至顶网服务器频道 10月30日 新闻消息(文/刘新萍): 依稀记得上个月,在GTC CHINA 2017上英伟达掌舵人黄仁勋掀起的"AI风云",各种金句使得黄仁勋成为科技领域媒体笔下的头条人物。事隔一个多月,英伟达亮相Esri中国用户大会,再次与媒体分享了NVIDIA Quadro虚拟数据中心工作站软件(Quadro vDWS)及宣布开放Holodeck 抢先体验版。
我们知道,一直以来,图形加速都是英伟达最擅长的地方。据介绍,此次的Quadro vDWS可以将NVIDIA Tesla GPU加速服务器变身为强大的工作站,为IT部门提供所需的资源,以满足企业级虚拟办公环境的需求。
会上,NVIDIA云计算总监马庆胜首先介绍了Quadro vDWS,他认为,在如今的云计算变革时代,我们的工作与生活都已经融入了云计算技术,且得到了企业级关键业务领域的高度认可,而在虚拟化与云计算的大环境下,对图形的要求也逐渐提高。

NVIDIA Quadro给Tesla GPU不一样的体验
英伟达GPU虚拟化技术经过多年的发展,从技术、产品本身伴随着GPU硬件提升,实现GPU在全系统产品上的支持。更关键的是,解决技术的同时,也融入了管理,使得IT在背后的部署使用更加便捷。这也与英伟达的市场定位息息相关。
据马庆胜介绍,NVIDIA的GPU虚拟化平台包括硬件、软件和服务,更关键的则是软件,通过软件使得GPU或CPU加速更好发挥其作用,实现无与伦比的体验。值得一提的是,Quadro vDWS可用于来自33个系统供应商的120多个系统,为基于同一GPU的多位企业级用户提供高端的性能,从而降低拥有成本。
除此之外,Quadro vDWS可为遍布全球的团队赋予更高的移动性和协作能力。它还能处理越来越多与3D、照片级逼真的渲染、虚拟现实和深度学习等新技术相关的计算密集型工作流程,这些工作流程涉及的数据大小和复杂性均呈指数级增长,在工程和科学领域特别常见。
那么,为什么会命名为vPC及vDWS?马庆胜表示:"其实这样更容易让用户解释,我们通过软件定义来定义GPU虚拟化是针对于哪种场景,如果提PC主要针对PC场景,如果提工作站,更多体现的由是工作站环境下所需方案。英伟达的软件是通过vPC、vDWS体现出对软件整体的区分。"
NVIDIA Holodeck为用户实现无与伦与的VR环境
在此次发布会上,除Quadro vDWS之外,英伟达也宣布开放Holodeck 抢先体验版。现场,NVIDIA中国区虚拟现实业务开发及销售经理张武向媒体介绍了Holodeck的构建背景。他总结了三个行业对VR环境的需求较为迫切:

一、电影拍摄环境。传统3D设计在纯CG电影拍摄环境中,导演无法运用镜头进行第一人称拍摄,假如带着VR头盔去CG环境进行设计,随着各个角度,光影的变化,导演看到的第一视角既是镜头的视角。
二、传统汽车制造行业。在VR的配合下,汽车可以第一时间感受材质、光照、内饰以及驾驶位置摆设。
三、建筑设计行业。在VR环境中,设计师可以1:1构建虚拟建设环境,并且可以随时进行编辑和修改。
可以看出,VR对于部分行业的改变是显而易见。同时,由于设计师对设计平台要求的不断提升,VR的设计门槛也在逐步提高。而针对目前行业面临的挑战,Holodeck环境可以帮助创意工作者通过将高保真、全分辨率的模型导入虚拟现实系统,实现与同事或朋友展开协作和共享,让设计决策流程变得更加轻松且快捷。
张武介绍到,全新Holodeck主要应用了英伟达的VRWorks、DesignWorks和GameWorks这三项来支撑照片级的效果。其中,VRWorks主要用来优化图形、图像渲染,而DesignWorks和GameWorks主要是优化光照和光影表达。
好文章,需要你的鼓励
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
OpenSkill是一套让AI代理无需人工监督即可自主成长的框架,通过从互联网获取知识、自建虚拟考题反复练习,实现真正的开放世界自我演化。
Visual Components正式发布5.1版本工厂仿真软件,重点引入高精度物理仿真与可扩展机器人协同调度能力,支持在同一环境中同时模拟数百台自主移动机器人、自动导引车及人员的运行状态。新版本还将仿真性能提升至前代的10倍,新增Allen-Bradley PLC支持及Nachi、Epson机器人虚拟调试插件,并将脚本环境升级至Python 3。该软件旨在帮助制造商在实际部署前完成系统验证,降低调试风险,缩短投产周期。
论文研究了AI评委同时优化多个评判维度时的两大失败原因:梯度稀释与指令干扰,为多目标提示词优化提供了系统性诊断框架。