本文来自DT君在CES威尼斯人酒店现场的
这究竟是一场什么样的发布会？其中一个正确答案是，这本来就不是一场发布会，而是CES（国际消费电子展）正式开幕前夜的专场演讲。
黄仁勋演讲前会场内的情形（图片来源：DT君）
按照惯例，CES正式开幕前夜的专场演讲都被“非官方”地认为是整个展会的“开幕致辞”，一般会由英特尔、微软等巨头公司占据，而今年的主讲嘉宾变成了Nvidia的黄仁勋。毫无疑问，他已然成为了本届CES的焦点人物。
一直以来，CES都是大屏彩电、笔记本、手机，以及其他家庭娱乐设备的展示舞台。当然，今年这些产品一个都不会少。
不过，2017 CES的大半江山已经被汽车自动驾驶系统和智能语音助理所取代，而来自Nvidia的芯片则是这些新兴产品的驱动核心。
自成立以来的23年中，Nvidia始终以研发高端电脑游戏所必须的GPU为主业。然而，未来消费电子行业的风口正日趋转向自动驾驶汽车、人工智能和虚拟现实，而 Nvidia 早已果断地站在了这个新的风口之上。
可以说，Nvidia是最早一批奔向新风口的芯片巨头。2年前，当自动驾驶汽车、人工智能和VR还只是人们茶余饭后的谈资时，这家公司已经开始不声不响地研发相应的产品。
2016年，Nvidia的股价上涨了230%，净利润达到12亿美元，比去年同期翻番。
值得注意的是，在微软风光无限的年代，比尔·盖茨和史蒂夫·鲍尔默都做过CES展会的开场演讲。当微软风光不再后，自2012年，CES开场演讲的机会落到了高通和英特尔手中，标志着PC和智能手机处理器进入全盛时代。
毫无疑问，Nvidia如今在CES夺得首秀位置，也意味着一个全新的时代正在开启。
黄仁勋演讲时的情形（图片来源：DT君）
现在，让我们回到这场“发布会”本身。下面是DT君对黄仁勋的演讲内容所进行的总结和分析。
十年耕耘，成果初显
本次黄仁勋主旨演讲的重头当属Nvidia的自动驾驶解决方案。虽然外界都知道Nvidia在自动驾驶方面有很大投入，但经过黄仁勋的梳理，才发现Nvidia在自动驾驶领域已经达到了很高的水准。
AI才是无人驾驶的解决方案（图片来源：DT君）
在发布会最后环节，黄仁勋请上了奥迪北美地区总裁，透露了双方合作已达十年之久，而且全新奥迪Q7已经搭载了Nvidia的自动驾驶系统开始路试。双方预计，到2020年，Nvidia的无人驾驶技术将可达到第4级。
根据美国国家公路交通安全管理局（NHTSA）所采用的美国汽车工程师学会（SEA）的分级方式，将自动驾驶分为五个等级，分别为：
1级：驾驶辅助
2级：部分自动化
3级：有条件自动化
4级：高度自动化
5级：完全自动化
目前，Nvidia将其自动驾驶路试汽车命名为BB8（没错，名字灵感正是来源于星球大战），已经在加州和新泽西州经过多次测试。它已经可以在行驶的过程中识别出其它车辆、交通指示灯、车道线、路标等相关道路信息。不过，黄仁勋表示，只有亲自体验，你才能感受到什么是科技带来的震撼！
Nvidia人工智能驾驶汽车BB8.（图片来源：DT君）
但Nvidia明显对目前的AI Auto-Pilot（人工智能自动驾驶）并不满足，黄仁勋在介绍完Auto-Pilot的进展后，随即转到下一话题：AI Co-Pilot（人工智能协同驾驶）。
Nvidia的AI Co-Pilot（图片来源：DT君）
所谓协同驾驶，顾名思义，就是人与车密切互动。比如，车辆在行进过程中会随时提醒驾驶员，车辆前后左右有什么潜在危险需要注意。具体应用到的技术包括：
1、人脸识别：这个比较科幻，黄仁勋的解释是：“如今的AI网络完全可以更进一步，当发现你的面部表情不正常、情绪有波动的时候，AI会马上通知你靠边停车，事实上当前的技术也绝对可以做到这一点”；
2、头部追踪：识别驾驶者头部动作，来判断是否存在视线盲区，以提醒驾驶者注意盲区内可能出现的潜在危险；
3、视线追踪：识别驾驶者双眼观察的方向，以避免因驾驶者没事玩手机刷微信看美眉而导致的危险。
