来自拉斯维加斯的消息——显卡芯片巨头Nvidia周日推出由Xavier驱动的下一代自动驾驶堆栈,此堆栈是Nvidia在砸在汽车AI上20亿美元的研发结果。
Nvidia称Xavier 是“世界上最强大的SoC(片上系统)”,Xavier可处理来自车辆雷达、摄像头、激光雷达和超声波系统的5级自主驾驶数据,能效比市场上同类产品更高,体积更小。
Xavier的内置晶体管超过90亿个,含一颗定制的8核CPU、一颗512核Volta GPU、一个8K HDR视频处理器、一个深度学习加速器、数个新型计算机视觉加速器以及30瓦功率下每秒可执行30万亿次操作的能力。
Xavier曾于一年前在新闻里出现过,但Nvidia表示Xavier现在已经成了两个软件平台(Drive IX和刚刚宣布的Drive AR)的根基,Drive IX和Drive AR均为Nvidia旗下Pegasus AI计算平台的一部分。Nvidia首席执行官Jensen Huang周日晚间在CES上做主题演讲时宣布了推出该新平台的消息。
Nvidia的Xavier片上系统。
Drive IX属于人工智能层,Nvidia表示,汽车制造商利用Drive IX可以将汽车数据整合到汽车用户体验和操作控制里。Drive IX系统可分析汽车内部和外部的传感器数据,继而为司机和乘客提供智能助理技术,可识别司机和乘客的脸部、声音和手势。
对于Nvidia而言,自主驾驶和领导地位意味着更多用于高性能计算以及云计算的GPU使用案例。
Nvidia也在大力推动Drive IX的使用,希望Drive IX成为车辆安全性和便利性的终极SDK。例如,利用面部识别和视线跟踪,Drive IX系统可以在手握驾驶盘、昏昏欲睡的司机睡着以前发警报提醒他们,或是根据脸部识别在满载一袋袋生活用品的车辆到来时自动打开出入口的门。
而Drive AR则是面向信息娱乐应用,Drive AR基本上会掀起计算机视觉、计算机图形、人机交互、AI的热潮并将成为车内增强现实接口的强大动力。Nvidia还推出了AutoSim,AutoSim是个模拟虚拟驾驶环境,用户利用该虚拟驾驶环境可在生产前配置车辆上的摄像头。
Huang表示,“增强现实将定义用户界面。”
一切都与Drive Pegasus AI计算平台相关,Nvidia称Drive Pegasus AI “可将一整车个人电脑的性能放在自动级别外形规格里交付,这些外形规格只有车牌照那么大“,而处理能力可达每秒320万亿次操作。对于Nvidia的客户来说,Pegasus主板据称将是生产完全自动驾驶汽车之路。
Huang表示,“我们开发了整套自主车辆软件。我们现在有超过300个客户在开发Nvidia Drive。”
其他涉及客户的新闻,Nvidia日前透露,德国汽车制造商大众汽车(Volkswagon)计划在Drive IX平台上开发下一代智能大众汽车。大众汽车首席执行官赫伯特·迪斯(Herbert Diess)登台介绍了新的大众汽车I.D. Buzz。大众汽车I.D. Buzz为一电动汽车原型,大众汽车希望大众汽车I.D. Buzz将巩固自己在汽车AI计算市场的霸主地位。
优步(Uber)也出柜成为Nvidia的客户,坊间消息称拼车巨头优步已经在旗下的自动驾驶汽车和卡车车队中用上了基于Nvidia GPU的AI计算系统。
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。