拿下比亚迪发布新GPU,英伟达继续笑傲

北京哪里治疗白癜风手术好 https://wapjbk.39.net/yiyuanfengcai/yyjs_bjzkbdfyy/
原创文章未经授权请勿转载

3月22日，英伟达GTC上，黄仁勋宣布了一系列新产品，从全新的数据中心GPU、CPU到用于自动驾驶的下一代计算平台Hyperion9，英伟达推出的新品在性能上都至少将是翻倍的。

尽管这场发布会的主角是用于数据中心的HGPU和GraceCPU，但在自动驾驶方面，英伟达也公布了相当多的新消息。

Hyperion9将从年开始上车，该参考设计包含2颗Atlan芯片，传感器配置方面，包括14个摄像头、9个雷达、3个激光雷达和20个超声波传感器。

按照之前英伟达公布的Atlan性能，Hyperion9的计算平台算力将达到TOPS，英伟达也表示，由于传感器数量的增加，Hyperion9处理的传感器数据量将两倍于Hyperion8。

Orin将于本月（3月）开始发售，这意味着新势力的新车型交付也许将会加快。老黄已经把芯片拿出，交不出来车，老黄可不背锅。

Atlan此前公布的SOP时间是年，按照本次公布的Hyperion9推出时间，这个时间预计将不会发生调整，这也意味着，Orin将在未来的三年内继续担当英伟达自动驾驶芯片的旗舰重任。

合作方面，英伟达在大会上宣布与比亚迪达成合作，比亚迪将从年上半年开始投产的汽车上搭载DRIVEOrin计算平台。

另外，英伟达还公布了在自动驾驶地图和仿真方面的情况。英伟达预计到年底，将完成绘制并创建北美、西欧和亚洲所有主要公路的数字孪生，总长度约为50万公里。

数据中心业务方面，英伟达推出了AGPU的继任者H，在所有的数据格式下，H的性能都至少是A的三倍，同时功耗也达到了惊人的W。

此前，特斯拉、蔚来等主机厂已经向英伟达购买A用于自动驾驶训练，H的出现，预计将会进一步提升自动驾驶训练的效率。

黄仁勋表示，之前的AI以感知和模式识别为中心，例如图像识别、语音理解、推荐算法等，下一代AI浪潮是机器人，AI要有相应的规划和行动，英伟达正在构建多个机器人平台，包括用于自动驾驶的NVIDIADRIVE，Omniverse将是构建这些平台的核心。

英伟达对Omniverse寄予厚望，野心之大，已经希望将整个地球进行数字孪生，相比之下，自动驾驶可能只是Omniverse中的一个应用。

一

机器人，是英伟达为自动驾驶找到的分类，也是黄仁勋所认为的下一代AI浪潮。

关于如何打造一个机器人系统，黄仁勋将其简化为四部分：

收集和生成真值数据；

创建AI模型；

使用数字孪生进行仿真；

操作机器人。

其实我们也可以将这四步理解为：感知、训练、仿真、执行。

到了自动驾驶领域，英伟达规划了一套全栈的端到端方案NVIDIADRIVE。

对于真值数据，英伟达通过DeepMap高精地图、人工标记数据和OmniverseReplicator（用于数据合成）来进行收集和生成；

对于训练自动驾驶的AI模型，NVIDIAAI软件平台和DGX超级计算机可以提供相应的服务；

对于仿真，英伟达通过Omniverse中的DriveSim来进行；

DRIVEAV则是运行在英伟达车载芯片上的自动驾驶应用，包含了软件和算法模块。

而上述的Drive平台得以建立，还需要在终端部署强悍的自动驾驶硬件架构，即自动驾驶计算平台和传感器配置。

这其中，又以自动驾驶芯片为最关键。

年，英伟达发布TegraX1，实质性放弃移动端的竞争，开始战略性转向汽车市场。

到年，英伟达发布Xavier，引入DLA（深度学习加速器），英伟达开始真正在汽车市场找到感觉。

到了Orin的发布，英伟达在自动驾驶领域开始大放异彩，几乎囊括了所有主流的汽车制造商和自动驾驶公司。

英伟达曾经表示，从Xavier开始，Orin和Atlan在外形尺寸上、计算平台上，与Xavier都是兼容的，这意味着，英伟达的自动驾驶芯片和计算平台设计将不断趋于成熟。

