英伟达张建中：人亲自训练出的自动驾驶更加可靠

网易科技讯 4月29日消息，一年一度的GMIC全球移动互联网大会在北京举行，在未来峰会上，英伟达全球副总裁、中国区总经理张建中表示：正是由于GPU的进步，才使得深度学习的人工智能行业、虚拟现实行业、游戏交互行业得以高速发展。

对于火热的自动驾驶应用，张建中认为：“我们发现几乎所有的车厂都是让汽车认识前方的物体，运用雷达测试精确的距离以及利用一些超声波设备，探测周围的路况及物体，并且用红外设备辅助夜间行驶，英伟达不同的是，我们打造的是一个端到端的解决方案，在人端或者是训练端，用DGX-1训练模型，让系统得以很好的训练，以便遇到极其复杂的路况做出决策”。

张建中指出：GPU技术在整个行业当中的兴起能够增加附加价值，尤其在今年的变化给三个行业造成了最大的影响，第一是深度学习和人工智能的进步、第二个是使VR变成现实，第三个是游戏的交互，如果大家在这三个领域当中把GPU应用的更好，我们的生活会变得更好。（定西）

以下为张建中演讲实录：

今天非常高兴参加GMIC高峰论坛，我是张建中，我们在最近一年当中做了很多工作。所以今天特别高兴利用这个机会跟大家分享，今天想谈三个题目。

第一，GPU在驱动人工智能方面的研究。

第二，GPU的技术在整个VR行业当中兴起或者是能够增加的附加价值。

第三，新的GPU技术，如何驱动游戏行业的发展。

这三个题目听起来好像离大家比较远，一个是人工智能，一个VR，一个是游戏。但是我们把这三个综合起来看的时候，大家会发现这三件事情它的核心技术是GPU。

在过去几年研发当中，对于GPU的研究我们花了很多时间，怎么表述GPU呢？我想放一个小小的视频，大家看一下。（播放视频）

这个短片描述了GPU从当初的应用到今天在人工智能领域当中取得的突破。今天我们看人工智能，刚才也介绍了很多微软在这方面研究的成功。我们知道为什么今年这一年当中，在人工智能领域发生了那么多的事情，而很多公司的研发成果也恰恰在这一年当中能够取得重大的突破呢？其实所有的变化当中，所有的研究成果其实都在业界当中发生了两件最大的事情。

一是因为互联网的发展在移动领域当中充分利用，使得大数据成为各行各业的基础。正是因为有互联网的应用，每个人的手机，我们每个人都成为移动计算的终端。而每个人都在不停的采集数据，才导致今天的大数据的存在跟它的实际价值。有了大数据，如果只是有大数据，没有一个强大的计算能力，整个人工智能的研发不会有重大的突破。

我们都知道人工智能的研发，早在几十年前就开始了，不是今天的，VR是同样的。所有的技术没有一样是新技术，但是为什么今天能突破，除了大数据之外，最大的突破点就是计算力的强大。

在过去的几十年当中，CPU的发展非常辛苦，这几年当中CPU的发展一直停留在每年性能提升10%、20%。如果说我们能提升20%，我们所有的用户跟所有的应用都已经非常高兴了。但是我们知道在过去的十年当中，GPU的计算性能提升了1500倍，这1500倍计算能力的提升，还不仅仅是考虑我们在新的计算环境当中的变化。今年我们大概在上个月，在GTC大会上，我们发布了最新的计算架构，它的计算性能比上一代的架构又提升十倍。我们知道这一是一代之间的差异，计算能力能够差十倍。

可想而知，它把我们以前人工智能研发的算法，用以前一年两年的训练成绩，可以提升到几个月、几周，甚至于几天。而这是非常了不起的一个变化，让我们所有的研究工程师，他们能够在很短的时间内改变他们的模型、优化他们的模型，取得更好的训练成功，这个算法和研究的方式，实际上是新的革命。

大家都知道，在所有的科研当中，计算、模型这些对于模拟各种各样的物理或者是化学上的变化有很大的作用，可是考虑到不同研发或者是研究个人，或者是单位的成本，跟他的研发基础架构上面不可能每个人为自己的公司或者为自己的企业建立一个专门的技术，这是非常昂贵的。但是今天的GPU，让每个人都可以有机会和能力搭建自己的基础架构。也正是因为，各个不同的个人或者是组织，甚至是单位，他们都有可能取得很好的成绩。当然微软可以拿到第一，百度也曾经拿过第一，甚至香港中文大学他们也有能力拿到更好的计算成果和成绩。这些可以证明GPU的应用不像以前那样要靠非常庞大的计算单元，才可以搭建基础架构。今天我们所有的研究单位、所有的公司都可以有能力做到。

