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
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。