NVIDIA发布三款新品,各自侧重点有何不同? | GTC China 2016

NVIDIA今天在GTC China2016上发布了新的产品:专为深度学习设计的推理加速器Tesla P4和Tesla P40,以及专为自动驾驶和汽车人工智能开发的低功耗计算机Drive PX2 for autocruise。

NVIDIA的传统强项是桌面和移动PC GPU,不过坚定的向着AI大踏步迈进的它显然已经不满足于一味的在单一领域做提高GPU性能的事了。我们曾经提到过,AI的研发和应用分为好几个阶段,NVIDIA传统的计算密集型GPU产品只会对训练算法这一项起到显著的改善作用,但NVIDIA显然是不会甘心只拿下这一领域的,而是希望将整个开发流程都包括进去。P4和P40同之前放置于超级计算机DGX-1内的P100定位类似,但功能侧重点有所不同。P100专注于加速神经网络的训练速度。而P4和P40专注于提高CPU的推理,也就是逻辑运算效率。一下是3款新品的侧重点盘点:

P4 VS P40 VS Drive PX2 Autocruise

一. P4专注于提高CPU的推理,也就是逻辑运算效率。

* 单精度浮点为5.5 TeraFLOPS * INT8指标为22 TOPS * 内置8GB GDDR5显存 * 2560 CUDA核心 * 支持192 GBPs带宽。 * 集成72 亿个晶体管 * NVIDIA称P4性能是去年发布的M4的四倍 * 主要负责图像、文字和语音识别

二. P40专注于提高CPU的推理,也就是逻辑运算效率。可将CPU推理加速40倍。

* 单精度浮点为12 TeraFLOPS * INT8指标(衡量深度学习)为47 TOPS * 内置24GB GDDR5显存 * 3840 CUDA核心 * 346 GBps带宽 * 集成120 亿个晶体管 * NVIDIA称P40性能是去年发布的M40的四倍 * 主要负责图像、文字和语音识别

三. PX 2 AUTOCRUISE计算平台适用于自动巡航功能(包括高速公路自动驾驶和高清制图)

* 能够实时了解周边情况 * 在高精度地图上精确定位,以及规划安全行车路线。该平台采用了新型单处理器配置 * 帮助车辆利用深度神经网络处理来自多个摄像头和传感器的数据。 * 功率仅为10W

着重提一下Drive PX2 Autocruise

不过,这些都还算是NVIDIA的传统强项。其各项数据指标除了比前代产品m4/m40更快更高更强一点也没有太多值得说的地方。令人感兴趣的反而是这块看起来弱弱的Drive PX2 Autocruise。

首先一个非常亮眼的数据是它的功耗只有10w,这或许是因为它使用的是NVIDIA为移动平台开发的Tegra系列处理器,不过不管怎样这个功耗可以说是十分亮眼的,因为同等级的FPGA产品的功耗水平也基本就是在这个程度,甚至还会更高一些。并且它的功能定位聚焦于高速公路上的自动巡航,而并不是整个自动驾驶领域。这也很好理解,单移动处理器的架构和极低的功耗必然无法支撑起超大规模的计算。不过NVIDIA的意思也不在于此。

NVIDIA表示,这款产品可以同NVIDIA的DGX-1相配合。在NVIDIA描述出的图景中,数据科学家可以在数据中心利用NVDIA DGX-1训练深度神经网络,然后把训练好的神经网络在车辆配备的NVIDIA DRIVE PX2上运行。NVIDIA为DGX-1和Drive PX2 for autocruise开发了完全相同的NVIDIA DRIVEWorks算法、库、工具。让研究者可以方便的进行通用开发。

也就是说,这台计算机(Drive PX2 for autocruise)一开始就不是设计用来开发的,而是一台应用层面的设备。也就是说,NVIDIA用产品囊括完整AI开发流程的行动又开始了一个新的阶段。

小结

今天会上,黄仁勋着重表示——P4专为加速1U OCP服务器而设计,功率仅为50W;P40专为最大吞吐量而设计,能将CPU推理加速40倍。连同在今年美国GTC上将发布的超大规模数据中心加速器Tesla p100与P4/P40将在深度学习的训练和推理两端,为数据中心带来端到端的深度学习平台。

至此,NVIDIA在人工智能领域已经形成了以Tesla P100和DGX-1为核心的训练系统;以P4/P40和Tensor-RT为核心的数据中心推理系统;以及以DRIVE PX 2与Driveworks为核心的智能驾驶体系。通过全面布局构建了端到端的深度学习平台。

在这场发布会上,Drive PX2 autocruise的战略地位可能甚至会高于P4和P40。虽然它是一块自动驾驶芯片,不过NVIDIA的真正意图应该还是跳出作为传统强项的AI研发领域,通过这款产品为自己在AI应用层面的进一步发展做准备和试验。NVIDIA明显已经铁了心要成为AI的领导者之一,要达到这个目的,类似Drive PX2 for autocruise这样的针对特定场景设计的计算机是必不可少的。这款产品也可以看作是NVIDIA的一个试水之作,如果其获得了足够的成功,我们可能很快就能在其他一些物联网产品上也看到NVIDIA的身影了。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-09-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

深度学习的硬件之争关键年:NVIDIA, AMD, Intel鹿死谁手?

1633
来自专栏阮一峰的网络日志

最有效的五步推销法

今天,我读到一篇文章,作者是美国的一个企业咨询专家,介绍他见过的最有效的 PPT,总结了其中的模式。我觉得太实用了,一定要做一下笔记。

1153
来自专栏企鹅号快讯

看机器学习和商业智能如何改善医疗保健的

商业智能概念,如描述性,诊断性,预测性和规范性分析,听起来像医学术语,实际上可以用于挽救生命的医疗保健方式。 在以患者和以人为中心的医疗保健领域,我们对机器学习...

2518
来自专栏人工智能头条

人机交互如何改变人类生活 | 公开课笔记

1171
来自专栏机器之心

观点 | 人工智能搁浅了?听一听纽约大学教授Gary Marcus怎么说

选自New York Times 作者:Gray Marcus 机器之心编译 参与:路雪、黄小天 近日,Gary Marcus 在纽约时报上发表了一篇题为《Ar...

36510
来自专栏新智元

2017 AI四大成就:自学写代码、发现新太阳系、击败围棋高手、击败无限扑克高手

编辑: 弗格森 全月 【新智元导读】2017年AI都有哪些耀眼的成就,除了大家耳熟能详的AlphaGo,还有自学写代码的AI,能发现另一个太阳系的AI。 20...

3785
来自专栏leland的专栏

游戏与人工智能

在人工智能的发展上的道路上,游戏到底扮演着一个怎样的角色?也许接下来五分钟的阅读(多图预警),会让你得到一个较为清晰的答案。

38224
来自专栏新智元

英特尔AI产品事业部CTO专访:谷歌TPU表明纯GPU不是最佳架构

【新智元导读】去年,英特尔以 4 亿美元收购深度学习芯片研发公司 Nervana,将其作为公司深度学习的核心,并围绕Nervana 在今年年初成立统一的人工智能...

2976
来自专栏Data Analysis & Viz

最全知乎专栏合集:编程、python、爬虫、数据分析、挖掘、ML、NLP、DL...

上一篇文章《爬取11088个知乎专栏,打破发现壁垒》 里提到,知乎官方没有搜素专栏的功能,于是我通过爬取几十万用户个人主页所专注的专栏从而获取到11088个知乎...

2922
来自专栏镁客网

iPhone X VS三星Note8,谁在用户体验效果上更胜一筹?

1060

扫码关注云+社区