
就如NVIDIA CEO 黄仁勋钟情穿皮夹克做主题演讲一样,今年NVIDIA不仅还是选择在CES2015预展上召开发布会,而且其重头戏也延续了去年发布会的调调——移动芯片、游戏与汽车。
对于NVIDIA在CES2015上发布Tegra K1的升级版,网友一点都不惊讶,但是名字,大家又猜错了。不是Tegar K2、也不是Tegra M1,而是Tegra X1。
Tegra X1有几大亮点不得不说,这也是它顶替了Tegra K1“核弹”头衔的原因。
NO.1:新架构 新体验
Tegra X1基于NVIDIA近期发布的Maxwell GPU架构,该架构用于全球顶级性能的游戏显卡GeForce GTX 980,可见NVIDIA对Tegra X1的重视程度,旗舰范儿。
NO.2:核心提高 性能爆表
Tegra X1采用了256核心的GPU,对比Tegra K1,其性能高出两倍。
NO.3:小尺寸 功耗低
Tegra X1的尺寸仅有拇指指甲大小,功耗约为10瓦特。
Tegra处理器是NVIDIA专为嵌入式产品、移动设备、自主机器以及汽车等应用而打造。据悉,Tegra X1 将于今年上半年开始上市。
NVIDIA在CES2014上推出的SHIELD游戏掌机获得了广大网友的热切关注,不过今年,NVIDIA并没有推出游戏机产品,不过,游戏依然占据了发布会的一部分。
黄仁勋为在发布会上向大家展示了在搭载Tegra X1芯片的平板电脑上运行Unreal Engine 4引擎“Element”Demo演示,具有大量的破坏和物理碰撞、复杂的全局光照,效果很逼真。
发布会并未透露GAMESTREAM的相关情况,黄总,下一代掌机啥时候出啊?
为什么说NVIDIA“豪赌”汽车市场呢,其一是,不管去年还是今年,NVIDIA都在CES上用大篇幅讲了汽车相关的技术,这一定是着重推广的节奏;其二,请看NVIDIA财报,2014年10月26日,NVIDIA第三季度收入12.25亿美元,创下历史新高,同比增长16%,环比增长11%,但是看业务方面,GPU显卡收入9.91亿美元,仍然超过总收入的八成,而Tegra处理器同比涨51%,占总体收入的一成以上,财报并未透露汽车领域的收入情况,这也从侧面表示,NVIDIA在汽车领域,现阶段投入要大于产出。
即便如此,NVIDIA的财报数字还是非常喜人的,不过俗话说得好,“生于忧患,死于安乐”。不仅需要保卫已有的优势,为了持续发展,还需要开拓新的蓝海,而看情况,汽车市场就是NVIDIA瞄准的蓝海。
在发布会上,NVIDIA发布了两款汽车电脑:NVIDIA DRIVE PX和NVIDIA DRIVE CX,前者用于开发自动驾驶功能,后者用于打造最先进的数字座舱系统。
NVIDIA DRIVE PX:其采用了Tegra X1芯片,计算机视觉功能可成就自动代客泊车 (Auto-Valet),让汽车可以找到泊车空间并自动泊车,无需人工干预;NVIDIA DRIVE PX可以让汽车在拥挤的停车场发现空地、自动泊车然后在智能手机发出召唤时返回原地接上驾驶员。
NVIDIA DRIVE CX:这是一款完整的软硬件解决方案,可成就先进的图形与计算机视觉功能,满足导航、信息娱乐、数字仪表组以及驾驶员监控等需要。它还可以成就环绕视觉 (Surround-Vision),实时提供无失真全局 360 度汽车视野,从而解决了盲区问题,另外还可以用数字智能后视镜完全取代物理后视镜。可选配Tegra X1或Tegra K1处理器。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。