文章|丽娜智熙5月10日美国硅谷报道。
今天，Nvidia GTC（GPU技术大会）最重要的活动——CEO黄仁勋的主题演讲——正式开始。
每年的GTC，这位被粉丝亲切地称为“老黄”的GPU领军人物都会发表重大主题演讲。
通常，他不仅会发布新显卡，还会重点介绍英伟达的下一步举措。
今年业务发展的重点。
就在昨天，英伟达刚刚发布了第一季度财报（截至4月30日）。
不仅业绩好于预期（营收19.37亿美元，同比增长48%；净利润5.07亿美元，同比增长%），Q2前景也非常好。
收盘后股价上涨逾14%。
接近今年2月创下的美元历史新高。
今天的主题演讲结束后，英伟达股价再次飙升，触及美元。
总市值已达1亿美元。
不知道昨晚黄老板是不是笑着从梦中醒来呢？今天一早，智熙熙就抵达了GTC大会，准备参加一年一度的GTC最重要的环节——CEO黄仁勋的主题演讲。
当时是早上8点，距离9点开门整整一个小时，但门口已经排起了长龙。
智喜喜作为第一批特邀媒体，在主题演讲厅第一排中央为大家送上了报道~ 9点一到，主题演讲就准时开始了。
开场视频以“我是人工智能”为主题，以“我是科学家”、“我是治疗者”、“我是保护者”、“我是老师”等第一人称代词进行旁白，并介绍了使用方法NVIDIA GPU 的数量。
驱动型人工智能如何应用于数据、医疗保健、农业、机器人、艺术、教学等领域。
1、摩尔定律的失败与GPU的崛起 如今，黄依然穿着经典的黑色皮夹克（千年不变）开始游戏。
在GTC的10年里，黄每年都会提到同一个话题——摩尔定律。
过去30年，我们受益于摩尔定律。
芯片提供的计算能力每年都在快速增长。
人们只需要等待计算能力赶上计算需求即可。
然而近年来，摩尔定律开始失效，人们需要花费越来越多的成本来换取算力的小幅提升。
与摩尔定律的逐渐失效形成鲜明对比的是GPU的崛起。
近年来，随着人工智能和深度学习的兴起，GPU驱动的计算已经无处不在，NVIDIA的GTC大会也每年以爆炸性的速度增长。
今年，超过100人参加了硅谷GTC，其中包括全球最大的50家公司、全球最大的10家汽车制造商、80家AI初创公司、25家VR初创公司等。
2、VR领先：Holodeck，多人交互平台。
寒暄过后，我们开始进入正题吧。
令人惊讶的是，老黄发布的第一个项目并不是AI相关的，而是VR多人交互平台Holodeck。
在视频DEMO中，几位NVIDIA同事在虚拟世界中观看了一辆Hypercar（可以理解为超级跑车中的超级跑车）的实时渲染。
不仅整个车的外壳和内饰的细节清晰可见，而且车上的所有部件都经过了渲染，透过前引擎盖清晰可见发动机部件。
此外，这个虚拟世界遵守物理定律。
当你伸手去抓方向盘时，手指不会穿过方向盘。
两个人或者三四个人也可以手拉手互动。
据老黄介绍，这个Holodeck最早将于今年9月开放，具有三大特点：模型逼真、遵循真实物理定律、适合交流合作。
多人VR也是今年大家看好的一个大方向。
Nvidia并未将Holodeck作为产品推出，而是向公众开放其SDK，以进一步推动多人VR的发展。
从DEMO中我们可以看到，这款Holodeck非常适合多个设计师一起观看并修正同一个产品。
3、深度学习的爆发 接下来就是本次主题演讲的重头戏——人工智能。
老黄首先介绍了深度学习算法，推动了今年以来人工智能的爆发式增长。
今年以来，人工智能领域一个接一个突破，在图像识别、自动驾驶、语音识别、翻译等领域取得突出成果。
人类已经成功地让机器识别物体和面孔，然后让机器解释图像/视频内容。
随后强化学习带来了AlphaGo，以及不断发展的无监督学习、对抗性神经网络等。
深度学习的突破离不开三点：1.深度学习算法的升级2.海量数据的积累3.GPU的加速计算能力如今，人工智能和深度学习日益繁荣。
在斯坦福大学，最受欢迎的课程不再是如何成为一名“影评人”，而是“机器学习导论”。
不是每个人都是程序员，但每个人都有自己的数据，每个人都想用这些数据来教计算机如何在特定领域帮助我们，如何应用深度学习。
例如，老黄随后展示了一段充满噪声的视频（噪声相当于图片中的白噪声点）。
通过深度学习，机器可以识别视频中的关键特征，进而还原出流畅、无噪声的视频。
该点的视频图像甚至可以清晰识别并还原车窗上树木的倒影。
该功能将于今年晚些时候作为 SDK 提供。
众所周知，AI是Nvidia目前最重要的项目。
从硬件到软件，NVIDIA推出了全套AI服务。
