李根 乾明 郭一璞 发自 圣何塞 量子位 报道 | 公众号 QbitAI
中国古语有言：否极泰来。
AI芯片巨头英伟达的2018，再糟糕不过，所以2019年GTC大会，也比以往更受关注。
而且颇有意思的是，教主黄仁勋把这次的主题演讲地点选在了圣何塞州立大学礼堂。
这所公立大学在硅谷小有名气，且在计算机领域，最有名的校友莫过于原Intel董事长高登·摩尔——“摩尔定律”就是以他之名命名。
而老黄就是那个全世界最热衷宣扬“摩尔定律已经失效”的人。
但这一次，老黄一句“摩尔定律”都没提，默默扔出99美元AI开发套件Jetson Nano。
具体情况怎么样，我们完整回顾下今年GTC发布情况。
CUDA-X：50倍提速
首先，直接看核心重头戏：CUDA-X。
按照英伟达的说法，这是全球唯一的一个，端到端的数据科学加速库。帮助从事数据分析、机器学习、深度学习的数据科学家们，更快完成工作。
CUDA-X由十几个专用加速库组成。整个系统中，包含几个部分：用cuDF加速数据分析，用cuDNN深度学习原语，用cuML进行机器学习算法，和DALI等数据处理。
简单来说，所有英伟达的库，都被整合成一个库：CUDA-X。
包括TensorFlow、PyTorch和MXNet在内的所有深度学习训练框架，随着CUDA-X的发布也会自动为英伟达Tensor Core GPU进行优化。
英伟达表示，CUDA-X解锁了Tensor Core GPU的灵活性，能够将机器学习和数据科学工作负载加速多达50倍。CUDA-X可以加速典型AI工作流程的每一步，无论是用深度学习训练语音和图像识别系统，还是数据分析评估抵押贷款组合的风险。
而且据说，“只需要点击几下”。
微软的Azure Machine Learning（AML）是第一个集成RAPIDS的云服务，RAPIDS是CUDA-X的关键组件。通过访问RAPIDS开源库，数据科学家可以让AML上的英伟达GPU以“前所未有”的速度进行预测分析。
英伟达官方披露的数据称，在AML上使用RAPIDS，可以帮助企业把训练AI模型所需的时间，减少多达20倍，训练时间可以从数天减少到数小时，或者从数小时减少到几分钟。
此外，CUDA-X还会部署在几大主流的云平台，包括亚马逊AWS、谷歌云等。目前PayPal、沃尔玛等公司已经在使用相关服务。
值得一提的是，在介绍CUDA-X的时候，老黄还皮了一下。他说：每次演讲，我都想让你们记住一个关键词，今天的关键词是：
PRADA。
还让现场跟着一起念。看来接下来要发布的东西，可能还挺贵。
PRADA其实是四个单词的强行缩写，它也带代表对CUDA-X介绍的几个方面：PRogrammable(可编程)、Acceleration(加速)、Domains(域)、Architecture(架构)。
史上最便宜AI硬件
老黄两个多小时讲完后，最让网友们念念不忘的，是一款出场非常晚、时间非常短的硬件产品：
Jetson Nano。
它是体积小巧、性能并不弱的小电脑，老黄称之为“全新的机器人计算机”，共有两个版本。
一是99美元（约合人民币666元）的开发者套件，面向个人用户，比如创客、学生、技术爱好者；另一个版本129美元，可以部署到生产环境，面向的是想要构建边缘系统的企业。
历次发布会都让人深感贫穷的英伟达，终于也价格厚道了。在PRADA的衬托下，更是感动人心。
不少外媒纷纷打call，因为Jetson Nano的价格让业余爱好者、学生之类的大众群体，可以打造自己的自动化设备。
当场，老黄也拿出了一个基于Jetson Nano的无人车Kaya。
价格厚道，性能如何呢？Jetson Nano能提供472 GFLOPS的计算性能，而耗电量只有5瓦。
不久前Google发布的千元TPU开发板，单精度和半精度浮点运算性能分别是32和64 GFLOPs；英特尔神经计算棒的性能是100 GFLOPs。
Jetson Nano搭载了4核的ARM A57 CPU和128核基于英伟达Maxwell架构的GPU，4GB内存，使用MIPI CSI-2 DPHY通道摄像头。
它也支持今天发布的CUDA-X，也就是说有支持很多常见的人工智能框架，装有面向Tegra的Linux操作系统，实现了开箱即用。
英伟达会后还展示了Jetson Nano运行ResNet、Inception、YOLO等各种神经网络模型，在目标检测、姿势估计等各类任务上进行推断的实际性能：
