凤凰网汽车

原标题:尽管推出了更强大的GPU芯片，但英伟达宣布暂停自动驾驶实路测试，主推虚拟现实测试

英伟达再一次在提升计算力的路上越走越远，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。

文丨AutoR智驾 明阳

英伟达在GPU 2018技术大会开始前宣布暂停自动驾驶测试，受此影响，发布会一开始，英伟达股价同步下跌，至发布会结束，英伟达股价累积下跌6.64%。

进而，在大会期间黄仁勋多次强调“多买GPU，多省钱”来推销自己的产品。

全球最大GPU：DGX-2

不出所料，这届GPU 2018技术大会上，老黄并没有发布最新的GPU构架，而是带来了在六个月前发布的DGX-1基础上对产品的深度学习计算平台进一步提升的DGX-2，DGX-2是NVIDIA DGX产品组合中的最新产品。该组合由三个系统组成，旨在帮助数据科学家快速开发、测试、部署并扩展全新的深度学习模型及创新成果。

DGX-2能够在不到两天的时间内完成对 FAIRSeq 的训练，FAIRSeq 是一种采用最新技术的神经网 络机器翻译模型，其性能提高了 10 倍。

被老黄称之为世界上最大的GPU—DGX-2 采用 NVSwitch 系统，其中采用的 16 个 GPU 均共享统一的内存空间，DGX-2 具有 300 台服务器的深度学习处理能 力，占用15 个数据中心机架空间，而体积则缩小 60 倍，能效提升 18 倍，DGX-2 系统通过借鉴 NVIDIA 为所有层级的计算堆栈开发的各种业界领先的技术优势，能够提供每秒两千万亿次浮点运算能力的单点服务器。

DGX-2 结合了全面优化更新的 NVIDIA 深度学习软件套件，其意义是突破深度学习研 究和计算的外部极限。

这让开发者获得了相应的深度学习训练能力，以处理最大规模的数据集和最复杂的深度学习模型。

黄仁勋称，“深度学习的超凡 进展仅仅是对未来的启示。其中的很多进展都是基于 NVIDIA 深度学习平台，该平台已快速成为 全球标准。我们正在以大幅超越摩尔定律的步伐加快提升平台的性能，以实现突破，进而为医 疗保健、交通运输、科学探索和其他众多领域带来革命性改变。”

此前，DGX-1使用的Tesla V100 GPU被全球领先的研究人员广为采用，2倍的内存提升使其能够处理大部分内存密集型深度学习和高性能计算工作负载。

微软技术院士兼语音和语言业务负责人黄学东表示:“在过去几年中，微软和 NVIDIA 在 AI 技术 方面的合作取得了巨大进展，包括最近在汉译英方面的突破。借助全新 Tesla V100 32GB GPU， 我们将能够更快速地针对更大规模、更为复杂的 AI 模型进行训练。这将有助于提升自身语音识 别模型和机器翻译模型的准确性，使其达到人类的水平，并强化 Cortana、Bing 和 Microsoft Translator 等产品。”

SAP 以色列创新中心副总裁 Michael Kemelmakher 表示:“我们采用 SAP Brand Impact 这款能够 近乎实时地对视频中的品牌曝光率进行自动化分析的应用，评估了搭载全新 Tesla V100 32GB 的DGX-1。内存的升级提高了我们在较大的 ResNet-152 模型上处理更高清晰度图像的能力，将平 均错误率降低 40%，进而能够提供准确、及时且可审计的规模化服务。”

如今Tesla V100 GPU配备了32GB内存，可实现更深度、更大规模的深度学习模型进行训练，且比以往都更加精确，与之前的16GB版本相比，它还能将内存受限的HPC应用性能提升高达50％。

目前，Tesla V100 32GB GPU可用于所有NVIDIA DGX系统。

向上路测试投降，推虚拟现实自动驾驶测试

在自动驾驶领域英伟达推出了一套用于使用照片级真实感模拟，基于云的自动驾驶汽车测试系统DRIVE Constellation 仿真系统，该系统为实现自动驾驶汽车上 路创建了一种更安全、可扩展性更好的方式。

全新数据中心解决方案集成了 NVIDIA DRIVE Pegasus，可运行 DRIVE Sim 软件，实现大量自动驾驶汽车的测试与验证，在虚拟现实环境中测试自动驾驶汽车安全行驶数达十亿英里。

黄仁勋称，“DRIVETMConstellation，这是一款基于两种不同服务器的计算平台。”

第一台服务器运行 NVIDIA DRIVE Sim 软件，用以模拟自动驾驶汽车的传感器，如摄像头、激光 雷达和雷达。

第二台服务器搭载了强大的 NVIDIA DRIVE PegasusTM AI 汽车计算平台，可运行完整 的自动驾驶汽车软件堆栈，并能够处理模拟数据，这些模拟数据如同来自路面行驶汽车上的传 感器。

NVIDIA 汽车事业部副总裁兼总经理 Rob Csongor 表示:“要实现自动驾驶汽车的量产部署，需要 一种能够在数十亿英里的行驶中进行测试和验证的解决方案，以实现客户所需的安全性和可靠性。借助 DRIVE Constellation，将视觉计算和数据中心方面的专业知识相结合，实现了这一 目标。借助虚拟仿真，我们可通过对数十亿英里的自定义场景和极端情况进行测试，从而提高 算法的稳定性，其花费的时间和成本仅为实际道路测试的一小部分。”

仿真服务器由 NVIDIA GPU 提供支持，每台服务器都会生成仿真传感器数据流，并将其传送至DRIVE Pegasus 进行处理。

DRIVE Pegasus 的驾驶指令会反馈给仿真器，以完成数字反馈循环。

这一“硬件在环”周期的发 生频率为每秒30次，可用于验证在 Pegasus 上运行的算法和软件对仿真车辆进行的操作是否正确。

DRIVE Sim 软件可生成照片级逼真的数据流，以创建大量不同的测试环境。它能够模拟诸如暴雨和暴风雪等不同天气状况。也可以根据一天中不同时间内的光线变化，或是夜间受限的视野，以及所有不同类型的路面和地形的变化作出判断。

在模拟过程中可设置各种危险情况，来测试自动驾驶汽车的反应能力，以确定其不会对任何人的安全造成威胁。

IHS Markit 研究与分析总监 Luca De Ambroggi 表示:“自动驾驶汽车的开发需要一套从训练到测 试、再到驾驶的完整系统，而 NVIDIA 的端到端平台便是正确的方法。DRIVE Constellation 可用于虚拟测试和验证，这让我们与实现自动驾驶汽车的量产更进一步。”