不仅有HGX-1、DGX-1、Tesla-1等适合深度学习的GPU硬件，还有各种SDK，还有Caffe2到TensorFlow到theano。
世界上每个框架都支持 GPU 计算。
另外，18个月前，Nvidia还推出了一个名为Inception的项目（PS：电影《盗梦空间》也叫Inception，但黄没有提及是否与此有关）。
这是一个针对世界各地深度学习初创公司的项目。
目前已有企业参与其中，包括将深度学习用于农业的 Blue River、用于车辆智能的 Argo AI 等。
除了Inception这样的初创项目外，黄仁勋还介绍了SAP AI，一款专为企业打造的视频内容识别工具。
由于像Facebook、微软、谷歌等公司拥有海量的用户视频数据，如果能够训练机器理解视频内容，就可以提供更全面的用户画像和用户兴趣点监测，非常适合精准营销。
4.亮点！聊了这么多新卡发布Tesla V，我们终于来到了今天的重头戏——全新GPU显卡发布！这是一款名为 Tesla V 的新显卡，也是老黄口中的“世界上最昂贵的算力项目”——30 亿美元。
话不多说，看图吧~这款GPU采用台积电12nm Finfet工艺，拥有1亿个晶体管和CUDA处理核心。
具体参数如图所示。
对于那些不太了解这些数字的人来说，您需要知道的是：Tesla V 速度超快。
而且，本次发布的 Tesla V 并没有采用我们熟悉的 Pascal 架构，而是采用了新型的 Volta Tensor Cores。
单个计算单元的速度比原来快12倍。
就在演讲前10天，黄找到了SQUARE ENIX（没错，就是推出《最终幻想》的日本游戏公司），用Tesla V做了一个游戏图像渲染。
当看到演员的穿着时，黄某还自嘲道：“嗯？这件皮夹克很好看，我得打电话给他们买一件。
”观众瞬间笑出声来。
除了游戏渲染之外，Tesla V 还可以用于很多方面，例如照片风格转换。
不久前，人们能够利用人工智能将自己的照片转变成毕加索、莫奈、梵高等不同艺术家的风格。
但是，如果您想将一张照片的风格转变为另一张照片的风格怎么办？通过学习大量照片，机器可以将左边照片的风格嫁接到右边照片上，将原本的蓝天白云变成充满落日余晖的落日场景（中）。
通过机器学习和深度学习，机器可以理解图片的结构和内容。
所以，只是风格变了，但天空还是天空，沙滩还是沙滩。
与其他应用相比，云计算服务对GPU的需求更为强烈。
在今天的主题演讲中，老黄还邀请了来自亚马逊和微软的两位云服务高管：Matt Wood 和 Jason Zander。
亚马逊是世界上最早部署人工智能的公司之一。
现在它提供了很多与人工智能、机器学习、深度学习等相关的功能，比如书籍推荐等精准营销。
Alexa 和 AWS 云最近势头强劲。
服务是人工智能的集中体现。
亚马逊现在拥有世界上最大的GPU集群。
微软的云服务近年来也一直在快速发展。
除了云服务之外，微软还有一个类似Alexa的语音助手——Cortana。
近日，微软宣布Cortana已经可以支持40多个国家的语言翻译。
如果将Cortana嵌入到微软自家的AR耳机HoloLens中，下一步我们就可以佩戴Hololens与外国人无障碍交流了。
“《星际迷航》中的万能翻译器即将推出！”黄笑道。
星际迷航和星球大战确实是科技极客的最爱（其实智能物也不例外~欢迎其他星际迷来后台和我们聊聊，AOS和TOS都欢迎）。
5.基于Tesla V的其他新产品 除了介绍Tesla V的各种应用之外，基于Tesla V的新产品还有很多： 1）基于Tesla V的新型超级计算机DGX-1。
老版本的DGX-1配备每个有 8 个模块。
Tesla P 显卡，新版 DGX-1 搭载 8 Tesla V，售价 14.9 万美元，今日开始预售，今年第三季度开始出货。
今日内下单的顾客还可以免费获得一次升级。
2）小型超级计算机DGX Station 针对小型AI初创公司或对算力要求不高的个人，NVIDIA还推出了小型超级计算机——DGX Station。
它配备了四块 Tesla V 显卡，售价 69,000 美元。
今天也开始预售，并将于第三季度发货。
3）专门用于云计算的HGX-1。
这是专门用于GPU云计算的超级计算机。
它适用于公共云、深度学习、图形渲染、CUDA 计算等。
与 DGX-1 一样，它配备了 8 个 Tesla V，售价 149,000 美元。
6. NVIDIA Cloud：深度学习的一键配置。
上面提到了亚马逊AWS云和微软Azure云。
