GPU/FPGA和CPU有什么关系?
扫描二维码
随时随地手机看文章
作为NVIDIA全球GTC大会中最重要的一站之一,GTC China于9月26日正式登陆北京。本次大会,教主黄仁勋奉上了一场题为“一个全新的计算时代(A NEW COMPUTING ERA)”的主题演讲,并正式发布了首款可编程推理加速平台NVIDIA TensorRT 3、自动驾驶开放平台NVIDIA DRIVE、首款自主机器处理器Xavier。同时,他宣布与阿里、腾讯、百度中国三大云服务提供商达成合作协议,为后者提供人工智能GPU芯片。主题大会结束后,教主黄仁勋参加了媒体的见面会,接受了媒体采访。
自主机器要解决三个方面的问题
黄仁勋认为,对于自主机器或者机器人而言,必须要解决三大方面的根本问题。首先要解决的是为自主机器或者机器人打造一个人工智能的平台,其次是为自主机器提供一个虚拟的,学会做机器人的环境,最后是把人工智能的大脑放到自主机器框架中去。
黄仁勋坦言,当前这三个问题还没有完全解决,三项工作正在并行中,例如 Xavier就是正在进行中的自主机器项目,另外还有Issac机器人项目,通过它可以打造一个虚拟的让机器人学习的环境。
黄仁勋表示,NVIDIA将很快把这三方面的基础打好,整个的产业会在产业基础架构好后推动自主机器正式的生产。随后10到15年,大家将会看到智能领域难以置信的进步。
CUDA是CPU与GPU的完美组合
GPU是否替代CPU?相比FPGA,GPU有哪些优势?
黄仁勋认为,GPU不会替代CPU,将会与CPU进行协同工作,这也是为什么称之为加速器。他表示,无论是CPU还是FPGA,都是通用型的计算芯片,而GPU是专用型的芯片,在专用问题上能够发挥巨大的能量,超过CPU几十倍,是最好的专用架构解决方案。例如,GPU非常适合图形计算和人工智能方面的计算。
FPGA的优势是非常灵活,以太网、声卡等都可以采用FPGA的解决方案。但GPU没有这么大的灵活性,它主要用来进行并行计算加速。但是从性能上来讲,FPGA根本无法与GPU对比,其上千倍的性能差距并不适合用来做人工智能。黄仁勋表示,人工智能的每一个神经网络都可以用FPGA来进行设计,但非常复杂,这也是为什么BAT在人工智能初级阶段采用FPGA,后来选择GPU的主要原因,主要是因为当初没有GPU的解决方案,有了GPU,就不再使用FPGA了。
NVIDIA三年前决定把GPU做成执行处理的Tensor,为了达到计算性能专门进行了调优。作为全球首款可编程AI推理加速引擎,NVIDIA TensorRT 3在性能上得到了进一步提升,运行在Volta上的TensorRT 3,在图像分类方面比最快的CPU还要快40倍,在语言翻译方面则要快140倍。
黄仁勋强调,术业有专攻,NVIDIA不会做通用型的CPU,而是要做极好的专用处理器,而CUDA就是CPU与GPU的完美组合。
NVIDIA看好的人工智能行业
谈到NVIDIA看好的人工智能行业,黄仁勋表示,交通运输行业是我们目前正在大力拓展的行业,当然这个交通运输并不只是包括交通工具,而是指人工智能化的交通运输,例如滴滴就是一家大型的人工智能公司,物流未来将会实现人工智能。
除了交通运输之外,黄仁勋表示未来NVIDIA更看好医疗健康这一领域。他表示,医疗键康的市场体量相当大,人工智能的应用可以帮助科研人员进行新药的研发,对疾病的早期检测以及临床效果的取样等,过去很多解决不了的问题,有了人工智能,这些问题则能够全部解决。
在上午的发布会上,NVIDIA公布了五个领域的人工智能方案,其共同特点是没有GPU是无法实现的。黄仁勋表示,五大领域的项目挑战相当高,NVIDIA为每一个项目或解决方案提供了独一无二的价值。虽然现在的很多项目无法百分之百的成功,但一旦成功,将给社会带来巨大的贡献。
NVIDIA投资的三大原则
本次全球GTC大会中国站,NVIDIA不但宣布了与BAT的合作,而且还宣布投资了景驰、丽台等公司。谈到NVIDIA投资的原则,黄仁勋表示NVIDIA投资主要有三大原则:一是所投资的公司必须具备愿景目标;二是所投资的公司需要英伟达的帮助;三是必须是优秀的公司。
黄仁勋表示,英伟达提供的平台,让大家利用平台去创业,并希望大家都能够取得成功。作为平台供应商,英伟达要做的是不断进步,让平台做得更好。他表示,英伟达不是自闭的公司,而是一家开放型的公司,因此我们愿意跟所有公司进行合作,共同推动AI技术的发展