CNET科技行者 1月9日 拉斯维加斯消息(文/陶婧婕):为何黄老板如此痴迷皮夹克?这个问题几乎是每一个参加超过3场NVIDIA发布会的媒体人们共同的疑问,通过多年的讨论以及询问(问NVIDIA员工),统一的答案是:这就是黄老板的style。
不管外界时尚圈流行什么元素,我就喜欢穿着皮夹克演讲,这就是NVIDIA黄仁勋,这种“不跟随”的范儿也融入了NVIDIA。
当厂商在CES2014上集中火力猛推可穿戴设备、4K、智能家居时,黄老板就已经开始布局汽车领域。在CES2014上,NVIDIA发布的处理器32位Tegra K1 VCM模块植入到了奥迪Sport Quattro Laserlight车内,而那时已经有450万辆汽车使用了NVIDIA芯片。
五年过去了,CES2018,黄老板还是在NVIDIA Keynote上继续说着自动驾驶的那些事儿,从NVIDIA的新品到合作伙伴。而他也见证了自动驾驶从“不温不火”到“异常火爆”,NVIDIA从来不是“赶潮流”的厂商,它是潮流的制造者。
黄老板认为:未来的汽车将是软件定义的。
作为一家老牌半导体硬件芯片商,NVIDIA说出这句话意味着什么呢?我们往下看。
NVIDIA DRIVE是一个为自动驾驶行业打造的端到端平台,在活动上,NVIDIA描绘了一个DRIVE系列产品发展架构,底层是最新发布的Drive Xavier自主机器处理器,往上依次是:DRIVE AV自动驾驶车辆平台(早前发布)、DRIVE AR增强现实软件开发套件、DRIVE IX智能体验软件开发套件。
Drive Xavier自主机器处理器是由2000多名工程师耗时四年打造而成,NVIDIA的研发投入高达20亿美元。它拥有超过90亿个晶体管,是基于一个特别定制的8核CPU、一个全新的512核Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新 8K HDR 视频处理器而打造。它的技术细节非常复杂,是迄今为止打造的最复杂的系统级芯片,但总体来说:DRIVE Xavier可提供更高的处理能力,运行功率更低,每秒可运行30万亿次计算,功耗却仅为30瓦,能效比上一代架构高出15倍。这款Drive Xavier自主机器处理器也成为NVIDIA布局自动驾驶领域最核心的源动力。
另外,NVIDIA还推出了全球首款致力于推进 L5 级全自动驾驶机器人出租车的 AI 车载超级计算机——Pegasus。Drive Xavier自主机器处理器也是Pegasus AI计算平台重要组成部分,Pegasus配备了两个Xavier系统级芯片和两个下一代NVIDIA GPU,可实现每秒320万亿次深度学习计算,能够同时运行多个深度学习网络。首批Pegasus样品将于2018年中交付客户。
DRIVE AV是早前发布的自动驾驶车辆平台,其采用神经网络实现了车辆的自动驾驶。
DRIVE AR是一款增强现实软件开发套件。目前NVIDIA已经开始体验到移动设备端的AR应用的能力,且这一面向AI汽车的软件平台将融合计算机视觉、计算机图形和AI,将实现下一代增强现实界面,可在驾驶途中提供信息兴趣点,创建警报提醒,并安全轻松地进行导航。
DRIVE IX是一款智能体验软件开发套件,能够借助车身内外的传感器,为驾驶员和乘客提供AI辅助功能。
不难看出,NVIDIA在DRIVE平台倾注了大量的心血,也是其布局自动驾驶领域最为重磅的产品。不仅是硬件,在自动驾驶领域NVIDIA对于软件也有非常大的野心以及决心(CES2018推出了DRIVE AR与DRIVE IX)。这么看来,未来,NVIDIA应该会继续在软件方面搞事情。
滴滴滴,NVIDIA加您为好友,请通过验证~
NVIDIA在CES上说了5年汽车,你知道它在自动驾驶领域有多少合作伙伴么?
