Nvidia มุ่งเน้นที่กราฟิกและ 'การเรียนรู้ลึก'

โปรเซสเซอร์กราฟิก Titan X ใหม่ของ Nvidia ใช้โปรเซสเซอร์ GM200 ซึ่งเป็นชิปขนาดใหญ่ใช้พลังงานจากทรานซิสเตอร์ 8 พันล้านตัวแกนประมวลผล 3, 072 แกนประมวลผล 3, 072 คอร์และหน่วยความจำ GDDR5 onboard 12GB สำหรับประสิทธิภาพที่แม่นยำสูงสุด 7 เทราโฟล ชิปนี้ซึ่งถูกแสดงตัวอย่างในการประชุม Game Developers Conference เมื่อสองสัปดาห์ที่ผ่านมาขึ้นอยู่กับแกน Maxwell เดียวกันที่อยู่ในโปรเซสเซอร์ปัจจุบันของ บริษัท และผลิตในกระบวนการ 28nm เดียวกัน

แต่ Nvidia กล่าวในสัปดาห์นี้ว่า GeForce GPU รุ่นใหม่จะมอบประสิทธิภาพที่เพิ่มขึ้นเป็นสองเท่าและเพิ่มประสิทธิภาพการใช้พลังงานของรุ่นก่อน นอกจากนี้ยังเป็นชิปขนาดใหญ่มากที่ 601 mm2 เกี่ยวกับชิปขนาดใหญ่ที่สุดที่ผลิตในปัจจุบันและจะดึงพลังงาน 250 วัตต์ และแน่นอนว่าจะเป็นชิปกราฟิกทั่วไปที่แพงที่สุดที่มีราคาขายปลีกที่แนะนำคือ $ 999

ความเห็นส่วนใหญ่จากเว็บไซต์อย่าง ExtremeTech, Anandtech และ TechReport นั้นค่อนข้างดี แน่นอนในโลกแห่งความเป็นจริงไม่มีใครเห็นประสิทธิภาพที่เพิ่มขึ้นเป็นสองเท่าที่ผู้ขายอ้างแม้ว่าจะมีผลกำไรที่ดี โดยทั่วไปแล้ว Titan X ดูเหมือนจะเอาชนะการ์ด GPU เดี่ยวอื่น ๆ ได้อย่างชัดเจนและทำงานที่น่าเชื่อถือเมื่อเปรียบเทียบกับ Dual GPU Radeon R9 295X2 ของ AMD หรือ GeForce GTX 980 SLI ของ Nvidia ในหลายกรณีการ์ดแบบ dual-GPU จากผู้ขายจะเร็วกว่าการ์ดแบบ GPU เดียว แต่หลาย ๆ เกมไม่ได้ใช้ทั้งการ์ดและในกรณีอื่น ๆ การตั้งค่าการ์ดแบบคู่ก็ยิ่งทำให้ติดขัดมากขึ้น โดยเฉพาะอย่างยิ่งรีวิวจำนวนมากมุ่งเน้นไปที่ประสิทธิภาพของ Titan X ที่ 4K

แน่นอนว่าคู่แข่งหลักของ Nvidia ในโลกแห่งการแข่งขันของพีซีกราฟิกไม่น่าจะนั่งได้แน่น - AMD มีข่าวลืออย่างกว้างขวางว่ามีการ์ดใหม่ของตัวเองรออยู่ในปีก

อีกครั้งแม้ว่าสิ่งที่ฉันคิดว่าน่าสนใจที่สุดเกี่ยวกับการเปิดตัว Titan X ในการประชุม GPU Technology Conference (GTC) ในวันอังคารคือการมุ่งเน้นไปที่การใช้ชิปในแอพพลิเคชั่นการเรียนรู้อย่างล้ำลึก ได้ค้นพบว่าเทคนิคการเรียนรู้อย่างลึกซึ้งสามารถเร่งความเร็วได้อย่างมากโดยใช้ GPU