4、读唇：这个就比较厉害了，因为道路上往往噪音较大，无法很好的完成语音识别。如果AI具备读唇能力，则可在任何环境下都能准确判断驾驶者所发出的语音指令。对此，黄仁勋解释道：“我们目前正在和英国牛津大学LipNet团队合作研发AI读唇技术。人类读唇专家的准确率大概在52.3%，而AI已经能达到93.4%！”
AI Co-Pilot的四种识别和追踪模式（图片来源：DT君）
最后，Nvidia展示了全新的AI汽车超级电脑XAVIER。该超级电脑拥有AI助手的功能，当车辆行驶的时候，系统会分析传感器所采集到的车辆周边的具体情况信息，通过声音或其它方式提醒车主及时作出反应。
XAVIER 采用 8 核心 ARM CPU，拥有 512 核心 Volta 架构的GPU，可达30TOPs性能，而功耗仅仅为30W，满足ASIL-D级别的安全标准。之所以采用较高的配置，黄仁勋的解释是：“开车经常会遇到连接条件不好的地方，如果语音识别是基于本地的处理，那么驾驶者总是能和车辆正常交互。”
黄仁勋在现场发布了Nvidia的AI汽车超级电脑XAVIER（图片来源：DT君）
当然，自动驾驶离不开地图导航，Nvidia选择的合作伙伴是中国的百度、欧洲的TomTom，日本的Zenrin。
Nvidia在全球各地的地图合作厂商（图片来源：DT君）
让AI助手遍布家庭每个角落
Nvidia还发布了新一代的Shield 智能电视盒子，它不仅可以提供来自Netflix、亚马逊、YouTube，以及Google Play等视频供应商的高清4K视频，还支持玩家将高清游戏从电脑直接上传到电视。
全新Shield发布，整合了多家视频内容提供商（图片来源：DT君）
新款Shield最大的特点是嵌入了Google Assistant，这可是除了Google自家的Google Pixel手机和Google Home Hub之外其他厂商的首次尝试。用户可以通过语音指令随时切换所观看的视频节目，或查阅所储存的文件。
最大的亮点其实并不是Shield，而是名为Spot的小型插入式麦克风，这个可爱的小巧装置也搭载了Google Assistant，所以用户可以把它轻松插在家中的任意插座上，并在任何位置随时与其对话。
Spot小型插入式麦克风可被安装在家庭的各个角落，随时接收用户的语音指令（图片来源：DT君）
用户不仅可以通过语音进行最为常见的如音乐播放的操作，对于一些其它品牌的智能设备也可以完美操控。
黄仁勋就打造智能家居也表现出了极大的野心，他在发布会现场说到：“贾维斯（Jarvis，电影《钢铁侠》中托尼·斯塔克的AI助手）很快就会实现。马克·扎克伯格只为自己家打造贾维斯，而Nvidia要为所有人！”
Google Assistant + SmartThings + Nvidia Spot，打造实时响应的智能家居（图片来源：DT君）
不过，新款 Shield 并没有进行任何内部硬件的升级，依旧沿用 Tegra X1 SoC ，只是其遥控器相较于前一代产品而言操控会更加方便。
目前，新款Shield与新款的遥控器一并发售，售价为199美元（合1380人民币）。Spot麦克风则要在今年稍晚些时候才会上市，售价预计为50美元（合346人民币）。
现有的Shield用户可以通过软件更新来添加Google Assistant，但若想体验免提语音控制还是需要使用新款遥控器才行。
Shield套装和Spot
从显卡厂商升级为游戏平台，目标市场是数十亿计非游戏玩家
同时，黄仁勋在现场发布了全新游戏类产品：GeForce Now。别误会！这不是另一款GeForce系列显卡，而是一个软件，或更准确地说是一个游戏平台。用户通过其来购买诸如Steam、Orignin、Uplay等公司的游戏，兼容PC和MAC平台。
GeForce Now兼容PC和MAC平台（图片来源：DT君）
