主推虚拟现实测试,intel和英伟达之间的计算能力

来源:http://www.roro2.com 作者:必威技术 人气:156 发布时间:2019-11-09
摘要:原标题:招募 | 阿联酋国家级AI研究院招收大量研究员、工程师 据凤凰科技讯,2001年6月26日,著名导演史蒂文·斯皮尔伯格执导的《人工智能》(英文名:《AI》)在美国上映。影片讲

原标题:招募 | 阿联酋国家级AI研究院招收大量研究员、工程师

据凤凰科技讯,2001年6月26日,著名导演史蒂文·斯皮尔伯格执导的《人工智能》(英文名:《AI》)在美国上映。影片讲述的是机器人小男孩大卫为了寻找养母,并缩短机器人与人类的差距而奋斗的故事。

必威 1

原标题:尽管推出了更强大的GPU芯片,但英伟达宣布暂停自动驾驶实路测试,主推虚拟现实测试

学术青年有两大痛点:一个是寻找继续进修的offer机会;另一个是寻找学术会议workshop的投稿渠道。

必威 2

导语:从爆炸性的TNT开始,英伟达NVIDIA就以GPU制作商为人所熟悉,现在已是最大的GPU制造商,后来NVIDIA扩展GPU用途,在单机中实现了GPU通用运算处理,加速视频剪辑、图像处理,把GPU用作高性能计算机集群协处理器,大幅度提升运算能力。借助近年人工智能热潮,NVIDIA想把GPU推广到更多领域当中,比如说汽车自动驾驶,甚至是医疗,来一场人工智能革命。我们将一连数篇文章,讲述NVIDIA用GPU实现人工智能的幕前幕后故事。

必威 3

而与此同时,企业研究院及高校研究机构也同样面临宣传自身招募/征稿信息的不便。

《人工智能》电影剧照

必威 4

英伟达再一次在提升计算力的路上越走越远,GPU产品依然是主旋律,Tesla V100系列、DGX系列和Quadro GPU系列都进行了更新。

为了消除彼此的信息不对称,AI 科技评论从今年开始,开启招募专栏,为学术青年提供两大领域的启事:

大卫是一个被输入情感程序的机器人男孩,Cybertronics Manufacturing公司员工亨瑞和他妻子制造出的一个试验品。他们收养了大卫,并给了他足够的爱,但是人类与机器都无法接受大卫。于是大卫踏上旅程去寻找真正属于自己的地方,渴望成为一个真正意义上的人。

在2017年召开的GPU技术开发会议(GPU Technology Conference 2017)上,NVIDIA与丰田汽车宣布了合作推广自动驾驶,深受世人的瞩目,也掩盖了NVIDIA在医疗领域的努力。其实在过去一年中,NVIDIA发表与医疗相关报告已经超过50份,是历年的2倍以上,不少报告是刊发在美国Mayo Clinic等主流医疗组织当中,NVIDIA在医疗领域有了深入发展,而且是实质性发展。

文丨AutoR智驾 明阳

1.高校实验室博士生招生和博士后招募

在这部影片上映15年后,机器人还没有成为真正意义上的人, 但人工智能在围棋领域战胜了人类。它的强大和超强的进化能力,让人类棋手难以望其项背。

NVIDIA在医疗行业关系日益变得紧密,最明显的例子莫过于在硬件上,今年来越来越多CT机、超声波诊断设备搭载了NVIDIA的GPU。在以往的医疗图像诊断设备大多是采用FPGA(Field Programmable Gate Array,可编程门阵列)处理器进行运算的,可随着运算量的大幅度增加FPGA已难以应付,于是引入擅长于并行运算的GPU进行协运算非常必要。今天中端或以上的CT机大多集成了GPU ,在超声波成像设备中GPU被用于处理彩色多普特图像。

英伟达在GPU 2018技术大会开始前宣布暂停自动驾驶测试,受此影响,发布会一开始,英伟达股价同步下跌,至发布会结束,英伟达股价累积下跌6.64%。

2.会刊期刊相关或workshop的论文投稿

必威 5

除了在医疗设备上加入GPU,NVIDIA也在医疗技术、生命科学领域发力,为此组建了面向医疗器械厂商、研究院所与医疗机构的新团队。该团队现阶段集中力量投入医疗影像、医疗信息、基因研究、医药研究四个领域,选择这四个领域于其工作特性紧 密相关,它们都需要处理大量数据,而这正是GPU协运算优势所在。