โดยเฉพาะหวงพูดคุยเกี่ยวกับแอพพลิเคชั่นตั้งแต่การจดจำรูปภาพพร้อมการเขียนคำบรรยายอัตโนมัติเพื่อการวิจัยทางการแพทย์ไปจนถึงยานยนต์อิสระ ตลาดยานยนต์เป็นจุดสนใจหลักสำหรับ Nvidia ในงาน CES เนื่องจากเปิดตัวชิป Tegra X1 และโซลูชัน Drive PX สำหรับอุตสาหกรรมยานยนต์ แนวคิดคือการเพิ่มระบบช่วยเหลือผู้ขับขี่ขั้นสูง (ADAS) ที่มีอยู่เพื่อให้พวกเขาฉลาดขึ้นและฉลาดขึ้นเมื่อเวลาผ่านไป "ฉันเชื่อว่า Big Bang ของรถยนต์ที่ขับเคลื่อนด้วยตัวเองกำลังจะมาในอีกไม่กี่ปีข้างหน้า" หวางกล่าวว่า

ต่อมาซีอีโอเทสลามอเตอร์ Elon Musk เข้าร่วมกับหวางบนเวที GTC เพื่อกล่าวว่าการพัฒนารถยนต์ที่ขับเคลื่อนด้วยตัวเองที่ปลอดภัยกว่าจริง ๆ กับการขับขี่ของมนุษย์ไม่ไกลนัก Musk กล่าวว่าชุดเซ็นเซอร์ปัจจุบันใน Tesla นั้นมีคุณสมบัติความช่วยเหลือขั้นสูงสำหรับผู้ขับขี่แล้ว แต่การขับขี่ด้วยตัวเองในสภาพแวดล้อมในเมืองด้วยความเร็ว 10-40 ไมล์ต่อชั่วโมงจะต้องใช้กำลังการประมวลผลมากขึ้น ถึงกระนั้นเขากล่าวว่าการเปลี่ยนผ่านจะใช้เวลานานเนื่องจากยานพาหนะบนท้องถนนมีขนาดใหญ่มาก “ มันแปลกที่เราอยู่ใกล้กับการกำเนิดของ AI” มัสค์กล่าว "ฉันแค่หวังว่าจะมีอะไรเหลือให้มนุษย์เราทำ"

การเรียนรู้ของเครื่องนั้นแตกต่างจากแอปพลิเคชั่นประมวลผลประสิทธิภาพสูง (HPC) ส่วนใหญ่ที่ Nvidia ผลักดันตัวเร่งความเร็วของเทสลา แอปพลิเคชันเหล่านั้นมักต้องการจุดลอยตัวที่มีความแม่นยำสองเท่าในขณะที่แอปพลิเคชันการเรียนรู้เชิงลึกมักต้องการเพียงความแม่นยำเดียวเท่านั้น Titan X มีความแม่นยำเพียงระดับเดียวเท่านั้น สำหรับแอพพลิเคชั่นการเรียนรู้ระดับลึก Nvidia ขอเสนอกรอบใหม่ที่เรียกว่า DIGITS ระบบการฝึกอบรม Deep GPU สำหรับนักวิทยาศาสตร์ด้านข้อมูลและอุปกรณ์มูลค่า 15, 000 ดอลลาร์ใหม่ที่เรียกว่า DIGITS DevBox

หวางกล่าวว่าสถาปัตยกรรม Pascal GPU ซึ่งจะเปิดตัวในปีหน้าจะเร่งการเรียนรู้เชิงลึกของแอพพลิเคชั่นสิบเท่าของความเร็วของโปรเซสเซอร์ Maxwell รุ่นปัจจุบัน สิ่งนี้มาจากคุณสมบัติใหม่สามอย่าง: ความแม่นยำแบบผสม (ใช้จุดลอย 16 บิตมากขึ้น); 2.7 เท่าของความจุหน่วยความจำสูงถึง 32GB ผ่านการใช้หน่วยความจำ 3D ซ้อนกับแบนด์วิดท์หน่วยความจำสามเท่าและ NV Link เชื่อมต่อระหว่างกันทำให้สูงสุดแปดแปด GPUs ใน DevBox หรือเวิร์กสเตชันที่คล้ายกัน (เทียบกับ Titan X สี่ตัว GPUs ในหนึ่งการจัดส่งในเดือนพฤษภาคม) ไม่ได้กล่าว แต่มีแนวโน้มว่าชิปที่ใช้สถาปัตยกรรมนี้จะใช้เทคโนโลยีกระบวนการผลิตรุ่นต่อไป หลังจากนั้นชิป 28nm ตัวแรกได้เปิดตัวในปี 2011 และเริ่มขายในปี 2012 ดังนั้นในปีหน้าฉันหวังว่าเราจะเห็นชิปกราฟิกแบบแยกส่วนขนาด 16nm หรือ 14nm