2小时、5大AI新品、英伟达股价暴涨17%，GTC大会黄仁勋讲了些啥？（附 PPT）

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。

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，请科尼塞克创始人 Christian Koenigsegg 甚至利用 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。

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。

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。

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”。