隨著 NVIDIA 將在今年九月份於台灣舉辦 GTC 台灣場次，稍早 NVIDIA 也ˋˋ針對此次台灣 GTC 活動的幾項重點做了重點項目介紹，同時也帶來今年台灣 GTC 場次的震撼消息： NVIDIA 共同創辦人兼 CEO 黃仁勳將在台灣 GTC 進行主題演講。
隨著近年 NVIDIA 在包括基於 GPU 運算的人工智慧、自動駕駛、嵌入式平台大放異彩，今年台灣場次的 GTC 大會也擴大規模，除了首度加入第二日付費的深度學習實作營活動，讓已經著手或是有興趣導入深度學習的開發者可藉由實做對深度學習有更多的了解，此外也有鼓勵新創的創新公司高峰會，讓打算以 GPU 技術作為創意技術的公司可在活動中展現自己的計畫，並從中選出潛力新創公司挹注創業資金。
畢竟這是一場技術開發導向的活動，主題內容其實與一般消費者熟悉的 GeForce GPU 差異相當大，活動中基本上不會有機會看到消費級的 GPU ，而是以專業影像應用的 Quadro ，超級運算加速器 Tesla 以及嵌入式平台的 Tegra 為主，議題則包括熱門的 VR 內容創作，人工智慧，嵌入式開發如機器人、自動駕駛等。
以下就針對此次大會主題中會涉及到的幾項產品與技術做些許資訊更新。
NVIDIA GTC 台灣大會活動網址：請點此
今年稍早舉辦的 SIGGRAPH 大會上， NVIDIA 也將 Quadro 產品線進行更新，將最新的 Pascal 架構導入產品線，雖在核心架構可說是新版 Titan X 與 GTX 1080 的專業繪圖版本，不過因應專業影像處理需求，記憶體容量也加大不少，像是頂級的 P6000 可選擇 24GB RAM 版本，而 P5000 的記憶體也達到 16GB 。
除了硬體的更新以外，由於高解析度內容創作以及 VR 的需求， NVIDIA 也宣布許多相關的功能應用，除了 Pascal 架構本身可支援 Multiple Shading 等功能外， NVIDIA 也預計為 Iray 帶來 Iray VR 功能，藉由基於高效能的運算伺服器進行即時的渲染演算，可用於顯示具備 Iary 的 VR 影像，同時還可藉由硬體擷取功能，進行 VR 的影像與影片的即時擷取並輸出到頭戴顯示器上；不過由於及時渲染演算需要大量效能，故 NVIDIA 也建議要使用如 VCA 或是近期發表的 DGX-1 做為伺服器，以達到近乎即時的渲染效果。
另外針對 8K 解析度與 360 度高解析度影片創作， NVIDIA 也提供 8K 的編解碼 SDK ，讓專業影像製作團隊在處理 8K 原始內容時，可藉由 GPU 加速處理流程；另外針對高解析度 360 度環景內容拍攝， NVIDIA 也提供 360 Video 的功能，可輸入 2-32 路的影像並藉由 GPU 進行加速達到即時的拼接處理，甚至可用於直播影片，不過也因為需要處理的攝影機數量，越多錄的影像輸入也需要越多的 GPU 進行加速。
今年台灣 GTC 活動場次也將針對專業視覺化繪圖與虛擬實境進行一系列的議程，邀請到包括國立故宮博物院、電影"樓下的房客"的特效工作室 WeFX Studio 、東海大學電子計算機中心、麗明營造等分享相關的應用。
至於在人工智慧領域， GPU 近年的角色越來越吃重，尤其近年多家服務商的服務仰賴基於 GPU 的深度學習作為人工智慧的基礎，也使許多服務的實用性大幅提升，像是去年微軟在影像辨識的 ImageNet 也首度突破人類的辨識能力，先前 Google 的深度學習平台 DeepMind 擊敗世界圍冠軍，也都是採用基於 NVIDIA GPU 加速的伺服器。
今年 NVIDIA 正式發表 Pascal 的首發產品也正是用於超級運算的 Tesla P100 ，同時也發表 3U 大小、搭載高達 8 張 Tesla P100 的人工智慧專用超級電腦 DGX-1 ，號稱等同於 250 台傳統伺服器的運算效能，顯示 NVIDIA 對於基於 GPU 加速的人工智慧與深度學習發展的重視。
深度學習可應用的範圍相當廣，包括影、音分析，人工智慧對話的學習，自動駕駛，金融預測等等，都可藉由深度學習的方式，而在新一代的 GPU 所帶來的效能，亦能大幅縮短模型建立時間以及輸入更多的參考數據使系統更趨完整。
此次台灣場次中也邀請到包括中華電信研究所(以深度學習加速音訊與影像辨識應用發展)、台灣大學資訊網路與多媒體研究室、清華大學電機系、中央研究院資訊科學研究所(基於深層網路之影像檢索特徵學習)等深度學習應用進行分享。
而 NVIDIA 的 Tegra 嵌入式平台雖一度曾嘗試耕耘行動通訊領域，不過由於市場競爭激烈以及許多因素，目前則將重心放在車用以及嵌入式領域；與其它嵌入式產品最大的差異在於 Tegra 於 Tegra K1 之後開始加入具備 CUDA 核心的 GPU 架構，使得 Tegra 亦可用於開發人工智慧與進階機器視覺，而到去年推出的 Tegra X1 更因為具備 Maxwell 架構，整體效能提升到 1 TFLOPS 以上。
雖然 1TFLOPS 的效能說高不高，一顆 Intel 頂級的 Core i7 處理器也有差不多的效能，然而 TDP 僅 10W 、模組大小僅明信片大小的 Tegra X1 模組卻能用在更多的領域，尤其像是對電力要求嚴苛的產品，像是無人機、車載平台，藉由搭載 Tegra X1 平台，可藉此用於機器視覺領域，例如物體追蹤、障礙物判別與路線分析等。
在車載應用， NVIDIA 也提供 DRIVE PX 參考平台，讓汽車與自動駕駛開發商能藉由 Tegra 的運算效能作為自動駕駛的核心，目前像是 Audi 在今年也宣布第三代 zFAS 的輔助駕駛平台已經導入 Tegra 作為核心。
由於 Tegra 平台導入 CUDA ，效能也大幅提升，像是在自動駕駛或是機器視覺開發，可藉由高階伺服器進行模型訓練與建立，後移植到 Tegra 平台上，今年 NVIDIA 在 CES 所發表的 DRIVE PX2 更進一步結合新一代 Tegra 處理器以及 Pascal GPU ，有望為自動駕駛的開發與研究達到新的里程碑。
今年 GTC 活動中，也將在現場舉行日前舉辦的機器人挑戰賽的最終決賽，同時相關議程也請到工研院機械與系統研究所智慧車輛技術組、金寶科技(機器人解決方案)，靜宜大學( TK1 與 TX1 於醫學影像處理應用)、立普斯公司(嵌入式與高可靠度機器視覺)， Aerp[robing (智慧多軸飛行器)等，針對嵌入式領域應用進行分享。
你或許會喜歡
