Nvidia是如何成为AI圈的弄潮儿
2017-06-04 14:30:03
  • 0
  • 0
  • 0

来源:人工智能学家

译者:李凌

概要:Nvidia旨在设计可以在被算法所驱动的世界中给客户提供他们自己需要的额外计算能力的AI图形处理器和AI芯片

Nvidia旨在设计可以在被算法所驱动的世界中给客户提供他们自己需要的额外计算能力的AI图形处理器和AI芯片

上图:Nvidia的联合创始人兼首席执行官JensenHuang表示,人工智能(AI)技术的广泛运用,如机器学习和深度学习,这将让他公司的发展前景充满希望。

洛杉矶:总部位于Santa Clara的Nvidia公司的联合创始人、总裁兼首席执行官Jensen huang表示,机器学习,深度学习,自然语言处理和计算机视觉等人工智能(AI)技术的广泛运用将很大程度上促进他公司的发展。

他的信心源于Nvidia设计的芯片,该芯片可以在一个被算法所驱动的世界中给客户提供他们需要的额外计算能力,这逐渐让AI技术的使用更具备商业价值,用户能知晓到他们生成的庞大数据,从而获得竞争优势。

这些被称为图形处理单元(GPU)的芯片有助于Nvidia推动前二十年的个人计算机游戏市场的发展。 Huang希望该GPU能被越来越多地使用,以此来帮助他的公司重新获得成功。

Huang认为即便是增加计算机中央处理器中单元晶体管的数量,也会导致应用的性能只有小幅增长,而专门被设计用于同时处理多个任务的GPU则能够使其更加适合于完成高性能的计算任务。

因此,黄建平表示,“制造完美的GPU”是Nvidia“创造最有效的深度学习平台”战略的关键部分,这是让AI使用量激增的主要因素之一。该战略的其他组成部分将围绕着展示各行业最前沿的人工智能应用、与其他公司建立伙伴关系、培养技术型企业并帮其建立人工智能系统展开。

AI前沿

如果说布丁的存在感是在吃饭中得以体现的,那么无人驾驶汽车和机器人则正在帮助Nvidia向整个AI圈展示其GPU和其他技术的力量。

例如,在2017年GTC(GPU技术大会)上,Nvidia宣布,全球10大公司之一——丰田汽车公司,已经选择了Nvidia来进行他们自动化汽车的研发。

自动化汽车需要车载超级计算机来处理和解读汽车上的所有传感器数据。在5月10日的声明中,Nvidia表示,虽然许多原型车都装有一个全是计算机的后备箱来处理这些复杂的任务,但Nvidia Drive PX平台所配备的下一代Xavier处理器,将变得更易于使用,它每秒可以提供30万亿次的深度学习操作。

Drive PX平台综合了从摄像机、激光雷达、雷达和其他传感器所生成各种的数据。后来它使用AI来了解汽车周围的环境,并将周围的这些环境如实的转化到高清地图上,然后预计驾驶时潜在的危险。

据Nvidia Drive介绍,“Nvidia Drive”基本上是一个跨越二级到五级的架构,从增强驾驶性能,一直到完全无人驾驶的系统。该公司的合作伙伴包括Robert Bosch GmbH,丰田和德国ZF ——业界最大的汽车供应商之一。

黄先生在他的主题演讲中也展示了Holodeck项目的潜力,“Holodeck项目”通过视觉,声音和触觉(应用触摸)融合了现实世界的存在感——以向观众演示科技如何与Koenigsegg Regera超级跑车合作的方式。演示展示了身处于Holodeck环境中的工程师是如何探索汽车、相互磋商并实时进行设计变更的工作过程。

同时,即便是整个世界已经对无人驾驶汽车的概念习以为常,空中客车集团也依然在从事GPU驱动型的自动空中出租车的研究。克里斯蒂安·瓦哈纳(ChristaVahana)是2016年初开始的一个项目,预期的设计是一架自主驾驶的不需要跑道的飞机,它可以自动侦测并避开障碍物和其他飞行器。AirbusA3(对外称为 “A-cubed”)的自主系统负责人阿恩·斯托舍克(Arne Stoschek)在空中客车公司(GTC)的演讲中说道,空中客车公司(Airbus A3)的设计是为了输送单程的旅客或货物。

此外,为了加强机器人领域,Nvidia宣布他们已经开发了Isaac——一种可以帮助其他机器人的虚拟机器人。不同于传统的手动编程的机器人,他们可以完成对其他机器人的编程,Isaac被用于去训练AI算法,如强化学习之类的,之后他的虚拟大脑被下载到Jetson-Nvidia的AI超级计算机中,以产生一个新的机器人。来自Isaac的进行了“预训练”的机器人就会像刚出生的小孩子一样醒来。领域适应的最后一点是在物理世界中完成。

