务的营收达17.4亿美元，同比增长29%，占该季度总营收的一半以上。
“加密货币市场的强劲需求超出了我们的预期。” 英伟达首席财务官科莱特·克雷斯表示，“尽管加密货币对我们业务的总体贡献仍难以量化，但我们认为，其在营收中所比例高于上一季度。”
从产品本身来说， GPU目前只能是不断叠加性能，带来的惊喜越来越少。以DGX系列为例，内含的GPU芯片从4颗变成了8颗，今年从8颗增长到了16颗，改变的只不过是互联的架构。单颗芯片的算力提升越来越难，英伟达的“横向发展”只是另辟蹊径。
不过，英特尔的Nervana芯片，谷歌的TPU（目前只在谷歌内部使用）对于英伟达来说是潜在的竞争对手。有竞争在，更大的惊喜才有可能会到来。
