北京時間 3 月 19 日 8 點左右，在美國加州圣何塞的圣何塞大學活動中心，第十屆 GTC 大會的主會結束。

與往年相比，盡管 99 美元的 AI 計算機備受關注，但本屆的 GTC 缺少真正的“核彈”，既沒有新的 GPU 架構，也沒有重磅 GPU 產品。此前，Tweak Town 報道稱 Nvidia 可能在本屆大會上公布下一代 GPU “安培(Ampere)”的部分架構細節，目前也沒有任何消息。

Nvidia 創始人黃仁勛到底給出了怎樣的“答卷”？

AWS 將采用 Nvidia 的 Tesla T4 芯片

Tesla T4

去年 9 月，Tesla T4 芯片首次亮相，它包含 2560 個 CUDA 內核和 320 個 Tensor 內核，處理查詢的能力比 CPU 快近 40 倍，目前它已被應用到思科、惠普等公司運營的數據中心中。

亞馬遜的 AWS 今天宣布推出使用 Tesla T4 GPU 的 EC2 實例，這些 GPU 將在未來幾周內在 G4 實例中提供給用戶。T4 也將通過適用于 Kubernetes 的 Amazon Elastic Container 服務進行提供。

AWS 的副總裁 Matt Garman 表示，“AWS 將采用 Nvidia T4 處理器專為機器學習而設計，可以幫助客戶縮短在邊緣進行推理所需的時間，同時降低成本。”

此外，新實例將能夠在云中同時利用多達 8 個 T4 GPU。

售價 99 美元的人工智能計算機 Jetson Nano

Jetson Nano devkit（左）和生產就緒模塊（右）

Nvidia 宣布推出售價 99 美元的人工智能計算機 Jetson Nano，Nano 是 Nvidia Jetson 嵌入式計算板系列中的最新產品，面向對象是開發者、制造商和研究人員。相當于1/10 個 iPhone Xs 的價格就能買來“把玩”。

Nano 是機器人和其他人工智能設備的計算大腦，將其用于最新的研發項目時，它將能夠處理對象識別和自主導航等任務，而無需依賴云處理能力，這意味著可以在攝像頭和麥克風中直接處理數據，這將使硬件變得更快、更可靠、更安全。

以往的 Jetson 板用于為一系列設備提供動力，比如貨架掃描機器人以及自動化無人機，但 Nano 的目標甚至更小。

Nvidia 推出了一款針對“嵌入式設計者、研究人員和 DIY 制造者”的 Nano 開發套件，價格為 99 美元，商業公司的生產就緒模塊價格為 129 美元（最少購買 1000 套模塊）。

Nvidia 還推出了一個有趣的 DIY 項目：一個名為 JetBot 的開源自動化機器人套件，價格為 250 美元。它包括 Jetson Nano 以及機器人底盤、電池組和電機，允許用戶構建自己的自動駕駛機器人。

加上 99 美元的 devkit，可以獲得由四核 ARM A57 處理器，128 核 Nvidia Maxwell GPU 和4GB LPDDR RAM 驅動的 472 千兆浮點計算能力。Nano 還支持一系列前沿的 AI 框架，包括TensorFlow, PyTorch, Caffe, Keras 和 MXNet，因此大多數算法都是“即插即用”的。端口和接口一般包括 USB-A 和 B，千兆以太網，并支持 microSD 存儲。

Nvidia 表示，希望 Nano 的價格為新用戶開放 AI 硬件開發，希望更多制造商社區能夠進入人工智能時代。

能創造逼真景觀的 GauGAN

Nvidia Research 后續推出了 GauGAN，這是一種生成對抗性 AI 系統，可以讓你創建虛擬的逼真風景圖像。

據 Nvidia 深度學習應用研究副總裁 Bryan Catanzaro 介紹，GauGAN 是基于去年推出的能夠呈現虛擬世界的 Pix2Pix 系統，但后者在仿真風景方面存有一定瑕疵。

GauGAN 的神經網絡是通過一百萬個開源的 Flickr 圖像進行訓練的，能夠理解如雪、樹木、水等超 180 個物體之間的關系。對物體如何相互關聯的理解意味著河水旁的樹會有倒影，或者當季節變化時并且地面上有雪時，會繪成沒有葉子的樹。

Nvidia 的科學家詳細介紹了 GauGAN 的創建過程，并宣布用于照片處理的空間自適應的非規范化方法的論文將在今天發布。

今天首次發布的還有 Nvidia AI Playground 網站，人們可以修補各種訓練有素的神經網絡，如 GauGAN，使用強大的 AI 來變換視覺效果或創造逼真的圖像。

這種技術的應用可能會讓人造成無法分辨真假的困惑，不過，我們更應該看到積極的應用，比如它能夠被視頻游戲設計師所應用，創造出視覺體驗更好的游戲。

基于云的自動駕駛汽車仿真平臺 Drive Constellation

Nvidia 正在做基于云的自動駕駛汽車仿真平臺 Drive Constellation。這是一個由負責開發其自動駕駛汽車平臺的 ATG 部門使用的基于網絡的車輛數據平臺。