进而,在大会期间黄仁勋多次强调“多买GPU,多省钱”来推销自己的产品。

*投递简历或投稿记得在邮件主题加上【AI 科技评论】

AlphaGo以3:0战胜柯洁九段

必威 6

全球最大GPU:DGX-2

*有相关需求的企业研究院或高校研究机构可以把详细的 JD发送至邮箱【guoyixin@leiphone.com】

“AlphaGo Master比AlphaGo Lee(与李世石对战的版本)要强大,Master在对战中耗费的能力(性能和功耗)仅是Lee版本的十分之一,需要4个TPU在单台电脑上运行即可。“DeepMind首席科学家David Silver在AlphaGo 战胜李世石后这样解释说。

在医疗影像领域上,CT、MRI、超声波、内窥镜、病理影像诊断中均可用到GPU协运算。现在学术研究领域甚至开始尝试基于GPU的人工智能运算,利用GPU高并行运算能力处理实现神经网络处理,最终达成自我学习功能,并应用在不同领域当中。

不出所料,这届GPU 2018技术大会上,老黄并没有发布最新的GPU构架,而是带来了在六个月前发布的DGX-1基础上对产品的深度学习计算平台进一步提升的DGX-2,DGX-2是NVIDIA DGX产品组合中的最新产品。该组合由三个系统组成,旨在帮助数据科学家快速开发、测试、部署并扩展全新的深度学习模型及创新成果。

*如果有开发类应聘岗位需求可点击链接查看 AI 科技评论友军的推送「」

AlphaGo强大到令人绝望,引发了“人工智能威胁人类”的讨论。但在本质上,人工智能是算法、数据和硬件三个要素综合的结果。

在更早时候,NVIDIA已经与医疗影像设备展开私下交流,为日本医疗影像设备制造商提供导入AI的技术支持,向部分设备制造商、研发机构交付了名为“DGX-1”的超级计算机,对于欧美厂商则是提供数据处理服务。

必威 7

阿联酋国家级 AI 研究院招收大量研究员、工程师

一旦涉及到算法、数据,就离不开计算。在这个领域,用来计算的硬件主要是TPU、GPU和CPU,他们背后代表的公司则分别是谷歌、英伟达和英特尔。这几家公司彼此竞争,又互相需要。

必威 8

DGX-2能够在不到两天的时间内完成对 FAIRSeq 的训练,FAIRSeq 是一种采用最新技术的神经网 络机器翻译模型,其性能提高了 10 倍。

起源人工智能研究院 -- Inception Institute of Artificial Intelligence (IIAI)是阿拉伯联合酋长国的国家级人工智能研究院,位于阿联酋首都阿布扎比 (Abu Dhabi)。英国东安格利亚大学计算机视觉教授邵岭担任该研究院的负责人(CEO and Chief Scientist)。

TPU(Tensor Processing Unit)是专为机器学习而定制的芯片,经过了专门深度机器学习方面的训练。谷歌工程师Norm Jouppi介绍,在人工智能相关的算法上,它的计算速度更快,计算结果更精准,同时也更加节能。

此外,对于那些规模不大但有意于应用AI的中小企业甚至是初创企业,NVIDIA也乐意提供帮助,比如说日本的PKSHA Technology公司,在NVIDIA支持下,其X光摄影辅助诊断技术在验证阶段已经实现对医生读片诊断提供足够信息支持。

被老黄称之为世界上最大的GPU—DGX-2 采用 NVSwitch 系统,其中采用的 16 个 GPU 均共享统一的内存空间,DGX-2 具有 300 台服务器的深度学习处理能 力,占用15 个数据中心机架空间,而体积则缩小 60 倍,能效提升 18 倍,DGX-2 系统通过借鉴 NVIDIA 为所有层级的计算堆栈开发的各种业界领先的技术优势,能够提供每秒两千万亿次浮点运算能力的单点服务器。

必威 9

必威 10

在医疗信息领域,NVIDIA用深度学习功能去分析病着的病例,从以往医疗中去预测可能出现的疾病,优化医疗方案和减少药物剂量;在基因研究领域,深度学习被用于分析基因突变以及其临床表现,在日本投入使用的部分DGX-1正是负责此工作;医药研究领域,人工智能技术将广泛用于分析药物副作用、预测药物的靶蛋白结构等方面。简而言之,基于GPU的人工智能在医疗领域有着非常广泛的用途。

DGX-2 结合了全面优化更新的 NVIDIA 深度学习软件套件,其意义是突破深度学习研 究和计算的外部极限。

IIAI自今年初成立以来已经吸引70多名来自世界著名大学(包括牛津大学、剑桥大学、麻省理工学院、苏黎世联邦理工学院、清华大学、纽约大学、南洋理工大学、澳大利亚国立大学、谢菲尔德大学等)人工智能领域的全职研究人员,以及4名访问教授、15名访问学生。研究院在接下来几年将快速扩张至数百名全职人工智能科研人员。