除了自动驾驶芯片，英伟达的历代自动驾驶计算平台也颇具看点。

早在年，英伟达就推出了第一代的PX平台和CX平台，分别用于自动驾驶和座舱；

年，英伟达推出的PX2平台，引入了独立GPU，英伟达称可以支持多系统，如IVI、仪表和ADAS系统，特斯拉是这一平台的客户；

年推出的PXPegasus（也就是Hyperion7.1），采用了Xavier芯片和图灵架构GPU，虽然算力喜人，但功耗也非常高，基本是自动驾驶公司在用；

年推出的Hyperion8.1首次将传感器纳入参考设计中，并采用了两颗Orin，不再包括单独的GPU，奔驰、捷豹路虎目前是这一代产品的用户；

本次推出的Hyperion9，不论是在算力上还是传感器上，都进入到一个全新的水平，但同时量产时间也到了年。

与自动驾驶芯片相比，新势力等车企并不愿意直接搭载英伟达的计算平台，而是选择Tier1来代工，自己搞定软件和算法，英伟达计算平台的客户也并不多。

Hyperion8将从年起搭载到在梅赛德斯-奔驰的汽车上，年搭载到捷豹路虎的汽车上；Hyperion9目前还没有公布客户。

二

数据中心业务，从深度学习浪潮以来成为英伟达的核心业务，也是最重要的利润来源。现在，黄仁勋称数据中心为“AI工厂”。

黄仁勋表示，一些公司通过处理和提炼数据来打造AI，构建智能，其数据中心就是AI工厂。

英伟达为这些AI工厂打造全新的引擎，这就涉及到了英伟达的数据中心三芯战略：包括用于加速计算的GPU、用于通用计算的CPU、用于处理和移动数据中心数据的DPU。

这里我们主要介绍下数据中心GPU。

H是英伟达本次GTC重磅发布的产品，作为AGPU的继任者，H采用全新的Hopper架构，台积电4N工艺制造，拥有亿个晶体管，搭载了HBM3显存，片上带宽为4.9TB/s，显存容量为80G。另外，H也是首个支持PCIe5.0的GPU。

相比之下，英伟达的A，采用Ampere架构，7nm工艺制程，拥有亿颗晶体管，采用了HBM2显存，显存带宽为GB/s，最高版本显存为80G。

算力方面，

H在FP8格式下的算力为TFLOPS，是A的6倍；

FP16格式下算力为TFLOPS，是A的3倍；

FP32格式下算力为0TFLOPS，是A的3倍；

FP64/FP32格式下算力为60TFLOPS，是A的3倍。

其中，FP8是英伟达最新引入的Tensor处理格式。

H采用风冷和液冷设计，功耗也达到了W。

而英伟达A的TDP功耗是W，特斯拉Dojo的D1芯片的TDP功耗是W，两者在性能上也比较接近，这也意味着，H的性能将远超特斯拉D1芯片。

多实例GPU（MIG）是英伟达数据中心显卡的一项重要功能。

在A上，多实例GPU可将A划分为多达7个实例，每个实例均与各自的高带宽显存、缓存和计算核心完全隔离，可在单GPU上同时运行推理、训练和高性能计算工作负载，并为每项工作负载提供适当规模的GPU实例，在开发灵活性和GPU利用率方面较为友好。

H同样可以被切割为7个实例，每个实例的性能相当于两个完整的T4（英伟达用于云端推理的GPU，int8算力为TOPS）。

黄仁勋表示，H已经开始投产，将于三季度开始供货。

乍看起来，H似乎和汽车产业并没有关系，但由于自动驾驶的推进，云端训练中心正在成为车企的一项重要工作。

英伟达曾经表示，一支由50辆测试车组成的车队如果每天行驶6小时，每天会产生1.6PB数据。

年，英伟达中国的一位员工在一次公开课上表示，开发L2级别辅助驾驶系统，需要在数据中心布置0-个GPU进行云端训练，L3级别辅助驾驶系统则需要1万个GPU，L4/L5级别自动驾驶系统需要2.5万个GPU。

来自这名员工的消息称，年，特斯拉对外公布了由张英伟达A80G组成的Dojo原型机，在此之前，特斯拉已经购买了上万张的英伟达V，在Dojo原型机之后，特斯拉又继续购入英伟达A，目前特斯拉已经从英伟达处购买了2万张GPU。

除了特斯拉，蔚来也在年底宣布将采用英伟达A80G和MellanoxInfiniBandConnectX-6打造超级计算机。

以特斯拉的数据来看，英伟达上述预测可能偏保守，特斯拉在仅有多万辆车队的情况下，就已经用掉了2万张GPU。如果全世界所有的车辆都将配备自动驾驶功能，未来用于自动驾驶训练和仿真的GPU用量至少还有上千倍的增长空间。

毫无疑问，这对于英伟达是好消息。

尽管特斯拉打造了D1和Dojo，但特斯拉曾经也在年财报会上表示，打造自研（云端）芯片并不是必须的，自研芯片主要是为了提高效率、降低成本。

如今，H在性能上极大领先英伟达A和特斯拉D1，并且将于三季度开始供货，对于还没有量产的特斯拉D1来说，压力自然来到了特斯拉这一边。

是选择打造专用的方案，还是选择英伟达的通用方案，对于特斯拉和很多车企来说，主要在于成本和收益的取舍。

三

Omniverse，这一词汇，越来越频繁地出现在英伟达的各种场合，自然也是本次GTC的重点。

Omniverse相当于是英伟达软硬件技术的集大成者，融合了英伟达在图形、物理学、仿真、AI和计算技术等方面的能力，英伟达希望通过该平台来为各行业各业赋能，并最终通过Omniverse实现地球的数字孪生。

