在此次GTC 2024期間,除了正式揭曉代號「Blackwell」的新一代顯示架構,NVIDIA同時也再次強調GPU加速的重要性,並且藉由GPU加速應用推動更多運算平台發展。
NVIDIA執行長黃仁勳在GTC 2024主題演講再次重申,相較早期以CPU堆疊的運算模式,過去10年多以來的運算因為GPU加入而有明顯加速變化,同時也從傳統機器學習逐漸演變成自動生成式人工智慧,並且改變諸多運算模式。
而藉由人工智慧應用,更讓許多傳統運算發展大幅改變,甚至也加快機器人、自動駕駛等技術成長,同時可對應更真實的物理模型也讓許多研究有大幅進展。
同時,隨著自動生成式人工智慧技術發展,許多內容已經不是透過推論 (inference)產生,而是直接透過人工智慧學習、理解之後,進而透過「構思」產生結果。
• 針對兆級規模參數量的人工智慧需求打造,NVIDIA揭曉代號「Blackwell」的新一代顯示架構
• NVIDIA推出結合「Grace」CPU與「Blackwell」GPU的運算叢集,強化雲端人工智慧應用佈署
• NVIDIA提出加速人形機器人應用發展的Project GR00T基礎模型
• NVIDIA超級車載電腦DRIVE Thor換上「Blackwell」GPU設計,用於2025年量產智慧車款
• 加速應用成長,NVIDIA NIM微服務可在數分鐘內完成佈署自動生成式人工智慧
• 蘋果Vision Pro也能使用,NVIDIA將以API形式推廣Omniverse數位孿生平台
• NVIDIA宣布推出雲端量子電腦模擬微服務,加速量子運算開發
• NVIDIA以AI推動6G行動通訊網路研究雲端平台,為智慧城市等發展建構超智慧世界奠定基礎
• NVIDIA宣布推出雲端量子電腦模擬微服務,加速量子運算開發
• NVIDIA以AI推動6G行動通訊網路研究雲端平台,為智慧城市等發展建構超智慧世界奠定基礎
GPU依然是許多人工智慧技術成長背後基礎,設計將有更大彈性
黃仁勳強調,以GPU加速運算的本質不會改變,因此NVIDIA會持續投入大量資源推進GPU設計,並且以此推動更龐大的運算加速效能。
在此說法之下,顯然說明即便競爭對手如Intel、AMD強調在其處理器整合人工智慧專屬運算元件,仍無法改變以GPU加速為主,藉此加速人工智慧運算發展的事實。
在此次推出的新一代「Blackwell」顯示架構設計,其中採用兩組光罩對應Die裸晶核心單元構成的特殊設計,並且透過每秒10TB資料傳輸速率方式的NV-HBI介面讓兩組Die裸晶核心單元進行溝通。
這樣的設計類似蘋果在Ultra級別的Apple Silison處理器設計,透過特殊傳輸介面將兩組Max級別處理器「連接」,讓處理器效能能更直接疊加,雖然會讓整體面積增大,卻能在既有製程技術、效能提升與生產良率考量之間取得平衡。
另一方面,這樣的設計其實也能讓GPU設計有更大彈性,不用為了效能、電晶體密度提升持續挑戰製程的物理極限,同時也能避免製作成本大幅提升,以及良率不佳的風險。
而即便目前在CPU運算部分的整合,是以Arm架構的「Grace」CPU為主,但在NVIDIA當前強調的設計彈性之下,意味無須像過往必須大幅仰賴x86架構處理器,甚至能在運算架構組合有更多選擇。
人工智慧資源將變得更容易取得
相比過去幾年在談論人工智慧應用時,許多人都會認為需要從頭建置,或是必須具備豐富的程式編寫能力,使得人工智慧建置顯得相當困難。
但在NVIDIA與諸多雲端服務業者合作,持續推動以雲端形式運作建構人工智慧,甚至在此次GTC 2024提供以微服務 (micro services)形式,讓企業、開發者能直接透過API資源串接,立即就能在服務內導入人工智慧技術,甚至可以依照需求快速調整。
對於資源相對不多的中小企業、新創團隊,或是個人開發,就能藉由此類資源快速建構人工智慧應用服務,甚至能以無編碼形式 (zero code)快速建立服務內容,同時也不用花費時間建立人工智慧訓練模型,因為市場上已經有諸多以開源形式提供使用資源,幾乎只要有想法就能快速打造應用服務。
這樣的發展,其實就像是蘋果、Google提供諸多API資源,讓開發者能更快打造適用於iOS或Android平台的App。
而NVIDIA提供的NIM微服務,則是協助整合諸多人工智慧模型、GPU加速運算資源,讓企業、開發者能更快導入應用,並且在短時間內建構自有人工智慧應用服務。
當然,如果企業或開發者希望進一步設計更符合需求、客製化程度更高的人工智慧應用服務,依然可以透過NVIDIA提供開發工具從零打造。
藉由微服務形式提供資源,NVIDIA除了希望加速人工智慧技術應用成長之外,另一方面自然也是希望鞏固自身以CUDA為基礎的GPU加速應用發展。
以Omniverse平台模擬更大規模「世界」,加速各類技術發展
NVIDIA提出Omniverse平台已經多年,初期確實是為了虛擬視覺相關內容製作,但隨著GPU算力持續成長,Omniverse平台已經足以模擬更大規模場景,甚至已經能夠建構「整個地球」,讓研究人員可以透過貼近真實的物理特性預測氣候變化。
因為能夠模擬更貼近真實環境,因此也讓Omniverse平台能夠作為機器學習訓練工具,讓機器人、自動駕駛車輛等可以在虛擬環境內進行持續學習,無須在真實世界冒著意外風險進行訓練,甚至能透過數位化大量複製學習經驗,讓機器人、自動駕駛車輛能在更短時間內學習如何走路、在道路上正確行駛。
而Omniverse平台目前也能用來模擬測試各類環境,例如建構產線最佳配置、分析事故現場發生經過,甚至用於行動通訊網路的基地台訊號運作模擬測試,不再僅只是圍繞在虛擬視覺內容應用,因此也成為NVIDIA重要發展運算平台。
人形機器人應用將加速發展
過去提到機器人,多半都會聯想到科幻電影中可與人自然交談、互動的人形機器人,但現實上的機器人往往是僅能進行固定作業、單一互動的形式,甚至不是以人形姿態呈現,可能只是一隻機器手臂,或是四輪傳動形式的載貨車輛。
不過,隨著NVIDIA近年持續在機器人領域發展,並且藉由GPU加速機器人學習訓練效率,在此次提出的Project Groot (實際上應為Gr00t)與Isaac平台結合之下,預期將加快人形機器人普及應用。
而推動人形機器人的發展,實際上是為了促進更深入的人機互動,甚至能透過貼近人類型態的機器人協助完成更多工作,例如需要藉由雙手完成的精細動作,或是彌補人力短缺問題。
另一方面,除了追求實現雙足機器人應用成真的「理想」,目前許多企業推動人形機器人背後想法,其實也是為了讓社會大眾更容易接受,避免非人形機器人會造成心理恐懼的問題產生。
但過去要打造高度仿生的人形機器人有相當難度,因此NVIDIA希望藉由Project Groot設計,藉此加速人形機器人訓練,使其能更快學習貼近人類動作,並且知曉如何因應不同情況做出正確互動。
加上NVIDIA此次提出的NIM微服務等應用資源,則預期能使人形機器人更快投入市場各類應用場景。