谷歌在I/O 2017上发布第二代Cloud TPU

必威 11

IIAI拥有世界领先的强大硬件计算资源,包括由超过100台NVIDIA DGX-1 GPU服务器和大量CPU服务器支持的超级计算机集群(总共拥有超过1000块Tesla V100 GPU)。同时,研究院拥有丰富的、涵盖多个领域的真实大数据资源,如医疗大数据、视频大数据、城市交通大数据等,可以更有力的支撑人工智能的研究并加速人工智能在各行业的落地。

人工智能依赖于机器学习(Machine Learning),机器学习又依赖于硬件,它需要硬件平台提供大量的运算资源。就计算效率来说,专用工具的计算效率远高于通用工具。专门为机器学习定制而出现的谷歌的TPU就是一种专用的工具,业内普遍认为它的出现对于通用工具GPU来说是一种威胁。

这让开发者获得了相应的深度学习训练能力,以处理最大规模的数据集和最复杂的深度学习模型。

必威 12

GPU的设计初衷不是主要用来进行神经网络运算,而是图像处理。由于其特殊的构造碰巧也比较适用于神经网络运算,所以在TPU出现之前,大多数做机器学习厂商都在同时利用FPGA和GPU来改进训练自己的神经网络算法。

黄仁勋称,“深度学习的超凡 进展仅仅是对未来的启示。其中的很多进展都是基于 NVIDIA 深度学习平台,该平台已快速成为 全球标准。我们正在以大幅超越摩尔定律的步伐加快提升平台的性能,以实现突破,进而为医 疗保健、交通运输、科学探索和其他众多领域带来革命性改变。”

IIAI第一期采购的超过100台载有8块Tesla V100 GPU的NVIDIA DGX-1服务器

英伟达创始人兼CEO黄仁勋却不认同“TPU威胁论”,在接受凤凰科技的采访时,他表示谷歌的TPU不会对英伟达的Volta GPU构成威胁,双方在TensorFlow项目上保持着合作,而Volta GPU的运算能力甚至在TPU之上。

必威 13

必威 14

作为世界最大的GPU制造商之一,英伟达一直不遗余力地推广GPU在深度学习领域的应用。老黄将英伟达称为“一家人工智能公司”。

此前,DGX-1使用的Tesla V100 GPU被全球领先的研究人员广为采用,2倍的内存提升使其能够处理大部分内存密集型深度学习和高性能计算工作负载。

IAI大规模云计算数据中心

谈到英伟达基于GPU的人工智能战略,需要先从Volta说起。

微软技术院士兼语音和语言业务负责人黄学东表示:“在过去几年中,微软和 NVIDIA 在 AI 技术 方面的合作取得了巨大进展,包括最近在汉译英方面的突破。借助全新 Tesla V100 32GB GPU, 我们将能够更快速地针对更大规模、更为复杂的 AI 模型进行训练。这将有助于提升自身语音识 别模型和机器翻译模型的准确性,使其达到人类的水平,并强化 Cortana、Bing 和 Microsoft Translator 等产品。”

IIAI成立至今,已有多篇论文被人工智能领域的世界顶级期刊与国际顶级会议所接受发表,例如4篇文章入选CVPR2018、10余篇文章入选ECCV2018、2篇文章发表于TPAMI。为了促进人工智能基础研究的发展,IIAI在2018年已经赞助多个国际顶级会议,包括ICML、ECCV和NIPS。同时,研究院将带领20多人的团队在ECCV2018首次亮相。

在今年5月11日的NVIDIA GTC 2017上,英伟达推出了全新的GPU架构Volta。英伟达应用深度学习研究副总裁Bryan Catanzaro表示这并不是前代架构Pascal的升级,而是一个全新的架构。Volta提供大量的FLOP(浮点运算),基于Volta的架构,人们就可以使用需要更多FLOP的深度学习模型。如今很多流行的模型都需要很大的计算资源,例如卷积学习神经网络。

必威 15

IIAI正在与多所国际知名高校建立长期有效的深层次合作,将充分结合学术界基础研究的成果和工业界大量数据与经验上的优势,孕育未来人工智能领域的栋梁,并带动区域内人工智能生态系统的发展。目前,IIAI已经逐步开展与英国爱丁堡大学,荷兰阿姆斯特丹大学,纽约大学阿布扎比校区,清华大学等知名高校成立联合实验室,包括联合培养博士生项目,互派访问研究人员,共同研发等。