培育科技初创企业

Nvidia目前正在全球培育1300家技术创业公司,作为其为期18个月的“初始”计划的一部分。欧洲,中东和非洲以及印度地区的负责人SergeLemonde先生的创业公司将能够帮助这些科技初创企业“在早期获得技术,资源,市场风险评估以及时不时通过GPU Ventures进行的融资”。

有一个关于Aleph Group Pte Ltd 公司的文化机器的例子,他们的标语是:用视频来自动的讲述故事。联合创始人兼首席技术官兼首席运营官Venkat Prasad解释说,在“机器学习GPU”的帮助下,这种文化机器每天能处理和分析大约150GB的数据,“每天可以创建3,000个视频”。

Prasad说:“我们使用我们的技术平台了解要被创建的内容:应该采用什么样的格式,需要讲什么类型的故事,以及需要给予什么类型的情感治疗”。

数据源自多个社交网站,包括Instagram,Snapchat,Facebook和YouTube,并将其提供给深入学习的卷积神经网络,不断地从数据中了解相关的格式。深入学习算法后推荐最合适的格式,并将“创意简介”发送到“文化机器”的“视频机平台”中,然后“创建一个自动视频”。

同样地,还要考虑以Cincinnati为基础的Genetesis Llc的案例,该公司对CardioFlux进行了临床试验- CardioFlux是一种非侵入式生物磁性成像系统,用于监测心脏的弱磁场。它由GPU提供支持,并会在90秒内生成心脏的电气性能的立体图。这就为医生提供了一种快速准确的方法来诊断动脉阻塞并确定其具体位置。

旧金山湾实验室公司希望通过采用将廉价的超声波扫描仪放在每位全科医生的手中的方式来对抗心脏病。通过训练GPU加速深度学习软件来识别超声图像,其目的是使扫描的结果更容易被解读。

建立人工智能生态系统

Nvidia同样认为和合作伙伴、各个公司和其开发人员一道建立一个人工智能的生态系统是非常有必要的。例如,它还与世界顶尖的AI实验室合作,无论是“多伦多大学”还是“斯坦福大学”、“伯克利大学”、“牛津大学”、“哈佛大学”、“麻省理工学院”还是“清华大学”或“东京大学”,我们正在同世界各地的20多所大学展开合作,得到这些在人工智能领域最棒,最聪明的人才的支持,并与他们直接合作,这使我们能够一起推进计算机未来的发展“,Huang说。

根据Nvidia开发人员兼副总裁Greg Estes的说法,Nvidia的深度学习研究所为开发人员、数据科学家和研究人员提供了有关于使用最新AI工具和技术的实践培训。Nvidia在5月9日表示,为了满足AI的专业知识需求,今年计划通过深度学习研究所培养出10万名开发人员,这比2016年的数量增加了十倍。国际数据分析公司估计,到2020年,80%的应用程序将拥有AI元件。

促进合作

“软件正在向全世界进军,正如马克安德森(Marc Andreessen)所说,但AI正逐步渗透到软件中去”,huang在5月10日的硅谷GTC的主旨演讲中表示。然而,AI这片领域都是些正领导着科技发展的公司,如Google,Intel,Microsoft,HewlettPackard,Qualcomm,Facebook和IBM等都想成为AI领域的领先者。

所有这些公司都与Nvidia进行竞争并进行合作。因此,除了推广使用GPU来驱动AI之外,黄先生的战略还包括与他的合作伙伴建立健全的合作伙伴关系,这是他们进行竞争与合作的保障。

谷歌于5月17日在其I/O全球开发者大会上宣布,它们将推出张量处理单元(TPU)的第二版 - TPU2芯片, Huang于5月25日在Nvidia的官方网站上表示:“在我们深入整合TensorFlow的性能的时候,很高兴能够看到这两支在AI计算竞赛中领先的团队,同时,我们将通过Nvidia CUDA GPU来加速Google的云计算。”

TensorFlow是Google的深度学习框架,而CUDA(ComputeUnified Device Architecture)是由Nvidia提供的免费软件平台,这可以让用户对GPU进行编程。

此外,阿里巴巴集团控股有限公司,亚马逊网络服务公司,百度公司,Facebook,Google,IBM,微软和腾讯控股有限公司等公共云服务提供商在其数据中心使用了Nvidia GPU,这促使Nvidia推出集合了深入学习框架、软件库、驱动程序和操作系统。