登陆该游戏软件平台后，用户可使用云端的GTX 1060和GTX 1080显卡来运行任何你所购买的游戏。当然，这么好的显卡不能白给你用，目前的价格是选择GTX 1060：25美元（合173人民币）玩20小时；选择GTX 1080：25美元玩10小时。
花同样的钱想多体验点游戏内容？嗯，DT君觉得体现游戏功力的时刻终于到了！
当然，如果你想体验一下也是可以的，黄老板免费赠送试玩时长。
不想买好显卡又想玩好游戏？来25美元20小时！（图片来源：DT君）
有意思的是，该游戏平台服务类似一个虚拟桌面，用户可在其中登陆Steam、暴雪战网、Origin、Uplay等公司的账户，然后下载喜欢的游戏。
下载到本地的游戏列表（图片来源：DT君）
想玩玩3月21日推出的《质量效应：仙女座》（Mass Effect），又苦于没有好显卡？没事，这款游戏已经纳入了GeForce Now平台，让远方的GTX 1080帮你运行吧！黄老板的承诺是：无延迟、无跳帧，包您满意！
黄仁勋请来了《质量效应》开发商BioWare公司的负责人（图片来源：DT君）
使用GeForce Now平台的游戏玩家也不用担心进度保存问题，所有的进度都会自动保存到云端，用户可随时退出，或继续正在进行的游戏。
黄仁勋表示，他的目标用户是世界上数十亿计的非游戏玩家，他们或因为计算机平台不兼容，或因为计算机配置不够，或因为没有大块的游戏时间，而不得不放弃这种娱乐方式，而GeForce Now正好解决了这些痛点，势必能招揽更多的游戏玩家。
现场演示在云端运行的大型3D游戏，目测非常流畅（图片来源：DT君）
GeForce Now游戏平台最早将于3月在美国上线，有兴趣的玩家目前已经可以申请试玩，但全球其他国家什么时候能上线还暂未公布。
Nvidia的全新云端游戏平台GeForce Now
“AI教父”黄仁勋的时代机遇和野心
黄仁勋现年53岁。他生于台湾，童年移民美国，就读于俄勒冈州波特兰的阿罗哈高中，并在俄勒冈州立大学获得电子工程学士学位，在斯坦福获得硕士学位。
1993年，3名年轻的电子工程师——马拉可夫斯基、柯蒂斯·布莱姆和黄仁勋创立了Nvidia。那时，加州圣何塞还是一片待开发之地。Nvidia起初致力于生产较传统CPU能更快更可靠地完成电脑游戏图形计算的GPU。而今天，这家公司将像1990年英特尔通过CPU引领世界一样，通过人工智能芯片引领新的时代潮流。
1993年，GPU市场刚刚萌芽。GPU通常被作为PC的组件为高性能游戏提供图像处理服务，价格通常高达1200美元。20年后的今天，GPU仍然占据Nvidia 50亿美元年毛利的半壁江山。
游戏显卡是Nvidia坚实的基本盘。最近一年，尽管PC市场整体已经风光不再，但Nvidia的游戏显卡业务仍取得了63%的增长。
不过，华尔街如此看好Nvidia，不单单是因为显卡业务，而是因为Nvidia站在了人工智能芯片的风口——显卡技术同样可以高效驱动深度学习。深度学习可以令电脑进行无监督学习，并在图像和语音识别领域取得前所未有的准确度。
IT巨头谷歌、微软、脸书和亚马逊正在为自己建立的数据中心大量购入Nvidia芯片，麻省总医院等科研机构也在使用基于Nvidia芯片的人工智能程序发现CT照片中的微小病灶。特斯拉最近宣布，其决定在所有的汽车自动驾驶系统中采用NvidiaGPU。此外，Nvidia芯片还出现在脸书和HTC最近推出的VR头戴设备上。
黄仁勋在加州圣克拉拉Nvidia总部的会议上曾表示：“Nvidia还从没有抢到过像人工智能这样强的风口，这意味着我们在GPU领域的成就无以伦比。”说这番话时，他以标志性的全黑着装出现：黑皮鞋，黑牛仔裤、黑T恤和黑皮夹克。
据估计，世界上目前有3000家AI初创公司，大部分都采用了Nvidia提供的硬件平台。Nvidia芯片驱动的应用从事着股票交易、智能商品推荐和无人机导航。最离奇的是，目前出现了一种叫June的人工智能烤箱，它也采用了Nvidia芯片。