必威 16

SAP 以色列创新中心副总裁 Michael Kemelmakher 表示:“我们采用 SAP Brand Impact 这款能够 近乎实时地对视频中的品牌曝光率进行自动化分析的应用,评估了搭载全新 Tesla V100 32GB 的DGX-1。内存的升级提高了我们在较大的 ResNet-152 模型上处理更高清晰度图像的能力,将平 均错误率降低 40%,进而能够提供准确、及时且可审计的规模化服务。”

IIAI与中东以及北非地区的各政府部门、医疗机构保持密切合作,其研究基于国家和区域性的丰富大数据资源,从实际应用场景出发,全面深化人工智能与数据科学在各个领域的快速发展。IIAI正在大力发展的人工智能应用领域的研究主要集中在两方面:(1)智能视频理解,旨在千块GPU集群上建立一个世界领先的智能视频解析平台,通过面部检测、行人识别、车辆识别,场景分析,开发一种自学习AI系统,用于实施监控人类行为、报告异常活动,从而有效利用公共和私人监控设备大数据;(2)医学人工智能(包括医疗图像分析),旨在通过世界先进医疗设备上采集的医学图像及其他健康相关数据、进行计算分析、深度学习、生物科学应用和计算机辅助介入系统,旨在更高效地实现癌症病变检测和疾病早期诊断等医学应用。

黄仁勋展示基于Volta架构的Tesla V100加速芯片

如今Tesla V100 GPU配备了32GB内存,可实现更深度、更大规模的深度学习模型进行训练,且比以往都更加精确,与之前的16GB版本相比,它还能将内存受限的HPC应用性能提升高达50%。

IIAI以其极具竞争力并且免税的薪资待遇、丰厚的员工福利、优越的办公环境、崇尚灵活的公司氛围、以人为本的文化精神,已经吸引了大批优秀的科研人员和工程师。

基于全新的Volta架构,英伟达推出Tesla V100加速器,它速度比其前身Tesla P100快2.4倍。

目前,Tesla V100 32GB GPU可用于所有NVIDIA DGX系统。

必威 17

Tesla V100凝聚了英伟达内部数千名工程师数年的开发,研发投入相当于30亿美金。黄仁勋在NVIDIA GTC 2017的主题演讲中,展示了一块Tesla V100,他笑称全世界唯一一块就在他手上,如果有人想买的话,那么价格就是30亿美金。

向上路测试投降,推虚拟现实自动驾驶测试

IIAI办公地点坐落于阿联酋首都阿布扎比市中心环球市场大楼(Abu DhabiGlobal Market, Al Maryah Island),周围设施齐全,豪华酒店、商务娱乐设施随处可见,终年阳光明媚,海滩环绕。阿联酋文化多元,具有开放包容精神,其首都阿布扎比坐拥全球第五大石油蕴藏,城内摩天大楼高耸入云、奢华酒店错落林立,基础设施、娱乐设施世界一流。

而在Tesla V100加速器基础上,英伟达推出了超级计算机DGX-1V和HGX。

在自动驾驶领域英伟达推出了一套用于使用照片级真实感模拟,基于云的自动驾驶汽车测试系统DRIVE Constellation 仿真系统,该系统为实现自动驾驶汽车上 路创建了一种更安全、可扩展性更好的方式。

IIAI现招收大量深度学习、计算机视觉、自然语言处理、医疗图像分析等方向的研究员与工程师,薪资极具竞争力,涵盖子女教育、子女及配偶的医疗保险、每年回国往返机票等。欢迎热爱人工智能的科研人员或工程师来IIAI工作、访问、交流(

DGX-1V内置了8块Tesla V100,黄仁勋表示“DGX-1V相当于400个服务器”,过去Titan X(GTX TITAN X,泰坦显卡)需要花费8天训练的神经网络,DGX-1V只需要8个小时,性能提升了24倍。

全新数据中心解决方案集成了 NVIDIA DRIVE Pegasus,可运行 DRIVE Sim 软件,实现大量自动驾驶汽车的测试与验证,在虚拟现实环境中测试自动驾驶汽车安全行驶数达十亿英里。

IIAI主页:

HGX是英伟达和微软联合开发的云图形加速器,是英伟达人工智能战略的硬件支撑。它同样内置了8块Tesla V100。目前微软的Project Olympus计划、Facebook的Big Basin系统都是使用的HGX作为数据中心设计方案的核心。