黄老板答:我们在汽车、卡车、地图、传感器、学术机构等等领域有超过320家合作伙伴(使用NVIDIA DRIVE产品)。
NVIDIA在自动驾驶领域的地位是毋庸置疑的——TOP级别。活动上, NVIDIA还宣布了四个汽车领域的重要合作:
与采埃孚(ZF)和百度面向中国市场推出AI自动驾驶车载计算机:此次合作基于全新的NVIDIA DRIVE Xavier、采埃孚的全新ProAI车载计算机、以及百度致力于量产的自动驾驶产品 Apollo Pilot。这一解决方案不仅适用于中国汽车制造商,也适用于计划在中国市场展开业务的任何汽车制造商;这一解决方案可支持具备从super L2级至L5级完全自动驾驶能力的机器人出租车。 采用NVIDIA、采埃孚和百度的AI自动驾驶技术的量产车型有望于2020年起在中国上路行驶。
与Aurora联手打造下一代自动驾驶汽车计算平台:Aurora在其自动驾驶计算平台中采用了NVIDIA DRIVE Xavier处理器,Aurora想在未来几年内实现L4和L5级自动驾驶汽车在全球上路行驶。
UBER选用NVIDIA技术应用于旗下自动驾驶车队的AI计算系统:UBER Advanced Technologies Group的自动驾驶汽车及货运车队将利用NVIDIA技术,运行AI算法,使车辆能够感知周围世界,并预测下一步动向,即使在复杂环境中也能迅速选择最佳行动方案。
与大众携手为未来车辆阵容注入人工智能:大众和 NVIDIA分享了对于汽车行业的未来愿景,包括AI和深度学习如何塑造大众新一代智能汽车发展,以及如何利用NVIDIA DRIVE IX平台打造全新座驾体验并提高安全性。
除了与自动驾驶有关的那些事儿,活动上黄老板还讲了游戏、VR等内容,这么多内容融合在两个小时演讲内确实不易,而NVIDIA有自己的节奏,讲的也是关于NVIDIA过去、现在以及将来的故事。有人觉得事儿太多听不过来,但对于NVIDIA来说就是“刚刚好”。
最后口头表扬下NVIDIA金牌代言人黄老板,两个小时只喝一口水,继续走“金句不断,超长续航”路线,两个小时内展示了N多款产品,推销小能手的名头也是当仁不让,牛!
G
M
T
检测语言 世界语 中文简体 中文繁体 丹麦语 乌克兰语 乌兹别克语 乌尔都语 亚美尼亚语 伊博语 俄语 保加利亚语 僧伽罗语 克罗地亚语 冰岛语 加利西亚语 加泰罗尼亚语 匈牙利语 南非祖鲁语 卡纳达语 印地语 印尼巽他语 印尼爪哇语 印尼语 古吉拉特语 哈萨克语 土耳其语 塔吉克语 塞尔维亚语 塞索托语 威尔士语 孟加拉语 宿务语 尼泊尔语 巴斯克语 布尔语(南非荷兰语) 希伯来语 希腊语 德语 意大利语 意第绪语 拉丁语 拉脱维亚语 挪威语 捷克语 斯洛伐克语 斯洛文尼亚语 斯瓦希里语 旁遮普语 日语 格鲁吉亚语 毛利语 法语 波兰语 波斯尼亚语 波斯语 泰卢固语 泰米尔语 泰语 海地克里奥尔语 爱尔兰语 爱沙尼亚语 瑞典语 白俄罗斯语 立陶宛语 索马里语 约鲁巴语 缅甸语 罗马尼亚语 老挝语 芬兰语 苗语 英语 荷兰语 菲律宾语 葡萄牙语 蒙古语 西班牙语 豪萨语 越南语 阿塞拜疆语 阿尔巴尼亚语 阿拉伯语 韩语 马其顿语 马尔加什语 马拉地语 马拉雅拉姆语 马来语 马耳他语 高棉语 齐切瓦语 | 世界语 中文简体 中文繁体 丹麦语 乌克兰语 乌兹别克语 乌尔都语 亚美尼亚语 伊博语 俄语 保加利亚语 僧伽罗语 克罗地亚语 冰岛语 加利西亚语 加泰罗尼亚语 匈牙利语 南非祖鲁语 卡纳达语 印地语 印尼巽他语 印尼爪哇语 印尼语 古吉拉特语 哈萨克语 土耳其语 塔吉克语 塞尔维亚语 塞索托语 威尔士语 孟加拉语 宿务语 尼泊尔语 巴斯克语 布尔语(南非荷兰语) 希伯来语 希腊语 德语 意大利语 意第绪语 拉丁语 拉脱维亚语 挪威语 捷克语 斯洛伐克语 斯洛文尼亚语 斯瓦希里语 旁遮普语 日语 格鲁吉亚语 毛利语 法语 波兰语 波斯尼亚语 波斯语 泰卢固语 泰米尔语 泰语 海地克里奥尔语 爱尔兰语 爱沙尼亚语 瑞典语 白俄罗斯语 立陶宛语 索马里语 约鲁巴语 缅甸语 罗马尼亚语 老挝语 芬兰语 苗语 英语 荷兰语 菲律宾语 葡萄牙语 蒙古语 西班牙语 豪萨语 越南语 阿塞拜疆语 阿尔巴尼亚语 阿拉伯语 韩语 马其顿语 马尔加什语 马拉地语 马拉雅拉姆语 马来语 马耳他语 高棉语 齐切瓦语 |
文本转语音功能仅限200个字符
选项 : 历史 : 反馈 : Donate | 关闭 |
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。