今天在加利福尼亚州圣何塞举行的英伟达 GPU技术大会（GTC）上，英伟达推出了Jetson Nano和Jetson Nano开发套件，此外，英伟达宣布推出CUDA-X AI，以及一系列自动驾驶技术平台。

在演讲中，黄仁勋认为新的生态系统是GPU计算成功的关键，其关键词是Prada：

• Programmable


• Acceleration


• Domains


• Architecture

Jetson Nano

英伟达正在为其Jetson产品系列推出一款新的嵌入式计算机，提供给开发部署AI的开发人员，这是迄今为止最小的计算机。计算机被命名为Jetson Nano，提供472 GFLOP的计算功率，有4GB的内存，可以在5瓦的功率下运行。

Jetson Nano模块的尺寸仅为70 x 45 mm，生产就绪的模块化系统（SOM）在将智能城市和机器人技术等多个行业的边缘设备部署到AI时提供了巨大的动力。

继去年首次亮相的Jetson AGX Xavier芯片以及2017年首次亮相的Jetson TX2之后，Jetson Nano在没有互联网连接的情况下部署了AI。

Jetson Nano现已上市，售价99美元，而用于嵌入硬件生产的Jetson Mini计算机将于6月上市，售价129美元。相比之下，Xavier零售价为1299美元，TX2零售价为600美元。



Jetson Nano支持高分辨率传感器，可以并行处理多个传感器，并可在每个传感器流上运行多个现代神经网络。它还支持许多流行的AI框架，使开发人员可以轻松地将喜欢的模型和框架集成到产品中。

“我们要将Jetson带入主流市场，”英伟达自动机器副总裁Deepu Talla表示。

Jetson TX2运行功率为7.5瓦，内存为8GB，而AGX Xavier可以运行低至10瓦的功率，并配备32GB内存。与其前辈一样，Jetson Nano将能够与英伟达的40多个CUDA-X AI深度学习库一起工作。

目前，移动或嵌入式设备上的边缘计算Jetson系统已被20万开发人员使用。

边缘计算有助于机器人，无人机，安全摄像头以及许多其他不希望依赖互联网连接的设备进行功率推断。

CUDA-X AI

英伟达发布了CUDA-X AI，这是NVIDIA GPU加速库的集合，可加速深度学习，机器学习和数据分析，将使机器学习和数据科学工作负载加速多达50倍。

CUDA-X AI包括加速深度学习基元的cuDNN，加速机器学习算法的cuML，优化训练的模型推理的TensorRT，以及其他的15个库。它们共同与NVIDIA Tensor Core GPU无缝协作，加速了开发和部署基于AI的应用程序的端到端工作流程。

CUDA-X AI集成到所有深度学习框架中，包括TensorFlow，Pytorch和MXNet，以及领先的云平台，包括AWS，Microsoft Azure和Google Cloud。

CUDA-X AI库可作为单独下载或作为NGC许多应用程序的容器化软件堆栈免费提供。它们可以部署在NVIDIA GPU上的任何地方，包括台式机，工作站，服务器，云计算和物联网设备。

自动驾驶平台

英伟达现已推出其基于云的自动驾驶汽车仿真平台Nvidia Constellation，并宣布推出Safety Force Field，这是该公司Drive AV平台的一个新组件，旨在保护自动驾驶汽车，乘客以及普通汽车和乘客。

通过消除驱动方程中的人为误差，可以防止绝大多数碰撞并最大限度地减少那些确实发生的碰撞。那它是如何实现的呢？

这需要通过基于物理的“零碰撞”验证支持的稳健的数学计算，而不是利用有限统计数据的实时模型。它遵循单一核心原则，避免碰撞，而不是一系列规则和期望。计算是在车上且逐帧进行的，并且已经使用真实世界和比特精确的合成数据进行了验证，这些数据涉及高风险的高速公路和城市驾驶场景。

此外，英伟达正在制造基于云的自动驾驶汽车仿真平台Drive Constellation。



这是一个基于网络的车辆数据平台，Constellation采用两种不同类型的服务器，其中第一为Drive Sim提供动力（模拟自动驾驶汽车传感器的软件平台），第二种（Constellation Vehicle）包含一个Drive AGX Pegasus芯片（一对Xavier处理器和评级为每秒320万亿次操作的GPU），并运行完整的自动驾驶汽车软件堆栈。

Constellation处理来自Constellation模拟器的模拟数据，就好像它是由真实世界中行驶在路上的汽车的传感器记录下来的；来自Drive Pegasus的命令被反馈到模拟器，大约每30秒完成一次数字反馈回路。

Constellation可以生成照片般逼真的数据流，以创建各种测试环境，模拟各种天气条件，如暴雨和暴风雪，以及不同的路面和地形。此外，它可以模仿一天中不同时间的效果，如眩光和夜间视力。由于它是分散的，开发人员可以上传交通情景，集成他们自己的车辆和传感器模型，并驱动整个测试车辆数十亿的模拟里程。

据Nvidia称，全球测试，认证，检验和培训提供商TÜV SÜD已经在使用它来制定自动驾驶验证标准。更重要的是，丰田高级开发研究院是Constellation的第一个客户。