而这些科研成果，我们可以看到在最新的非常简单的系统上面，可以帮助我们很多小型的个人公司搭建自己的基础架构。我们刚刚发布一个产品DGX-1，它主要的目的就是用来做深度学习，帮助我们训练自己的模型，每一个人都可能成为一个人工智能的专家。你可以很容易的利用这台服务器，帮助你搭建自己的人工智能的模型，而DGX-1有多强大呢？我给大家看它的架构，大家可以大概知道DGX-1是什么样的，我们搭建了八个最新的芯片，这里面有八个，你看到在最上面的一层它搭载P100的处理器，在这个基础上我们通过GPU跟GPU之间特殊的超高速的总线叫做NVlink，这是专门为GPU设计的，GPU跟GPU之间沟通数据的快速通道，它的速度比我们平时GPU跟CPU的PCR1的速度要快10倍，所以说你会看到它的总线速度非常快。GPU跟GPU之间可以透过很多种方法，直接通讯，不需要再经过GPU的瓶颈，它的数据可以让大数据之间直接存储和读取，GPU可以进行协同计算。

而这样的速度大概给大家一个概念，看起来那个盒子很小，大概是跟你的体积差不多大。我们可以谈到，基本上如果我们看本身的峰值计算速度的话，如果我们用今天普遍使用的服务器当中的双十强的CPU考虑。我们看DGX-1它的计算能力跟CPU相比的话，CPU可以忽略不计的。

我们再看，如果说我们用刚才大家看人工智能当中训练模型通用或者是很多人使用的模型，我们做一个模型，大概需要的时间，需要150个小时，而DGX-1两个小时就可以做完。所以我们可以看到，它的70倍的速度对于科学家来讲，它把以前两个月的时间变成是大概是一天就可以搞定了。

有了这个速度，假设我们给大家做平时，大家做研发用的比较多的模型去训练。因为你的数据量比较大，如果我们想在两个小时之内训练完一个模型或者是迭代一次的话，如果以前没有GPU的时候，我们大概需要多少个节点呢？大概是250个节点，你要用250个CPU的服务节点，我们想一下可能是一个大的机房。

今天我们用DGX-1只需要一个节点，打一个比方，折算一下相当于把250个服务器放在一个盒子里面，这个是非常大的革命，只有这样你才可以发现，我们在任何研究单位，哪怕是学校的实验室，哪怕是博士生，在你的座位上你可以完全以传统的计算训练模型达到的效果。

如果这样的话，我们可以看到DGX-1的应用非常普及，我们自己曾经用DGX-1训练一个模型，我们知道很多人今天都喜欢讲汽车的自动驾驶。而汽车自动驾驶当中，最核心的部分就是要训练汽车去认识前方或者让汽车做出比较聪明的决策，怎么样做决定，你是加速，还是怎么样。而汽车行为地训练，我相信在很多公司里面是没有做过的，绝大部分公司今天做自动驾驶，都是把汽车自动驾驶分成几个模块，我先讲一个怎么样利用深度学习，让汽车根本不需要知道如何搭建模型，去进行学习。

我给大家放一个视频，这个是我们真实的案例，我们让这个车通过训练模型的方式，只是通过车前方的镜头，看前方所有的场景，让模型学习，我们搭建了这样一个模型，大家看一个小小的视频。（播放视频）

这辆汽车刚开始，没有进行训练，是这样开车的。然后我们通过人教车怎么开。我们的司机可以让车自动行驶，甚至可以在高速公路上超过别人的车辆。在一些没有目标，没有任何标志的地方，它还能找到路。这是一个很简单的训练模型，花的时间非常短，大概是一个月之内。搭建了模型之后，用普通的司机训练它，让计算机自己学习开车。我们可以发现，汽车会自己找出一个方法，搭建自己的模型，然后去学习汽车的驾驶行为，这是一个很好的尝试，我们还会接着尝试，我们希望客户这种方法给大家一个新的科研思路。当然在目前所有的汽车厂商当中，他们在搭建自动驾驶模型当中是跟我们的想法是不太一样的。

如果我们今天用在实际上的，几乎个大厂商都在研发的模型当中，我们发现几乎所有的车厂都在做四件事情，怎么样汽车认识前方的物体，你要有很多，不管是镜头。我们还要考虑到雷达测试精确的距离，可能有一些超声波的设备，探测周围的物体，甚至有一些红外的设备可以辅助夜间行驶，没有灯光的地方怎么找到这些物体，这些都是很好的方式，让汽车周边能够感知。当你感知之后，你一定要有非常精确的地图，能够让你定位，非常准确的街道或者是路线当中，或者是把所有的信息交给计算机做出正确的决定，怎么样做自动驾驶。

我们可以看到，其中最难做的地方在哪里呢？当你的汽车搭建模型之后，我们要通过不同的方法去训练认识前方的物体，甚至于你认识了这些物体当中，在很恶劣的环境下还能认识它。假设在北京，你每天都有雾霾，雾霾是没有办法让所有的车主都的很清楚的，看不清楚怎么办？我们让车学习，怎么在有雾的环境下认识这些物体，甚至于有下雨的天气，下雪的天气，这些都要学习。只有通过不同的方式，在全天后的情况下，能够把所有的物体识别，我们才能做出正确的决定。当然还有一个关键，就是高精的地图，我们要认知周边各种各样的设备，能够把所有的设备标识的很清楚，怎么样做到呢？还要有一个非常快的速度，这个需要GPU的速度是非常强大的，不是普通的CPU就可以执行或者是完成的任务。

