3月22日，玩家和AI从业者又爱又恨的老黄带着他的新“核弹”来了。可惜这颗新“核弹”与玩家关系不大，主要面向企业和工业市场。估计与玩家相关的RTX40系列最早要到9月份才会有消息。
好了，废话不多说，看看老黄这次带出了什么样的“大宝贝”。首先是A100显卡的继任者。新一代计算卡H100登场。H100采用全新的Hopper架构和台积电最新的4nm工艺。与上一代A100相比，各方面的参数都有明显提升。
英伟达的超级服务器芯片Grace也再次曝光。与上次给出的数据相比，本次曝光的格雷斯芯片的性能有了惊人的提升。根据发布会的描述，英伟达似乎和苹果走在了同一条路上。使用更多芯片来组装处理器。
除了硬件产品的曝光和发布，NVIDIA还在软件领域带来了很多新的东西，比如OmniverseCloud，主打云端协同，让多个用户直接参与同一个媒体文件的编辑和渲染在云端。
谷歌披露其超计算机速度、能耗效率高于英伟达A100芯片构建的同类系统:4月10日消息，谷歌本周披露其训练人工智能模型使用的超级计算机的最新细节，其称这些系统的速度和能耗效率均高于英伟达基于A100芯片的同类系统，其90%以上的人工智能训练任务都通过谷歌拥有自主定制的TPU芯片完成。
目前，AI芯片主要包括GPU、FPGA、ASIC等。ASIC作为专用集成电路，广泛应用于人工智能设备等领域，其根据终端功能又细分为TPU芯片、DPU芯片和NPU芯片等。资料显示，ASIC在吞吐量、功耗、算力水平等单个方面都是最优秀的，其中，TPU比同时期的GPU或CPU平均提速15-30倍，能效比提升30-80倍。[2023/4/10 13:53:53]
此外，NVIDIA还展示了多个基于虚拟现实环境的工业和交通仿真案例，以及一套AI驱动的虚拟角色系统。系统可以通过深度学习进行动作训练，训练后无需额外的骨骼动作设计。操作可以根据指令做出相应的动作。这不仅是AI从业者的狂喜，也是电影和游戏从业者的狂喜。
不得不说，老黄这次带来了很多东西，每一个都能给AI等行业的发展带来明显的变化。让我们来详细看看英伟达发布的内容。
英伟达与多家公司合作开发超越视觉效果的3D技术:8月10日消息，英伟达(NVDA.O)周二表示，它正在与多家公司合作，推动3D技术超越视觉效果，成为元宇宙和3D互联网的基础。这家芯片制造商表示，它正在与华特迪士尼(DIS.N)、Adobe(ADBE.O)、Autodesk(ADSK.O)等其他公司合作，寻求一个多年的路线图，以扩大通用场景应用。英伟达表示，扩大其能力将使其能够更好地支持建筑、工程、机器人等领域的工业元宇宙应用。(金十)[2022/8/10 12:13:44]
H100和Grace
从去年开始，就有消息称英伟达今年将发布新一代计算卡，并将采用全新的Hopper架构。目前消息是准确的，不过大家都猜测新一代计算卡会采用台积电的5nm工艺，但现在看来，英伟达一步步选择了采用最新的4nm工艺。虽然本质上是5nm+，但就是功耗。它具有更好的性能，还可以集成更高的晶体管。
其实从H100的核心规格来看，不难理解为什么英伟达最终选择了4nm，晶体管集成度高达800亿，比上一代A100多了260亿。核心数增加到16896，这是世界上核心数最多的芯片核心，也是上一代100的2.5倍。
英伟达因未披露加密挖矿对公司业务的影响被美SEC罚款550万美元:5月6日消息，美国证券交易委员会今天宣布了对科技公司NVIDIA Corporation（纳斯达克股票代码：NVDA）的和解指控，原因是该公司未充分披露加密货币挖矿对公司游戏业务的影响。SEC的命令认定NVIDIA违反了1933年证券法第17(a)(2)和(3)条以及1934年证券交易法的披露规定。该命令还认定NVIDIA未能保持充分的披露控制和程序。在不承认或否认SEC的调查结果的情况下，NVIDIA同意了停止令并支付550万美元的罚款。[2022/5/6 2:55:40]
夸张的内核参数提升带来的性能提升也是极其夸张的。根据英伟达官方给出的数据，H100的浮点计算和张量核心计算能力将比上一代提升至少3倍，FP32最高可达60teraflops/秒。，而上一代A100为19.5teraflops。
英伟达：GeForce显卡的价格可能会因新加密芯片而降低:英伟达表示：GeForce显卡的价格可能会因新加密芯片而降低。[2021/6/2 23:04:04]
H100也将率先支持PCIe5.0和HBM3，让内存带宽达到惊人的3TB/s。老黄说，目前全球网络流量只有20台H100可以处理。虽然听上去有些夸张，但确实反映了H100夸大的性能参数。
强大的性能也伴随着夸张的功耗。NVIDIA给出的H100功耗高达700W，相比上一代A100。功耗只有400W，换来的却是两倍的功耗。3倍的性能提升整体来说不算亏。
H100还针对AI训练中用到的模型等进行针对性优化，配备Transformer优化引擎，使大型模型的训练速度可以提高到原来的6倍，大大减少了大型模型所需的训练人工智能模型时间，这个功能也呼应了下面将要讨论的AI分身系统。