Omniverse，是基于英伟达光线追踪GPU和皮克斯的USD（UniversalSceneDescription）数据格式的实时图形和仿真模拟平台，可进行3D虚拟世界实时模拟和协作，Omniverse遵循物理规律，可以模拟粒子、流体、材料、弹簧和线缆。

年10月，英伟达发布Omniverse，侧重于仿真测试；

年4月，Omniverse发布企业版本；

年11月，发布Avatar和Replicator，强化在软件端布局。

为了支持Omniverse，英伟达在本次GTC上发布了第一代OVXOmniverse计算机，这台计算机的重要特性是时间同步和低数据传输延迟。

黄仁勋表示，Omniverse是DRIVE等平台的核心。

Omniverse目前在自动驾驶领域有两个主要应用：DriveMap和Drivesim。

先说DriveMap。

黄仁勋称，DriveMap是一种多模态地图引擎，包括摄像头、雷达和激光雷达的数据，它可以单独定位到地图每一层。

DriveMap有两个地图引擎：真值测绘地图（DepthMapGroundTruth）和众包车队地图。

英伟达预计到年底，将完成绘制并创建北美、西欧和亚洲所有主要公路的数字孪生，总长度约为50万公里，数百万乘用车将不断拓展和更新该地图。

英伟达在年收购了高精地图初创公司DeepMap，从黄仁勋的PPT上看，这家公司将主要承担DriveMap业务，这家公司在去年也发布了高精地图开放平台DeepMapRoadMemory。

Drivesim方面，英伟达本次介绍了两种场景仿真方法。

第一种，以DriveMap为主，可以为整个世界创建高度精确的3D表现形式，地图将会被加载到Omniverse中，建筑、植被和其他路边目标均会生成，系统对之前驾驶过程中遇到的运动目标、汽车和行人进行推理和定位，并放入数字孪生中，然后就可以进行仿真和测试了。

第二种方法是使用神经图形AI（NeuralGraphicsAI）和Omniverse，将预先录制的驾驶视频转换为可回放和可修改的驾驶过程，重建3D场景之后，英伟达可以改变现有车辆的行为或添加车辆，来进行闭环仿真和测试。

关于Drivesim，值得多说几句。

在Drivesim之前，英伟达发布过自动驾驶仿真平台DRIVEConstellation，值得注意的是，这个平台并不基于Omniverse，而Drivesim相当于是基于Omniverse的高阶自动驾驶仿真平台。

相对于常规的自动驾驶模拟平台，有了Omniverse能力的加成，DRIVESim主要有两个特点：感知仿真和数据合成。

感知仿真

借助英伟达的光追技术，可以将现实世界和传感器更加真实准确地模拟出来，进行感知的模拟，并对感知算法做验证。

感知仿真的加入，使得英伟达DRIVESim在自动驾驶感知、规划、控制的验证上实现了闭环，可进行自动驾驶端到端的模拟仿真。

数据合成

使用DRIVESimReplicator生成高保真的合成数据，这些数据能够训练车辆的感知系统或测试决策流程。

DRIVESimReplicator主要针对一些难以标记的数据，以合成方式生成难以标记的真值数据，在收集到真实数据之前就可以训练AI模型，以填补在对真实场景下无法有效标记的数据缺口。

合成数据可以扩展训练数据，尤其是在车企或自动驾驶公司刚开始进行自动驾驶训练时，采集数据规模不够的时候，是比较友好的。特斯拉在去年的AIDay上也公布了关于合成数据用于自动驾驶仿真的方案。

在介绍完了上述产品之后，黄仁勋仍不忘表示，不论是DRIVEMap、DRIVESim、Hyperion8还是DRIVEAV栈，车企既可以单独使用，也可以打包使用，彰显着英伟达的开放姿态。

结语

英伟达既是人工智能时代的推动者，也是这个时代的巨无霸。

它很难再被定义为一家显卡厂商或芯片厂商，它的能力已经覆盖到了硬件、系统软件和库、软件平台、AI和机器人应用框四个层级，并提供一站式的AI输出能力。

英伟达所涉及的行业也已经不再是游戏、娱乐等行业，而是渗透到了汽车、医疗、能源、交通、零售、金融、娱乐等各个领域。

英伟达试图在成为AI时代的基础设施，并通过一种通用方案为其他行业赋能，以加速AI的进展。

假如有一天，通用人工智能实现了，人们回望起21世纪20年代，历史会怎样书写英伟达？

建约车评只做有价值的汽车科技报道