Constellation采用兩種不同類型的服務器，其中第一種 Constellation Simulator 為模擬無人駕駛汽車傳感器的軟件平臺 Nvidia Drive Sim 提供動力，第二種 Constellation Vehicle 包含一個 Nvidia Drive AGX Pegasus 芯片（一對 Xavier 處理器和每秒 320 萬億次操作的 GPU），并運行完整的自動駕駛汽車軟件堆棧。Constellation 處理來自 Constellation Simulator 的模擬數據，就像它是從真實汽車的傳感器記錄而來；來自 Drive Pegasus 的命令被反饋到模擬器，大約每 30 秒完成一次數字反饋回路。

Constellation 可以生成照片般逼真的數據流，以創建各種測試環境，模擬各種天氣條件，如暴風雪以及不同地形。此外，它可以模仿一天中不同時間的眩光效果和夜間有限的視野。由于它是分布式的，開發人員可以上傳交通情景，集成在他們自己的車輛和傳感器模型，并驅動整個測試車輛“數十億”的模擬里程。Nvidia 稱，豐田研究院 TRI-AD 是 Constellation 的第一個客戶。

防止自動駕駛汽車撞車的 Safety Force Field

Safety Force Field 是 Nvidia 推出的 Drive AV平臺的一個新組件，旨在保護無人駕駛汽車，乘客以及同路的其他汽車和乘客。

Safety Force 內置于 Nvidia Drive 的自動駕駛汽車軟件套件中，這大約會覆蓋到大約四分之三的消費者，在美國汽車協會最近的一項研究中，這些消費者表示對乘坐自動駕駛汽車持謹慎態度。

據 Nvidia 介紹，Safety Force 是運動規劃堆棧中的決策策略，通過分析實時傳感器數據來監控不安全的操作，它能以最小化傷害和“潛在危險”為目標進行預測。

“通過消除驅動方程中的人為錯誤，可以防止絕大多數碰撞并最大限度地減少那些確實會發生的碰撞”，Nvidia 自動駕駛軟件副總裁 David Nister 表示。

如何實現的？通過基于物理的“零碰撞”驗證支持的“強大”數學計算，要優于利用有限統計數據的實時模型。正如 Nister所解釋的那樣，它遵循避免碰撞的單一核心原則，而不是一系列規則和期望。

Safety Force Field 可以考慮制動和轉向限制，使其能夠識別并消除兩者產生的“異常”狀況。“SFF 在數學上的設計使得配備 SFF 的自動駕駛車輛將像磁鐵一樣相互排斥，從而遠離碰撞傷害，并且不會出現不安全的的情況”，Nister 補充道。

不過，Safety Force Field是否足以打消持公眾對安全性的疑慮，還有待進一步觀察。

此外，NVIDIA還發布了全新的 AI 加速庫——CUDA X AI SDK 庫，它重組了40 多個 Nvidia 深度學習加速庫。CUDA-X AI 庫可與流行的框架（如 MxNet，PyTorch 和 TensorFlow）配合使用。

Nvidia 的“新常態”

2 月 15，Nvidia 公布了 2019 財年第四季度及全年財報。報告顯示，Nvidia第四季度營收為 22.05 億美元，與上年同期的 29.11 億美元相比下降 24%；凈利潤為 5.67 億美元，與上年同期的 11.18 億美元相比下降 49%。

除了營收和利潤雙雙下滑，Nvidia的股價相比過去 52 周的高位也幾近腰斬，目前市值也回落到 1024 億美元左右。

此外，Nvidia還預計，與 2019 財年 117.16 億美元的營收相比，2020 財年該公司營收將同比持平到小幅下降。除了經濟環境的影響，這也說明 Nvidia 今年的產品規劃里很可能并沒有足以支撐營收大幅增長的“新爆款“。

當然，為了拓展自己的業務，近日，Nvidia 還宣布以 69 億美元的價格收購以色列公司 Mellanox，這是 Nvidia 史上最大規模的一筆收購交易。

《Mellanox 為何讓多家巨頭公司“趨之若鶩”》一文里介紹道，“Mellanox是一家著名的網絡設備供應商，旗下產品包括網絡控制芯片、網卡、線纜、交換機、軟件等等，主要應用在數據中心里的各類網絡連接，可以說幾乎涵蓋了數據中心網絡產品的各大門類，目前已經成為各大數據中心的主流網絡解決方案之一。例如，在全球前十的大型公司中，有九家公司的數據中心就采用了 Mellanox 的方案。”

因此，Nvidia 斥巨資擊敗了英特爾等競爭對手，為的就是擴大自己的數據中心業務。

疲軟的股價，沒有核彈的 GTC，這些年一路躺賺，數錢數到手軟的 Nvidia，終于要開始習慣“新常態”了。