文章|莉娜·智熙3月29日自美国圣何塞报道，今天，英伟达GTC年会第二天举行。
智喜喜作为NVIDIA全球特邀媒体，与NVIDIA CEO黄仁勋、NVIDIA全球副总裁Deepu Talla、NVIDIA专业可视化业务高级总监Sandeep Gupte等人进行了现场对话。
现场，黄仁勋提到，中国市场占英伟达总营收的1/3，英伟达在中国有员工。
黄仁勋告诉智喜喜，与ARM合作的技术是NVIDIA的DLA技术。
DLA（Deep Learning Accelerator，深度学习加速器）本质上是NVIDIA公司打造的ASIC芯片。
目前很多AI芯片，比如谷歌的TPU，本质上都是ASIC硬件。
此外，黄詹勋在昨天的采访中还证实，英伟达已暂停无人驾驶汽车在公共道路上的测试，并解释了原因。
NVIDIA全球副总裁Deepu Talla在采访中特别提到了NVIDIA昨天宣布将与ARM合作打造一款专用于终端智能芯片的深度学习加速器IP的消息，并谈到了这款深度学习IP与华为麒麟和苹果A11。
顺便说一句，今天也恰好是 Adob??e Summit 大会的日子。
黄仁勋上午还参加了拉斯维加斯 Adob??e 峰会的采访，谈论了 NVIDIA 光线追踪技术、图像处理技术等，并于今天下午赶回圣何塞 GTC 现场。
1、携手ARM，帮助芯片厂商打造专用AI芯片。
现在中国涌现出很多AI芯片初创公司，它们会对英伟达构成威胁吗？黄仁勋表示，AI是软件的未来。
未来所有行业、所有软件都将受益于AI，比如云、医疗、制造等。
AI的未来是非常巨大的，其规模远大于一个企业。
NVIDIA与许多AI初创公司合作，甚至与AI芯片初创公司合作，例如将DLA这种类似TPU的硬件集成到ARM框架中，让芯片公司可以构建自己的AI芯片。
在昨天的演讲中，英伟达宣布将与芯片巨头ARM合作打造物联网AI芯片（IOT AI SOC）。
英伟达的AI技术将被整合到ARM今年2月推出的Project Trillium框架中，让芯片制造商更容易打造自己的AI芯片，包括手机芯片、消费电子芯片、物联网芯片等。
这项技术起源于来自 NVIDIA 去年在 GTC 上的开源 DLA 深度学习加速器项目。
在现场，黄仁勋告诉智西西，DLA（深度学习加速器）本质上是英伟达打造的 ASIC 芯片。
目前很多AI芯片，比如谷歌的TPU，本质上都是ASIC硬件。
NVIDIA 内部也使用了 DLA。
例如，在同一个GPU系统中，将会同时存在Tensor Core和DLA。
这两种硬件都将用于人工智能应用（推理）。
这种冗余性和多样性是为了保证系统的安全性和稳定性。
黄仁勋表示，在此次与ARM的合作中，将DLA ASIC硬件集成到ARM的IP框架中后，厂商可以下载从小到大不同配置的AI架构来构建自己的AI芯片。
不过，该芯片需要运行TensorRT软件。
2、NVIDIA DLA vs 华为麒麟、苹果A11 NVIDIA全球副总裁Deepu Talla负责的业务包括机器人、智慧城市、DLA深度学习加速器项目等。
这个项目正是昨天NVIDIA与芯片巨头ARM合作打造的端到端智能芯片。
深度学习加速器IP的技术基础。
去年，NVIDIA选择开源DLA项目，让各大芯片厂商免费下载这个芯片加速器项目，打造自己的低功耗AI芯片。
不过，使用开源项目仍然存在一定的技术门槛。
在本次GTC上，英伟达宣布将再次降低AI芯片制造门槛，与ARM合作。
Deepu Talla告诉智动智，DLA是一个开源项目，ARM不会为这次合作收取费用。
DLA项目已经开发了三年。
之所以选择免费开源，是因为物联网等项目并不是NVIDIA的重点。
在过去的六个月里，许多专用于临终智能的AI芯片开始出现。
其中，最受关注的有两款手机芯片：华为的麒麟和苹果的A11。
Deepu Talla在现场表示，目前英伟达深度学习加速器IP、麒麟NPU和苹果A11神经网络引擎之间还没有对比参数。
然而，经过在 DLA 三年的研发，Nvidia 发现构建深度学习加速器硬件实际上是整个项目中最简单的部分。
难点在于软件，如何更好的支持各种AI软件、AI框架，以及如何更好的部署神经网络等。
在这些方面，很多NVIDIA的软件工程师都投入了多年的研究，尤其是在应用（推理）方面）和神经网络的部署（deployment）。
在本次GTC上，黄仁勋还推出了新版本的TensorRT 4.0，允许使用神经网络。
部署更加轻松快捷。
3、GPU供不应求的四大原因。
GPU 的需求已经超过了 NVIDIA 的供应能力。
原因有四：一方面，游戏行业发展迅速，去年发布了多款重磅游戏产品。
对GPU的需求提高；另一方面，内容创作和内容分享市场也在发展，尤其是基于视频的内容创作；不用说，第三个方面就是人工智能。
随着人工智能的发展，英伟达的GPU让人工智能变得更加平民化，无论你是谁，最后一个方面就是目前最热门的领域之一：区块链。
由于全球数十亿个GPU都使用相同的架构，因此它可以被视为世界上最大、最去中心化的数据库。
4、暂停无人驾驶汽车在公共道路上的测试 不久前，Uber无人驾驶汽车路测过程中发生的行人死亡案件牵动了全球自动驾驶行业的心。
GTC期间，英伟达正式确认将暂停无人驾驶汽车在公共道路上的测试。
黄仁勋首先说了一句——Uber并没有使用英伟达的自动驾驶技术。
在此前的采访中，黄仁勋也提到，这次事故确实让大家感到难过，整个行业也受到了影响。
英伟达也关心每个人的安全，包括英伟达自己的员工，因为他们也在测试车辆中进行各种测试工作。
因此，NVIDIA决定暂时停止在公共道路上测试无人驾驶汽车，并从这次事件中学习、学习、研究、吸取经验，让以后的工作更加安全。
不过，黄仁勋也表示，这种停赛应该不会持续太久。
在昨天的主题演讲中，黄仁勋还推出了名为DRIVE SIM和Constellation的3D自动驾驶模拟测试平台。
它首先在云端生成传感器数据（包括摄像头、雷达等），然后将这些数据传输到 DRIVE Pegasus。
帮助训练自动驾驶系统。
相当于在虚拟世界中测试无人驾驶汽车，更加安全。