Andreessen Horowitz风投公司的合伙人马克·安德森曾表示，他们已经投资了大批基于深度学习的创业公司，几乎每个公司都在采用Nvidia平台。这不禁令人回想起，20世纪90年代人人都为windows编写程序、2008年人人都为iPhone编应用的年代。“实际上，我们的每一笔钱都投给了Nvidia。”
目前，Nvidia占据70%的GPU市场，而其在人工智能领域的成就将其股价推上新高。Nvidia股价在过去的12个月上涨近200%，在过去5年上涨超过500%，其500亿美元市值在业界首屈一指。黄仁勋从中获得了24亿美元的红利，马拉可夫斯基已经处于半退休状态，而布莱姆已经于2003年离开公司。
由对冲基金巨头保罗·都德·琼斯二世（Paul Tudor Jones II）创立的Just Capital 公司推出的Just 100排行榜，通过邀请5000名美国人对1000家上市公司的员工待遇、客户服务水平和为股东创收的能力进行评估，每年评选出100家美国最好企业。今年，Nvidia榜上有名，其飞涨的股价功不可没。
黄仁勋始终相信，他的GPU除了带来高清画质游戏，还能做更多的事情。不过，他也并没有预见到深度学习这项颠覆性技术的到来。深度学习是一种受人脑神经元工作方式启发而设计的人工智能技术，1960年它的雏形就已经在实验室中诞生，而在1980-1990年获得突破性进展。
然而，训练算法所需的海量数据和足够便宜的超大规模计算资源是阻碍深度学习进入商业化的两大拦路虎。因特网问世后出现的海量数据解决了第一个问题，但是计算资源仍是个难题。
2006年，Nvidia推出了一款称为CUDA的开发工具，以便使得程序员的图形编程简单化。GPU类似一台包含了大量小计算机的板卡，能进行底层数学计算，渲染每个像素，产生阴影、反光、光线和透明效果。在CUDA问世之前，对GPU编程必须要编写大量的底层语言代码，是程序员不折不扣的噩梦。
Nvidia为此花费数年时间打造了CUDA，使得GPU可以使用类似于Java和C++的高级语言进行编程。不过，人工智能专家也发现，使用CUDA，他们可以更快更好地编写深度学习模型。
黄仁勋表示，深度学习算法就像人类大脑，极其高效。你可以教它做任何事情，但是必须给它足够的计算资源。结果人们发现，GPU是执行深度学习算法的极佳工具。
2010年，温文尔雅的斯坦福大学教授安德鲁·尼格（Andrew Ng）在帕洛阿尔托的一家日本料理店，同谷歌CEO拉里佩奇（Larry Page）和另一名谷歌技术高管，Google X实验室主任塞巴斯蒂安·特龙（Sebastian Thrun）会面，这次会面是深度学习技术走向商业化的第一声啼鸣。
特龙之前已经研发出一款实用的自动驾驶汽车。此外，他在斯坦福和尼格，以及2名跟佩奇合作，正在组建谷歌深度学习研究团队的科学家同屋办公。
谷歌的海量计算资源可以用来构建世界上最大的神经网络。佩奇同意了这个被称为“谷歌大脑”的项目。谷歌大脑目前被应用于几乎所有的谷歌产品中，特别是搜索以及语音和图像识别。
在谷歌启动谷歌大脑的同时，另外一位科学家也在加拿大多伦多思考着深度学习问题。2012年，多伦多大学博士生亚历克斯· 科里佐夫斯基（Alex Krizhevsky）在寝室中用1200万张图片训练了基于2块Nvidia GeForce显卡的人工智能程序，并将其向ImageNet竞赛提交，该国际竞赛代表了图像识别领域的最高水平。
该程序的错误率仅为15%，是该竞赛有史以来从未有过的最好成绩——之前最好成绩为25%的错误率。该成绩在学术界引起轰动。目前，科里佐夫斯基和他的教授都在谷歌从事研究工作。
从此，深度学习在各个领域全面开花。微软、脸书和亚马逊也加入到深度学习的研究中。Nvidia在CUDA中的巨大投入获得了丰厚的回报。Nvidia CUDA研发项目主管兰·巴克（Ian Buck）曾表示，“台上1分钟，台下10年功——黄仁勋先生为此耕耘了多年。”