Nvidia还与SAP SE合作开发了名为“品牌影响”(Brand Impact)的产品,为品牌、媒体机构和媒体制作公司提供了完全自动化和可扩展的视频分析服务。 “使用着SAP的公司其实是正坐在一堆数据上的,”黄先生说,“如果我们能够找出一种可以使用人工智能来收获黑暗物质的方法,这将是非常有价值的。”

竞争的僵化

技术研究和咨询公司ConstellationResearch的创始人RayWang认为,Nvidia将“有利于AI的爆炸性增长。”王先生说:“成功的AI计算机有七个组成部分——大量的数据库,时间,数学人才/算法,领域内的专业知识,人类用户界面和推荐引擎。在未来,我们将以千瓦时/小时来支付人工智能的费用。那些以最低成本获得最大和最坏GPU的用户将会获胜。

印度研究和咨询公司Convergence Catalyst的联合创始人兼合伙人Jayanth Kolla也同意这个观点:“随着AI的发展和成长,特别是AI的神经网络和深入学习方面的发展,Nvidia有机会成为一个强大的企业空间玩家。

然而,他认为,Nvidia进入企业领域比其“有意识”更让人“意外”,因为五年前,谷歌、百度和Facebook等公司开始广泛使用神经网络和深度学习算法,并开始使用GPU, “特别是用Nvidia的GPU来训练他们的算法”。

既然该公司的芯片在过去五年中一直是AI服务器的选择,Kolla所说的的理由是,Nvidia有机会了解不断发展的技术和企业方面的需求,并且“在2016年开始设计并推出特定的AI芯片,也就是今年的最新款V100(Volta)“。

可以肯定的是,根据Kolla所说,来自于英特尔和谷歌对Nvidia的竞争是“确有其事的”。 “虽然长期以来,基于英特尔X-86的解决方案已经成为企业的应用程序和服务器场的首选处理器,而且该公司享有作为统治者的优势,但Google的优势是拥有端到端元器件——应用程序在个人设备上整理数据、AI算法和程序,训练数据集甚至是服务器场,Google在AI的竞争中处于领先地位,并可能将其开发定制的AI芯片组作为为行业标准”,他说。

根据Kolla所说,Nvidia所面临的最大挑战之一就是,它依赖于与其他大型公司的合作伙伴关系,以此来在AI领域开拓进取。“并且,尤其是在企业芯片组领域,Nvidia相对而言是一个新的进入者。”

“该芯片能够通过深度学习算法来识别照片中的对象,理解语音文本的多极翻译。他们(Nvidia)的芯片原始性能已经提高了40%,且其神经网络已准备就绪。然而,英特尔和AMD的Radeon本能芯片正在这个利润巨大的市场中你追我赶。王先生表示,AI研发人员的新的云服务功能是保持长期差异化的手段。

在他的GTC主题演讲中,黄先生回忆到:“斯坦福大学计算机科学系副教授李飞飞曾说过,‘AI大爆炸’是由三个基本要素组成的:深度学习算法和深度学习方法,大量的可用数据和在计算机中使用的GPU来将会加速深度学习的效率。

黄先生认为,开始于2012年的AI革命已经以指数的方式快速发展。他说:“并不是每个人都知道如何编程,但每个人都拥有数据。他们现在可以使用这些数据,利用他们所在领域的经验,他们的职业经历和他们的专业知识,教会一台计算机如何自动化工作。所以在我看来计算机教学是每个人都可以做的。我们已经使计算机大众化了。

印度战略

Nvidia的印度战略与其全球战略没有太大的不同。“我们的战略重点是通过GPU深度学习成为AI圈中的领头羊”,南亚区总经理Vishal Dhupar这样说到。

在印度,为了应用深度学习和解决“印度的大挑战”,Nvidia专注于与顶尖的实验室和研究人员合作; 在开发人员中,学生和研究人员将会增加Nvidia的平台和软件开发工具,并通过启动相应的计划来加速AI初创公司的发展。

Dhupar强调,为了利用深度学习的力量,印度将会一直处于一个人才交流活跃,充满活力的初创生态系统充满活力,IT服务和海外业务强大的环境中。Dhupar坚持认为,“互联网是一个开胃菜,AI才是真正的主菜。”

Dhupar指出,AI已经成为印度总理Narendra Modi的旗舰产品——Made in India, Skill India和Digital India中的一个重要组成部分。

Dhupar说,事实上,“拥有超过170多家的AI创业公司和进行研究的顶尖学术机构和大量的通过使用AI来创造竞争优势的公司是衡量印度AI潜力的重要指标。”

最新文章
相关阅读