在NVIDIA给出的测试数据中，训练一个1750亿参数的GPT-3模型将时间从原来的一周缩短到仅19小时，一个3950亿参数的Transforme模型只需21小时即可完成。训练，效率提升近9倍。
英伟达预计第2季度挖矿行业为其带来的营收将下跌三分之二:英伟达近日公布了第1季度财报，加密货币挖矿相关业务为其总营收贡献了9%，达到2.89亿美元。然而，英伟达预计今年第2季度这个数字将下跌超过三分之二。比特大陆已经宣布了3种新型号的ASIC矿机，这已经威胁到GPU矿业的存在。随着ASIC矿商的威胁逼近，英伟达预计其加密货币利润将受到打击。[2018/5/15]
虽然参数看起来很不错，但实际表现还有待后续实际测试结果来揭晓。至少从RTX30系列和A100的体验来看，最终的实际性能提升可能在2倍到2.5倍之间。，实现3倍的可能性不大，但即使只有2倍，也已经相当不错了，至少在AI方面，已经彻底碾压了AMD的计算卡。
此外，H100还引入了NVIDIA最新的NVIDIANVLink第四代互连技术，可以进一步提升多GPU串连的效率。在NVIDIA给出的数据中，串联后的I/O带宽可以扩展至900GB/s，比上一代提升50%。
再来看看英伟达的新“玩具”Grace，这是英伟达为服务器业务准备的超级服务器芯片。系列产品。Grace芯片采用了最新的ArmV9架构，Nvidia以此为基准构建了两款超级芯片——GraceHopper和GraceCPU超级芯片。
其中，GraceHopper由一个GraceCPU和一个采用Hopper架构的GPU组成。两者将组成一个完整的计算系统。只需要一个芯片就可以构建一个强大的计算服务器。芯片串联起来形成更大的计算阵列。
GraceCPU超级芯片由两颗GraceCPU组成，它们通过NVIDIANVLink-C2C技术互连，形成一个内置144个Arm核心和1TB/s内存带宽的巨型芯片。
说实话，英伟达的GraceCPU超级芯片很难不让人联想到苹果在春季发布会上发布的M1Ultra。它同样基于Arm架构，同样由两颗芯片组成。它也有夸张的特点。内存带宽和性能。
显然，芯片互连与组装技术已成为行业趋势之一，AMD也透露类似技术的CPU正在研发中，最早将于2023年与大家见面。只能说性能发展单个芯片现在正在接近极限。如果想要有更大的提升，可能不得不使用类似的互连技术进行芯片堆叠。
不过，GraceCPU超级芯片的功耗并不低。NVIDIA官方给出的数据是500W，已经远超传统x86架构CPU。当然，考虑到格雷斯CPU超级芯片的夸张表现：SPECrate跑分740分，比第二名高出60%，这样的功耗也不是不能接受的。
显然，在Arm服务器领域，英伟达的野心非常大。
英伟达的虚拟世界
除了一堆高性能硬件，NVIDIA这次还展示了很多软件演示案例，包括使用H100等硬件模拟虚拟现实环境进行各种测试和模拟。在英伟达的演示中，未来企业可以通过强大的英伟达硬件搭建逼真的虚拟测试环境，在其中测试自动驾驶、智能工厂运营等。
通过使用虚拟测试环境，研究人员可以更轻松地测试自动驾驶在面对各种突发事件时的反馈，并在测试过程中直接定位问题，降低整体测试成本。此外，可以构建1:1的“数字工厂”，提前模拟运营，寻找提高效率，发现可能出现的问题，降低工厂正式运营后出现问题的概率。
英伟达将这组应用称为“数字孪生”，可以大大减少自动化工厂和自动驾驶方面的研究和测试投入。
OmniverseCloud是NVIDIA推出的全新云创建服务。通过OmniverseCloud，用户可以随时随地访问和编辑大型3D场景，无需等待大量数据的传输，还可以让用户直接在线协作构建3D模型。
过去，3D模型和3D场景的协同构建需要在服务器上进行。OmniverseCloud上线后，相关创作者可以通过任何支持OmniverseCloud的终端直接访问协作空间并参与其中。大大提高了创作者的反应速度和工作自由度。
此外，NVIDIA还为创作者准备了第二个惊喜，一套AI驱动的虚拟角色系统，可以让AI在短时间内完成训练，学习各种指令对应的动作。比如一个简单的砍杀动作，在正常的制作过程中，动作架构师首先需要一步步调整动作骨架，然后放到场景中进行测试。整个过程需要很多时间。并且每个不同的动作都需要重新调试。
借助这套AI虚拟角色系统，当你想让虚拟模型做出斩击动作时，只需要一个命令，AI就会从学习到的动作中找出关联的动作并自动运行，直接保存储蓄。大量的时间和人力，对于游戏开发者和视觉特效创作者来说，这个系统可以让他们将更多的精力集中在其他地方。
虽然NVIDIA的发布会并没有过多提及元宇宙，但从硬件到软件，都是未来构建元宇宙的基础。元宇宙目前无法成为现实的主要原因有两个。一是硬件性能无法满足我们的需求，二是软件领域还不够成熟，无法提供实时的真实环境模拟。技术的基础。
在此之前，我们首先需要的是更强大的计算硬件和更智能的人工智能系统。Nvidia的H100，虚拟现实环境和AI虚拟角色系统的出现，将使我们离真正的元宇宙更近一步。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。