现在，黄仁勋宣布NVIDIA还将打造一个云——NVIDIA GPU CLOUD。
然而，与亚马逊和微软不同的是，这是专门针对深度学习的云。
而且，这个云还可以提供深度学习项目的一键配置——这意味着什么？老黄说，“深度学习软件太多，框架太多，不同类型的GPU太多，一个人从头开始构建一个深度学习项目确实很困难。
”所以，NVIDIA为了解决这个问题，简化了深度学习项目的构建过程。
从DEMO中可以看出，用户登录NVIDIA Cloud后，只需3步即可创建自己的深度学习项目： 1.选择计算环境（可以选择NVIDIA Cloud、Amazon Cloud等，也可以选择本地） GPU计算） 2、访问数据库（可以选择已有的数据库如ImageNet，也可以自己上传） 3、选择一个框架（如Caffe、TensorFlow等）然后，棒棒棒~就可以创建一个深度的数据库了学习项目。
您无需购买 GPU 或设置环境。
控制中心仍然是可见的。
您可以查看您帐户之前的项目和正在运行的项目。
是不是很方便呢？该项目于今年7月进入BETA测试阶段。
同时，老黄还宣布Xavier DLA深度学习加速平台开源，用户可以在此基础上进行编程，优化深度学习效果。
7、车载AI计算平台DRIVE PX 除了上述领域外，自动驾驶和车载AI也是NVIDIA重点关注的领域之一。
与此同时，NVIDIA还宣布与丰田合作。
丰田将使用 NVIDIA 的 DRIVE PX 车载 AI 计算平台。
两家公司的工程师正在共同努力，希望在未来几年内让配备 NVIDIA 技术的丰田自动驾驶汽车上路。
目前已经有开发者/企业在使用这款DRIVE PX车载AI计算平台，其中之一甚至制造了无人机。
老黄介绍了这个平台的三大功能：1）测绘、行车。
车辆可以扫描环境、监测道路特征，然后创建高精度地图，最终实现车辆定位和自动驾驶。
2）副驾驶辅助（Co-Pilot）虽然我们无法立即构建出全球所有地点的高精度地图，但在我们构建的地点，比如从家里到工作地点，车辆可以自动为您驾驶特定的旅程。
3）守护天使（Guardian Angel） 有时候即使不开启自动驾驶模式，AI系统依然会一直在线。
比如，当你在路口看到绿灯，准备向前行驶时，系统突然禁止你前进，因为有辆车刚刚闯了红灯，向你冲来。
8. 仔细思考黑科技——ISAAC读过我们3月份发布的神经网络之父Yann LeCun清华大学演讲文章的用户，可能还记得我们在文章中提到了机器学习的一个分支——强化学习/强化学习（Reinforcement Learning）。
AlphaGo 使用强化学习。
需要搭建一个世界模拟器（World Simulator）来模拟现实世界的逻辑、原理、物理规律等，然后将机器放到这个世界中进行持续训练。
没想到，NVIDIA今天推出了一款类似的世界模拟器——ISAAC机器人训练模拟世界。
在这个虚拟世界中，一切都遵循物理定律——例如物体运动和重力——但不遵循时间定律。
在现实生活中，如果你想训练一台机器学习打冰球，你必须把冰球放在机器前面并一遍又一遍地教它。
训练数千次需要花费大量时间。
然而，在虚拟世界中，机器可以在一秒钟内多次重复这样的动作，而不遵循现实世界中的时间规律。
而且你还可以训练一堆机器同时学习打球，然后找到其中最聪明的一个，复制它的“大脑”程序，创建一堆相同的机器并继续训练和筛选。
听起来很像养蛊吧……而最可怕的是，这个世界不需要遵循时间法则。
人类需要几亿年的进化才能学会使用工具，而机器人只需要几个月甚至几天的训练就能学会使用工具。
曲棍球，谁知道自己以后能学到什么……（手动惊慌脸.jpg）不过话又说回来，正如我们在Yann LeCun清华大学演讲文章最后提到的，对于很多科幻小说来说，他们最终可以“推翻人类”、“统治人类”的“超级智能”，我们??真的不需要太担心。
如果我们想要一台机器做某事，我们需要赋予它这种能力并为此目的构建机器，但我们不会以这种方式构建机器。
总结，英伟达的新GPU（Tesla V）、新技术（Holodeck等、DRIVE PX平台）、新产品（DGX-1、DGX）、黑科技（ISAAC机器人训练计算机）等在人工智能领域蓬勃发展AI浪潮……黄老师今年的演讲也算是内容丰富、诚意十足。
随着人工智能、深度学习、机器学习、自动驾驶等技术的兴起，人们对强大计算能力的需求日益增长。
凭借出色的并行处理能力，NVIDIA的GPU在人工智能浪潮中占据了领先地位，成为AI时代的突然力量——NVIDIA近两年飞涨的股价也证明了这一点。