Nvidia仍在继续针对深度学习应用优化显卡硬件。Nvidia的最新产品长3英尺，厚5英寸，是“世界上第一块AI超级计算机板卡”。该板卡售价13万美元，每秒执行170兆兆次浮点运算，相当于250台服务器的总和。8月，黄仁勋亲手将第一块产品交给伊隆马斯克和他的非盈利研究机构OpenAI。
黄仁勋早在年轻时就以雄心著称。1963年他在台湾出生，后随父母移民美国。黄仁勋的学校室友有17岁，而他只有10岁。黄仁勋在一场打斗中身中7刀。随后，他在乒乓球中寻找解脱，1978年他15岁，获得美国乒乓球公开赛少年组第三名。
黄仁勋在高中迷上了电脑，读俄勒冈州立大学选择了计算机工程，并在校园遇到了他的妻子罗瑞。毕业后，他们来到硅谷，为AMD设计芯片。黄仁勋在1992年获得斯坦福大学的电子工程硕士学位。他在LSI工作时，遇到了另外两位合伙人，他们当时都在Sun公司工作。
黄仁勋刚刚30岁。三个年轻人都同意一起创办一家研发显卡的企业——当时PC游戏的画质简直太糟糕了。
Nvidia的第一款产品NV1于1995年问世，研发花费1000万美元来自Sequoia Capital 和Sutter Hill Ventures两家风投。不幸的是，该显卡的功能杂而不精，因此没有多少顾客。2岁的Nvidia几乎破产，被迫解雇了一半员工。但是它的第三款产品RIVA 128于1997年发售，大获成功，其速度是其他显卡的4倍。
20世纪90年代，硅谷有70家显卡企业，现在只剩下Nvidia和AMD。
Nvidia的RIVA 128
Nvidia的成功引起了效仿。每个芯片巨头都投入了AI市场的争夺战，此外，一批创业公司也在开发新的深度学习芯片。不仅如此，Nvidia之前的重要客户谷歌，考虑到人工智能在未来的极端重要性，也开始研发AI芯片。
在2016年5月的谷歌开发者大会上，谷歌宣布推出一款名为张量处理器的芯片，这款芯片为谷歌深度学习框架TensorFlow量身打造。谷歌表示，张量处理器已经被应用于谷歌数据中心，以改进地图和搜索服务。
另一个Nvidia的重要客户微软也开始为自己的数据中心研发基于FPGA的可重复编程AI芯片。
半导体巨头英特尔在痛失智能手机市场后，决心在深度学习领域背水一战。英特尔为弥补自己没有人工智能研究团队的缺憾，近期收购了2家人工智能创业公司：Nervana和Movidius，支付了至少4亿美元。去年，英特尔向FPGA芯片制造商Altera投资167亿美元。
英特尔决心保卫自己的核心领地——数据中心处理器，在这个领域，英特尔占据了99%的市场，目前Nvidia的芯片还不能取代英特尔产品。2017年，英特尔推出了名为Xeon Phi的深度学习芯片。借助Nervana公司的实力，英特尔表示，到2020年，它能将深度学习网络的速度提高100倍。
Nvidia目前对各路竞争者具有明显优势，但是并不能掉以轻心。之前的许多年，Nvidia是人工智能芯片蓝海的唯一玩家，现在这里瞬间变成了红海。
黄仁勋表示，人工智能是计算技术的未来。只要Nvidia始终能够提供最好的AI计算平台，他就有希望赢得大多数生意，GPU终究会成为每个企业的标配。
此外，黄仁勋曾对媒体表示，还十分欣赏英特尔前CEO安迪·格鲁夫（Andy Grove）出版的一本畅销书的书名：《只有偏执狂才能生存》。“我始终认为，Nvidia离破产只有30天，这一点永远不会改变。一时的失败并不可怕，可怕的是自满。我尽我最大的努力让这个敌人远离Nvidia。”
好了，最后上一张演讲结束后观众退场时的情形，而且只是五层楼的退场人群其中的一层……
黄仁勋主题演讲结束后观众退场（图片来源：DT君）
欢迎关注DT君的科幻电影公众号：
招聘
编辑、视觉设计、视频策划及后期
地点：北京
联系：[email protected]
MIT Technology Review 中国唯一版权合作方，任何机构及个人未经许可，不得擅自转载及翻译。
分享至朋友圈才是义举
