“手掌大小,全球仅此一个,研发投入超 30 亿美元,集成了 210 亿颗晶体管……” 电动汽车虽然结构简单,但是要实现自动驾驶,再简单的电动汽车也需要一个精密的「大脑」。
8 天的计算量浓缩到 8 小时,问你怕未?
在细说 V100 之前,先得知道 Nvidia 最新的 GPU 架构——Volta。Volta 性能比英伟达上一代架构 Pascal 高了 5 倍,比两年前推出的 Maxwell 架构高了 15 倍。
TESLA V100 使用的 GPU 就是 Volta 架构的首款产品 GV100。这块手掌大小的芯片凝聚了 Nvidia 7000
多名工程师超过 3 年的研发,投入资金 30 亿美元。TESLA V100 集成了 210 亿个晶体管、5120 个 CUBA
内核,双精度浮点运算性能达到 7.5 TFLOP/s、显存带宽为 900GB/S。 看不懂这些数据没关系,只要知道它足够快,快到能让你的汽车自己动就可以了。 新版 DGX-1 GPU 升级了,用来做 AI 研究的超级电脑当然也得升级。
除了 DGX-1 之外,英伟达还发布了搭载 TESLA V100 的 DGX Station、HGX-1 超级电脑,分别针对小型人工智能创业公司和云计算。
这可能是自动驾驶汽车最好的「教练」
图片来自:venngage
自动驾驶汽车要做到这一切,高精度地图是其中的关键,还需要一套人工智能算法帮助汽车更自然地应对行驶过程中出现的一切状况。
就跟人类学开车一样,自动驾驶汽车也需要「教练」传授一套开车的逻辑(算法),DGX-1 的作用就在于此。而 TESLA V100 的意义,是充当
DGX-1 的计算核心。在 V100 强大计算能力的支持下,主机厂或者 Tier 1 一级供应商就可以使用 DGX-1
训练深度神经元网络,利用现有的高精度地图和自动驾驶原型车行驶纪录等大量数据,不断调校更出色的自动驾驶算法。 如果说 DGX-1 是自动驾驶汽车的「教练」,DRIVE PX 计算平台就是拿到了驾照的「驾驶员」。
英伟达自动驾驶汽车 BB8,图片来自:Ars Technica 在 2016 年的 CES 期间,英伟达发布了 DRIVE PX 2,黄仁勋称之为「世界第一台车载的人工智能超级计算机」。这块由 2 颗
CPU 外加 2 颗 GPU 组成的计算平台性能上等于 150 台 MacBook Pro,有能力运行 DGX-1
训练完成的神经网络模型,完成自动驾驶汽车必须的图像分析任务。 不过 DRIVE PX 2 的功能还不仅仅是代替人类开车那么简单。
DRIVE PX 2 就可以把汽车变成有效的高精度地图采集器。英伟达在 DRIVE PX 2 上提供用于自动驾驶汽车的端到端制图系统,把原本需要独立于汽车之外进行的地图绘制工作转移到汽车内。另外由于 DRIVE PX 2 有联网功能,理论上可以将车辆采集的地图传回厂商,汇集成一个更大规模的高精度地图网络。
德尔福自动驾驶汽车中控上显示的实时地图信息
联想我们上个月在上海体验的德尔福自动驾驶汽车,可以认为有了强大的芯片以及深度学习、高精度地图等技术的助攻,只要给自动驾驶足够的发展时间,人类老司机终将会被取代。
|
|