英伟达股价暴涨17%、5大AI新品，GTC上黄仁勋都讲了啥?(含PPT)
编者按：北京时间 5 月 11 日 00：00，万众瞩目的英伟达 CEO 黄仁勋 Keynote 演讲，在加州圣何塞举行。全场长达两个多小时，本场主题演讲的话题涉猎面其实很广： VR、Volta、超算、GPU 云服务、自动驾驶芯片、以及机器人训练。英伟达也恰恰在 GTC 举办的同时，公布了 2017 年第一季度的财报。财务数据显示，NVIDIA 在 2017 第一季度营收同比增长 48%，达到 19.4 亿美元。看来，英伟达已经如同老黄所说，已完全转型成为领先的 AI 企业。
今年的 NVIDIA GTC 开发者大会，与往年颇有些不同。
北京时间 5 月 11 日 00：00，万众瞩目的英伟达 CEO 黄仁勋 Keynote 演讲，在加州圣何塞举行。全场长达两个多小时，雷锋网记者在媒体中第一位入场，坐在了前排中央。然而，整场演讲下来，老黄并没有一句提到游戏。
本场主题演讲的话题涉猎面其实很广： VR、Volta、超算、GPU 云服务、自动驾驶芯片、以及机器人训练。但是，所有这些话题都有一个共同点：要么基于 AI、深度学习技术，要么为 AI、深度学习技术服务。
英伟达也恰恰在 GTC 举办的同时，公布了 2017 年第一季度的财报。财务数据显示，NVIDIA 在 2017 第一季度营收同比增长 48%，达到 19.4 亿美元。在过去一年里，NVIDIA 致力于深度学习的计算系统解决方案极大推动了语音识别、机器视觉、虚拟助手、自动驾驶等领域的发展，而其在各行各业的核心开发者也成为这家 “核弹公司” 源源不断的增长动力。
发布五大革命性产品
看来，英伟达已经如同老黄所说，已完全转型成为领先的 AI 企业。本届 GTC 的主题，便是 AI & 深度学习。当然，还有划时代的深度学习硬件 Volta。下面，便是本届 GTC 英伟达发布的五大革命性产品：Project Holodeck、Volta、英伟达 GPU 云、Xavier DLA，以及 Isaac 机器人模拟机。
1. Project Holodeck
Project Holodeck 是老黄发布的第一个产品，堪称是本届 GTC 的开胃菜。它将 VR 和 AI 的顶尖技术相结合，所构建的 VR 社交、工作空间。它有三大特点：
照片级逼真的视觉
物理交互
协作
其中最大的亮点，无疑是物理交互体验。老黄表示，虚拟共享空间必须要遵从物理定律，否则就无从营造真实世界般的沉浸感。相比之下，同属 VR 社交空间应用的 Facebook Spaces，并没有这么强调物理属性。
英伟达与顶级跑车制造商科尼塞克合作，甚至请科尼塞克创始人 Christian Koenigsegg 利用 VR 化身（上图中的虚拟人）“现身” 说法。
演示中，有两个细节值得我们注意：
当 VR 化身触摸方向盘时，其 “手掌” 并不会像网游那样穿过方向盘，而是能实实在在地握住它。雷锋网获知，用户还能在 Project Holodeck 里举起东西。这充分展示了 “物理交互”。
Project Holodeck 导入了科尼塞克最新车型（上图）的全部三维数据——不仅仅是外观，还有内饰、零件。随老黄一声令下，整部车分解成一个个的独立零件；展示了让 VR “不止于社交” 的可能性。
Project Holodeck 将于 9 月开放早鸟体验。
2. Volta 架构
没错，Volta 终于来了。继 Pascal （帕斯卡）之后的新一代 GPU 架构，在万众期待下亮相。对于绝大多数观众，不论 GTC 推出了多少 AI 工具，都无法遮掩 Volta 作为本届大会心脏的事实。
毕竟，英伟达今后二至三年的 GPU 产品线，全都要由 Volta 供血。虽然 Volta 架构的游戏显卡最快在今年底才可能与大家见面，但通过深度学习卡，也可一窥 Volta 的满血性能。那么在本届 GTC，英伟达推出了哪些基于 Volta 的产品？
