lswcap
NVIDIA于3月26日至29日在加利福尼亚州圣何塞的San Jose McEnery会议中心举办了年度GTS 2018（GPU技术大会2018年）。
在他的主题演讲中，NVIDIA首席执行官Jensen Hwang宣布推出DGX-2，一台超级计算机和一款驾驶模拟器Drive Constellation，它允许自动驾驶汽车在虚拟空间中行驶数十亿公里。主题图片可以在这里找到（ https://www.ustream.tv/channel/20165212 ）。
DGX-2是一款超级计算机，它使用16个Tesla V100 32GB GPU连接高达2.4TB的带宽，并运行在世界上最大的GPU上，表达了NVIDIA。 Tesla V100 32GB GPU将NVIDIA数据中心GPU的Tesla V100内存容量提高到之前32GB的两倍。
DGX-2连接16个特斯拉V100 32GB和12个基于NVLink的NV交换机，具有512GB内存容量。 Cuda核心数量为81,920。
DGX-2的特性是卓越的性能比和功耗性能。 2PFLOPS半精度浮点运算性能可预计在10kW左右的功率。 DGX-2的售价为399,000美元，但根据Jensen Huang的说法，需要3亿美元才能在基于CPU的基础上实现相同的性能和180kW的功耗。
另一方面，DGX-2具有深度运行能力，可与300台服务器相媲美，占用15个实验室，而尺寸为六分之一，功率效率高达18倍。 “NVIDIA正在以超过摩尔定律的速度推动平台性能，”Jensen Hwang说道，他强调DGX-2及其产品将在医疗，运输和科学探索等许多领域取得突破。 。
Drive Constellation是一款用于测试自动驾驶汽车的虚拟仿真系统。它模拟类似于现实的虚拟现实环境，并允许自动驾驶车辆在虚拟环境中运行，从而即使不使用实际车辆也可以执行车辆AI。这将增加正在开发的自动驾驶车辆的安全性并提供可扩展性。
Drive Constellation基于两台服务器。一种是通过运行模拟软件来模拟安装在自动驾驶车辆上的各种传感器，例如摄像机，车手，雷达等。另一款是AI汽车电脑，NVIDIA DRIVE Pegasus，它运行自动驾驶汽车的软件，并将它们视为来自实际在路上行驶的传感器的数据。
引入自动驾驶汽车需要数十亿公里的运行测试和验证。这应该确保安全性和可靠性。 Drive Constellation是一个解决方案。虚拟仿真可以提供数十亿公里的场景和虚拟测试，从而提高算法的安全性和可靠性。据说，在实际道路上进行测试在时间和成本方面都是有益的。
在该系统中，GPU将模拟的传感器数据传输到驱动器Pegasus以生成并处理它。 Pegasus驱动器中的驱动指令是在硬件在环中进行的，例如进入模拟器。此循环每秒完成30次，Drive Pegasus运行的算法和软件将使用它来验证模拟车辆是否正常工作。
驱动模拟软件可创建数据流并生成各种测试环境，包括风暴或暴风雪等不寻常的天气，时间的日照，能见度有限的白天环境，数十亿公里的地形和道路。这使他们能够测试自己对自动驾驶汽车做出反应的能力，而不会让人处于危险之中Drive Constellation将于今年第三季度上市。
NVIDIA还宣布推出Quadro GV100，这是一款支持实时光线追踪的显卡。乳胶赛是一种技术，通过与自然环境相同的结构再现进入眼睛的光的过程和外观，可以创建接近现实的CG。 Quadro GV100能够实时操作。
它采用了NVIDIA RTX，这是一种支持实时渲染支持和Volta架构的技术。 5,120个Cuda核心，640个张量核心和32GB HMB2格式存储器。它提供7.4TFLOPS的64位双精度（FP64），14.8TFLOPS的单精度（fp32）和118.5TFLOPS的拉伸性能。
Quadro GV100可以使用NVR将内存扩展到64GB，并且可以通过虚拟现实和改进的AI渲染性能实现协同设计。价格是8,999美元。
在此次活动中，NVIDIA宣布了一系列联盟。该公司将与软银旗下的半导体IP公司ARM合作，将深度学习加速器（NVIDIA深度学习加速器）集成到ARM的机器学习解决方案Project Trillium平台中。 Nvidia表示，它希望互联网芯片公司能够轻松地为设计，低成本智能和数十亿消费者提供智能设计。
NVIDIA还宣布将Tensor RT（TensorRT）推理软件整合到Google张量流框架中。它将扩展对AI相关框架的支持，以帮助提高深度运行的质量，同时有助于降低服务器成本。
Add comment