此外，它还支持高分辨率传感器，而且可以并行处理多个传感器，并在每个传感器流上都运行多个神经网络。
英伟达称，Jetson Nano能够运行所有AI模型，可以创建数百万个智能系统。
GTC刚结束的时候，就有人在HackerNews上表示，自己想要DIY了。
很快就有“同道中人”回复他，你可以自己做无人驾驶小车、能跟踪猫的无人机、可以自动识别鸟的摄像机等等。
自动驾驶
最后，自动驾驶，老黄说这是最重要的自动化机器的落地场景。
也是三方面。
首先，推出全新DRIVE Constellation自动驾驶汽车仿真平台。
基于该平台，在云端就能虚拟仿真各种自动驾驶场景——不用再路测数百万公里了。
老黄说，从常规驾驶，到各种罕见的危机情况，都能在仿真中实现，要风得风，求雨得雨。会比现实世界中实现的效率高出不知多少倍，而且成本低、安全性高。
数据中心方案则去年就有过官宣。包括两个并排服务器：
第一台服务器——DRIVE Constellation Simulator，从虚拟汽车生成传感器输出。
第二台服务器——DRIVE Constellation Vehicle，包含DRIVE AGX Pegasus AI车载电脑。
DRIVE AGX Pegasus接收传感器数据，做出决定，然后将车辆控制命令发送回模拟器。
老黄还强调，该过程完全闭环，而且定位精准、定时精确，测试环境也能随心所欲——不用怨天求神。
其次，该平台完全开放，提供编程接口，允许DRIVE Sim生态系统合作伙伴集成他们的环境模型、车辆模型、传感器模型和交通场景。
同时也通过整合合作伙伴的场景，让平台可以生成全面，多样化和复杂的测试环境。
换而言之，玩法有点像虚拟仿真领域的Apollo。
英伟达也在这个“开放生态”里，集合了产业链上下游玩家。
第三，英伟达还宣布了基于仿真平台的最新合作。
并且合作方来头不小，是全球第一大车厂——丰田。
老黄的意思也再明确不过，像丰田这样的大厂都当了首个客户，开放平台DRIVE Constellation的品质肯定值得信赖。
此外，还是在GTC大会上，老黄还宣布推出新自动驾驶软件套件，该软件的主要组成部分是Safety Force Field（SFF），通过加强规划和控制，实现更安全、舒适的驾驶体验，而且其算法策略主打车辆保护、乘客和其他车辆安全。
在高级辅助驾驶领域，这会最先发挥作用。
老传统：视觉渲染新突破
当然，英伟达的GTC，不炫下最新渲染成绩怎么行？
今年新亮相的图像渲染引擎，让图片的渲染更快、更真实。
NVIDIA Omniverse，3D创作渲染协同工具，即使团队成员身处不同的时区，也能一起为同一个3D场景的创作出力。
另外，现场还展示了一段视频：
是不是很有大片感？
同时，英伟达宣布Adobe、Autodesk、Epic、Unity等16家厂商也将得到RTX技术支持，帮助他们在复杂的场景中完成光线跟踪照明，用更快的速度进行图像渲染，这一技术支持在今年内将会服务900万创作者。
另外，对于游戏玩家，英伟达推出了GeForce NOW云游戏服务，游戏在云端的电脑上运行，而玩家只要打开任何一台PC或者MAC，就能让云端的游戏显示在自己的电脑上，无需下载、安装、升级、更新、装补丁，也不用担心自己的电脑配置不够了。
显然，老黄也最爱这部分的Demo展示。
不断播放视频，不断收获掌声，他还不断告诉大家：鼓掌太早了，好戏还在后面。
甚至到后来，教主直接扔核弹语录：
我常说，买得越多，省得越多，现在我觉得我错了……RTX Sever根本就是免费的！省下的电费就能买一台服务器了！
老黄の诚意
不过今年GTC，新品确实便宜得不像英伟达。
会后，大家最主要的评价都集中在Jetson Nano上。
更直接说是99美元售价上。
虽然TheVerge也报道称，这种低价的AI开发套件，英伟达并非独一家。
比如英特尔的Neural Compute Stick只需要79美元，谷歌在Coral下最近也推出了两款设备，分别是150美元的开发者套件和79美元USB加速设备。
但不可否认的是，英伟达正在进入一个有潜力的市场，AI驱动的创新正在增长。
而且，对于今年GTC主题演讲关键词是PRADA的英伟达来说。
99美元，折合人民币666元。老黄的诚意，看得见。
你觉得呢？
作者系网易新闻·网易号“各有态度”签约作者
— 完 —