答案是 Tesla V100，以及基于它的深度学习计算机 DGX-1 和 DGX Station。
3. Tesla V100
“迄今为止英伟达难度最高、最复杂的项目；
耗费数千工程师数年光阴来完成；
全世界有史以来最昂贵的计算机项目（研发支出为 30 亿美元）。”
说的就是 Tesla V100，基于新一代 Volta 架构。但英伟达在它身上实现的壮举远不止与此：
Tesla V100 的芯片面积是惊人的 815 平方毫米，约等于一块 Apple Watch，真正达到光刻技术的极限。老黄说：“不可能做出比这再大的 GPU 芯片…… 我把这看做是几乎‘不可能实现的’，是制造技术的一项不可思议的惊人绩业。”
来自三星的 16GB HBM2 显存，带宽达到惊人的 900 GB/s。
详细规格见下图：
Tensor Core
相比 Pascal，Volta 有全新的张量运算指令，这就是 Tensor Core。
它既是指令也是数据格式，是 4*4 的矩阵处理阵列。它使得 Volta 的训练吞吐量达到了 Pascal 的 12 倍，推理吞吐量达到 6 倍。借助它，Tesla V100 的张量运算能力达到 120 TFLOPS。
TensorRT
它是 Volta 的高性能神经网络推理引擎，或者说编译器。目的是为推理运算快速地优化、验证、部署训练好的神经网络。
老黄解释道：” 训练完成之后，用于训练神经网络的框架会生成图。图需要为你使用的处理器进行优化、编译。我们把这称为 TensorRT。“
面向推理（inference）
众所周知，深度学习运算可被分为训练和推理两部分。从前， N 卡只关注训练，而在 Tesla V100 上，英伟达终于对推理 “动真格”。老黄表示，从 Volta 开始，英伟达 GPU 将对训练、推理兼顾，可谓是革命性的突破。如图所示，Tesla V100 的推理运算速度是 Skylake CPU 的十余倍不止。CPU、FPGA 和 TPU 们怕了么？
性能对比
这是 Tesla K80、P100 与 V100 三代架构的性能对比。在 Caffe2、Microsoft Cognitive Toolkit（CNTK）、MXnet 三大框架上，V100 取得了数倍的性能提升。以 Caffe2 为例，训练时间由 K80 的 40 多小时，缩减到 V100 的不到 10 小时。
4. DGX-1V、DGX Station 和 HGX-1
深度学习超级计算机 DGX-1 也把 GPU 升级为 Volta，这便是 DGX-1V。
它内置八块 Tesla V100，运算能力为惊人的 960 Tensor TFLOPS。老黄表示，过去 Titan X 需花费八天训练的神经网络，用 DGX-1V 只需八个小时。它相当于是 “把 400 个服务器装进一个盒子里”。
售价 149000 美元，即日起接受预定，第三季度出货。
DGX Station 则是缩小版的 DGX-1V，老黄称其为 “Personal DGX”，堪称是终极深度学习 PC。英伟达内部已经使用很久，每个工程师要么有 DGX-1V，要么有 DGX Station，再要么两个都有。这次，老黄决心把它推向市场。
它内置四块 Tesla V100，运算力因而是 DGX-1V 的一半。1500W 功耗，使用水冷。售价 69000 美刀。
另外一个基于 Tesla V100 的新硬件产品是 HGX-1。这是英伟达与微软合作开发的公有云服务器。老黄声称，这是业内首个堪称标杆的云图形加速器。它内置八块 Tesla V100，设计时就考虑了公有云服务器必需的多种任务处理与全能性。
英伟达 GPU 云
“这是世界上首个混合深度学习云平台”，老黄说。
每一名深度学习工程师大概都深有体会：在一台设备上创建、设置开发环境并不是一件省心的事。这花费的时间可能是整整一天，可能是一个星期、一个月，也可能灰心丧气干脆放弃。