我们可以看一个很简单的例子，我们看看它是怎么做的。（播放视频）

在这个Mapping上面，这是一个高精地图，当汽车在行驶的时候，它周边发生的情况非常多。我们可以看到周边各种各样的自然环境，也可以看到车附近或者是邻居所有的信息，可以把车道精确的标志出来，能够在高清地图上定位每个车的信息，刚才我们看到的每一个点都是在交通行驶过程当中实时采集到的数据，汽车行驶一小时一百多公里以上，汽车开的很快，这么多的信息量进来，我们要标志清楚还要统一一下，最后可以画出一个汽车地图出来，然后让这个传感器做决策。而大的数据，很多非结构性的数据都要通过GPU计算出来，这样你需要的GPU就要非常强大。

所以我们在汽车自动驾驶解决方案当中，我们打造成一个端到端的解决方案，怎么样做呢？主要是两种做法，在人端或者是训练端，我们可以用DGX-1，那这个训练你的模型，我们搭建一个新的平台，它放在汽车上面，可以直接把我们的DGX-1训练好的模型应用在汽车本身。这个汽车可以从DGX-1训练好的模型应用到汽车上，而汽车就可以实时认识周边所有的设备，认识汽车周围发生各种各样的情况，各种各样的环境，然后做出正确的决策，去做自动驾驶。而DGX-1跟这个是端到端的解决方案。

同时我们都知道汽车不能够用一次学习的成果，就能解决汽车自动驾驶所有的事情，一定要返回去，把学习的训练成果，返回给我们的服务器，这样你可以来回不停的学习，这样可以让我们的汽车更加智能化。

当然GPU在人工智能领域的应用，这当中同时也推动整个GPU新的发展，你会看到GPU的应用越来越强大，可是这些强大的计算力。除了在人工智能领域当中应用，新的古老的领域，是因为VR不是新的东西。但是VR这个很古老的行业，也是在今年有很大的突破，其中的原因就是因为GPU的速度可以让VR能够实现。所以说你才会看到很多新的公司做VR的应用。其中有一个除了设备之外，我们在整个VR领域当中提供了一大批的支持。其中有一个是GAMEWORKS VR，这个是专门放在游戏当中的SDK。今天所有的VR眼镜，它都可以很快的兼容今天所有的计算平台。所以你可以看到在不久的将来，几乎所有的游戏都可以兼容我们今天的VR，而VR就可以变成现实，VR到底有多好呢？我可以给大家看一个短片，这是你自己制作的VR内容，我们把珠峰的图片用高清摄像机拍摄下来，数字化之后搭建成一个3D的模型，可以体现珠峰的雄伟和壮大，我们先看一个短片，这里面可以看到这些已经是数字化的图片。如果说戴上VR的眼镜，你们有机会体验的时候，你会发现它看到的每一个场景是非常真实的，你可以触摸它，你甚至可以去攀登珠峰，我们知道每个人都有自己的梦想，对于我们在座的人来讲，可能绝大部分人这一辈子没有机会登上珠峰，但是你可以通过VR体验珠峰的雄伟，它的真实感让我们身临其境。你可以在里面进行360度的探索，我们可以让今天所有的人都体验以前我们只能在梦里面实现的事情。

所以我们对VR的投入非常大，我们希望VR能实现每个人的梦想，我们也有更多的案例，大家可以去我们的网站体会各种不同VR的演示。其中这些VR的应用，我们把几乎所有软件开发商的SDK合成在一起，不光是在游戏领域当中应用，我们要集成在所有的专业解决方案当中。在每一个专业解决方案当中，他们有很多的应用软件，比如说IRAY VR，在你设计建筑或者是设计房屋之前，你不需要把房屋搭建出来，你可以搭建虚拟的，戴上VR眼镜之后你可以上楼上、楼下，甚至走到很近的地方去体验你的建筑怎么样。这是我们在美国正在建的，实际上我们已经搭建了虚拟模型，你戴上VR的眼镜可以体会每一个建筑实际的情况。

我们看到这样的VR应用，不光是我们自己用，实际上我们在很多地方，用户都可以使用，包括建构设计和专业设计，设计飞机、火车、汽车，各种不同的公司、制造业都可以利用VR，当然VR应用并不仅仅在此，在应用领域当中，最大的应用是教育，每一个老师和每一个教室都可以做VR的体验，医院做手术，所有的学生不需要解剖尸体，用VR就可以帮他们完成。现在我们不仅仅是在普通的PC，我们有两个，它可以把GPU放在云端渲染，然后直接通过任何设备都可以体验云端的游戏，今后每个人的手机可以随时去挖PC，每个人的电视机打开就可以玩游戏，比如说玩《英雄联盟》，你打开电视就可以直接玩。

所以GPU在这几年当中的变化，尤其在今年的变化给三个行业造成了最大的影响。第一个就是深度学习和人工智能的进步。第二个是VR变成现实，第三个是游戏人的交互，如果大家在这三个领域当中把GPU应用的很好，每个人都有成功的机会，让我们的生活可以变的更好，谢谢大家。