必威 18

联系人:jobs@inceptioniai.org返回搜狐,查看更多

黄仁勋在台北国际电脑展的主题演讲中表示,GPU的运算能力提升非常快,能在未来取代CPU成为最主要的人工智能芯片。

黄仁勋称,“DRIVETMConstellation,这是一款基于两种不同服务器的计算平台。”

责任编辑:

但是英特尔并不这么认为。台北国际电脑展期间,英特尔数据中心全球销售部产品和技术总经理陈葆立在接受凤凰科技采访时提到, TPU和GPU只是加速芯片,目前是无法独立工作的,没有CPU它跑不起来。

第一台服务器运行 NVIDIA DRIVE Sim 软件,用以模拟自动驾驶汽车的传感器,如摄像头、激光 雷达和雷达。

“不管是AMD或者是ARM出的CPU,都是不能直接连接到英伟达的GPU的,连接的标准是PCIE(这属于英特尔),传输速度取决于PCIE的速度。但是目前我们自己的芯片组合可以跳过PCIE,所以能比CPU+GPU更快。”他说。

第二台服务器搭载了强大的 NVIDIA DRIVE PegasusTM AI 汽车计算平台,可运行完整 的自动驾驶汽车软件堆栈,并能够处理模拟数据,这些模拟数据如同来自路面行驶汽车上的传 感器。

在收购Nervana之后,英特尔拥有了将至强融核处理器和FPGA两个不同的芯片整合成一个芯片的能力。在最新的Nervana系统中,就包含了FPGA加速芯片Arria 10和至强融核处理器的整合。

NVIDIA 汽车事业部副总裁兼总经理 Rob Csongor 表示:“要实现自动驾驶汽车的量产部署,需要 一种能够在数十亿英里的行驶中进行测试和验证的解决方案,以实现客户所需的安全性和可靠性。借助 DRIVE Constellation,将视觉计算和数据中心方面的专业知识相结合,实现了这一 目标。借助虚拟仿真,我们可通过对数十亿英里的自定义场景和极端情况进行测试,从而提高 算法的稳定性,其花费的时间和成本仅为实际道路测试的一小部分。”

必威 19

必威 20

Arria 10就是一款主流的Altera FPGA产品

仿真服务器由 NVIDIA GPU 提供支持,每台服务器都会生成仿真传感器数据流,并将其传送至DRIVE Pegasus 进行处理。

FPGA最初是从专用集成电路发展起来的半定制化的可编程电路,它可以作为一种用以实现特殊任务的可再编程芯片应用与机器学习中。

DRIVE Pegasus 的驾驶指令会反馈给仿真器,以完成数字反馈循环。

譬如百度的机器学习硬件系统就是用FPGA打造了AI专有芯片,制成FPGA版百度大脑。FPGA比相同性能水平的硬件系统消耗能率更低,在刀片式服务器上可以由主板上的PCI Express总线供电。使用FPGA可以将一个计算得到的结果直接反馈到下一个,不需要临时保存在主存储器,所以存储带宽要求也在相应降低。

这一“硬件在环”周期的发 生频率为每秒30次,可用于验证在 Pegasus 上运行的算法和软件对仿真车辆进行的操作是否正确。

英特尔的方案是将CPU与FPGA融合起来,组合芯片的运算更加灵活和高效,同时还能实现最低的功耗,获得性能和功耗的平衡。

必威 21

人工智能方兴未艾,谷歌的TPU、英伟达的GPU和英特尔的CPU组合方案,在硬件层面上都还只是尝试,这种尝试能帮助实现早期的技术积累。在采访的最后陈葆立提到,虽然是不同的硬件平台,但是大家都在想办法融合,这有利于帮助开发者,从而真正帮助人工智能向前发展。

DRIVE Sim 软件可生成照片级逼真的数据流,以创建大量不同的测试环境。它能够模拟诸如暴雨和暴风雪等不同天气状况。也可以根据一天中不同时间内的光线变化,或是夜间受限的视野,以及所有不同类型的路面和地形的变化作出判断。

在模拟过程中可设置各种危险情况,来测试自动驾驶汽车的反应能力,以确定其不会对任何人的安全造成威胁。

IHS Markit 研究与分析总监 Luca De Ambroggi 表示:“自动驾驶汽车的开发需要一套从训练到测 试、再到驾驶的完整系统,而 NVIDIA 的端到端平台便是正确的方法。DRIVE Constellation 可用于虚拟测试和验证,这让我们与实现自动驾驶汽车的量产更进一步。”

本文由必威发布于必威技术,转载请注明出处:主推虚拟现实测试,intel和英伟达之间的计算能力

关键词:

最火资讯