为解决这一开发者的痛点，英伟达推出了 GPU 云。它的亮点非常直接——在几分钟内设置好本地开发环境。而这，只需要打包下载一整套英伟达优化、整合好的深度学习软件包。开发者所有需要的库和框架都包含在内，并且用容器 NVDocker 隔离。
它支持全部深度学习开发框架。当然，为利用云端成白上千 GPU 的强大计算力，开发者可一键在英伟达 GPU 云设立开发环境，上传工作进度。
英伟达 GPU 云 将在七月公测。
1. 开源 Xavier DLA
Xavier 是英伟达的自动驾驶 AI 处理器。它的创新之处在于，整合了 CPU、GPU 以及 DLA 三大处理器的优点：
AI研习社注：DLA 即深度学习加速器，前段时间很火的谷歌 TPU，便是 DLA。
Xavier 同时具备 CPU 的单线程性能，CUDA 的并行加速能力，以及 DLA 的计算机视觉特殊功能。
老黄宣布，为加速深度学习技术的普及和进步，将开源 Xavier DLA 供所有开发者使用、修改。初期版本将在 7 月开放，完整版本将于 9 月公开。
2. Isaac 机器人模拟机
Isaac （艾萨克）这个名字，来自于两个人：一是象征物理学的艾萨克 · 牛顿，二是象征 AI 的艾萨克 · 阿西莫夫。这是英伟达倾力打造的终极机器人 AI 虚拟训练环境。
在真实世界人为训练机器人有先天的局限性：人力成本过高，风险大，耗时长，效率极低。解决的方案，便是在虚拟环境进行机器人训练。这有点类似于训练智能体的模拟器 Deepmind Lab 和 OpenAI Gym。事实上，Isaac 直接连通 OpenAI Gym，借助后者的强化学习功能。
充分利用了英伟达在物理引擎上的造诣，老黄表示，Isaac 的目标是打造一个遵从物理定律的 “alternate universe”（替代空间）。虚拟训练空间将完全遵从现实世界的物理定律，除了时间。理想的情况是，在模拟机中学习过的机器人，就相当于已经预训练过。
而在时间上，机器人 AI 将以多重 “分身” 在 Isaac 中进行训练，每轮训练中最聪明的那一个，将进入下一轮分配给每个智能体；再从中选出表现最好的那一个进入下一轮，取代上一轮的所有智能体……
如此往复，以训练出最聪明的机器人 AI。
后摩尔定律时代的新出路
与 GTC 第一天的内容集中在图像处理不同，在两个小时的演讲中里，只有在开场不久列举深度学习对图像处理效果的改善以及中途演示《最终幻想》两处与图像处理有关，其他的时间中，老黄大谈特谈的是 AI，是深度学习，是计算能力，是数据中心，是为开发者提供更有效的硬件与平台。
在 2016 年，得益于人工智能红利，英伟达股价累计涨幅接近 200%，成为标普 500 指数涨幅第一名。而在这次 GTC 大会上，老黄的演讲再一次赢得了资本市场——在演讲中，英伟达的股价一直上升，到收盘时涨幅为 17.83%，市值达到了 720 亿美元。
如同黄仁勋开场所言：我们需要找到摩尔定律之后的路。在摩尔定律实效、微处理器增速降低到每年 10% 的今天，GPU 计算的崛起已经在引领着人工智能的革命。有这样一组数据可以佐证：在过去 5 年中，GTC 参会者增加了 3 倍，增长到 7000 人；GPU 开发者增长 11 倍，增长到超过 50 万人...... 而这一切对于英伟达来说只是一个时代的开始。
关注AI研习社微信公众号（ID:okweiwu），回复「GTC2017」，获得现场完整 PPT。
延伸阅读：从原理到实战 英伟达教你用PyTorch搭建RNN（下）
关注 AI 研习社后，回复【1】获取
【千 G 神经网络 / AI / 大数据、教程、论文！】
百度云盘地址！
开发者专场 | 英伟达深度学习学院现场授课
英伟达 DLI 高级工程师现场指导，理论结合实践，一举入门深度学习！
课程链接：mooc.ai（点击阅读原文抵达）