（文章來源：鎂客網(wǎng)）

英偉達發(fā)布了用于自動駕駛和機器人的軟件定義平臺——NVIDIA DRIVE AGX Orin。該平臺內(nèi)置全新Orin系統(tǒng)級芯片，Orin由170億個晶體管組成，集成了NVIDIA新一代GPU架構(gòu)和Arm Hercules CPU內(nèi)核以及全新深度學習和計算機視覺加速器，每秒可運行200萬億次計算，是上一代Xavier系統(tǒng)級芯片性能的7倍。

Orin可處理在自動駕駛汽車和機器人中同時運行的大量應用和深度神經(jīng)網(wǎng)絡，并且達到了ISO 26262 ASIL-D等系統(tǒng)安全標準。值得注意的是，Orin支持可編程，并且有豐富的工具和軟件庫支持，與之前的Xavier處理器兼容，支持從L2到L5級別的自動駕駛。而且由于Orin和Xavier均可通過開放的CUDA、TensorRT API及各類庫進行編程，因此開發(fā)者能夠在一次性投資后使用跨多代的產(chǎn)品。

英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛表示：“打造安全的自動駕駛汽車，也許是當今社會所面臨的最大計算挑戰(zhàn)。實現(xiàn)自動駕駛汽車所需的投入呈指數(shù)級增長，面對復雜的開發(fā)任務，像Orin這樣的可擴展、可編程、軟件定義的AI平臺不可或缺?！?/p>

硬件之外，英偉達還發(fā)布了一套使用主動學習、聯(lián)邦學習和遷移學習來訓練深度神經(jīng)網(wǎng)絡的工具。以聯(lián)邦學習為例，可以讓多個組織和公司在不移動或共享數(shù)據(jù)的情況下進行合作，英偉達將訓練模型發(fā)送給各個合作伙伴，每個合作伙伴在自己的數(shù)據(jù)上訓練模型。

Isaac SDK包括Isaac Robotics Engine（提供應用程序框架），Isaac GEM（預先構(gòu)建的深度神經(jīng)網(wǎng)絡模型、算法、庫、驅(qū)動程序和API），用于室內(nèi)物流的參考應用程序以及訓練機器人Isaac Sim的第一個版本（提供導航功能）。

對象檢測——識別用于導航、交互或操控的對象；自由空間分割——檢測和分割外部世界，例如確定人行道在哪里，以及機器人可以在哪里行駛；3D姿態(tài)估計——了解目標的位置和方向，從而實現(xiàn)諸如機械臂拾取物體的任務；2D人體姿態(tài)估計——將姿態(tài)估計應用于人，這對于與人互動的機器人（例如配送機器人）和協(xié)作機器人（專門設計用于與人合作）非常重要。

以新推出Isaac Sim機器人為例，它可以將所生成的軟件部署到在現(xiàn)實世界中運行的真實機器人中。通過仿真，開發(fā)人員可以在極端情況下（即困難或異常情況下）對機器人進行測試，以進一步加強對它的訓練。這有望大大加快機器人的開發(fā)速度，從而實現(xiàn)綜合數(shù)據(jù)的訓練。另外，Isaac SDK還支持多機器人仿真。這使開發(fā)人員可以將多個機器人放入仿真環(huán)境中進行測試，以便它們學會彼此相關的工作。

英偉達在去年的GTC China上發(fā)布了支持自動低精度推理的TensorRT 5，今天英偉達發(fā)布了TensorRT 7，內(nèi)置新型深度學習編譯器，支持各種類型的RNN、CNN和Transformer，相較于TRT 5只支持30種變換，TRT 7可以支持1000多種不同的計算變換和優(yōu)化。TRT 7可為開發(fā)者設計的大量RNN配置自動生成代碼，逐點融合LSTM單元，甚至可跨多個時間步長進行融合，并且盡可能做自動低精度推理。

借助TRT 7，全球各地的開發(fā)者都可以實現(xiàn)會話式AI應用，大幅減少推理延遲。舉個例子，通常情況下，一套端到端的自然語言理解流程可能由幾十種模型構(gòu)成，比如RNN、CNN、自編碼器等等，TRT 7可對所有模型進行編譯，使其在英偉達GPU上運行?；谟ミ_T4的推理會話AI只需要0.3秒，而CPU的推理延遲卻高達3秒。

如今，英偉達已經(jīng)售出了15億塊GPU，在使用的每塊GPU都兼容CUDA。英偉達的CUDA平臺具有豐富的庫、工具和應用程序。僅在去年，英偉達發(fā)布了500多個SDK和庫，通過優(yōu)化軟件棧，英偉達提高了GPU的性能，讓深度學習訓練在三年內(nèi)提高了4倍，深度學習推理在一年內(nèi)提高了2倍。

HPC應用方面，NASA在英偉達GPU上通過FUN3D軟件運行火星著陸情景模擬，產(chǎn)生高達150TB的數(shù)據(jù)，英偉達借助DGX-2上運行的Magnum IO GPU Direct Storage技術(shù)，可“實時”對這些數(shù)據(jù)進行可視化處理。另外，由于GPU的訓練成本只有傳統(tǒng)CPU的十分之一，并且可支持更大規(guī)模的模型訓練，英偉達發(fā)布了深度推薦系統(tǒng)，百度以及阿里均有采用。

CUDA方面，英偉達發(fā)布了由CUDA加速的Parabricks基因組分析工具包，可實現(xiàn)30到50倍的加速，目前華大基因已經(jīng)采用Parabricks來進行基因變異檢測，除此之外，CUDA新增加了對5G vRAN應用的支持。
（責任編輯：fqj）