3月22日，英伟达GTC 2022上，黄仁勋宣布了一系列新产品，从全新的数据中心GPU、CPU到用于自动驾驶的下一代计算平台Hyperion 9，英伟达推出的新品在性能上都至少将是翻倍的。
尽管这场发布会的主角是用于数据中心的H100 GPU和Grace CPU，但在自动驾驶方面，英伟达也公布了相当多的新消息。
Hyperion 9将从2026年开始上车，该参考设计包含2颗Atlan芯片，传感器配置方面，包括14个摄像头、9个雷达、3个激光雷达和20个超声波传感器。
按照之前英伟达公布的Atlan性能，Hyperion 9的计算平台算力将达到2000TOPS，英伟达也表示，由于传感器数量的增加，Hyperion 9处理的传感器数据量将两倍于Hyperion 8。
Orin将于本月（3月）开始发售，这意味着新势力的新车型交付也许将会加快。老黄已经把芯片拿出，交不出来车，老黄可不背锅。
Atlan此前公布的SOP时间是2025年，按照本次公布的Hyperion 9推出时间，这个时间预计将不会发生调整，这也意味着，Orin将在未来的三年内继续担当英伟达自动驾驶芯片的旗舰重任。
合作方面，英伟达在大会上宣布与比亚迪达成合作，比亚迪将从2023年上半年开始投产的汽车上搭载DRIVE Orin计算平台。
另外，英伟达还公布了在自动驾驶地图和仿真方面的情况。英伟达预计到2024年底，将完成绘制并创建北美、西欧和亚洲所有主要公路的数字孪生，总长度约为50万公里。
数据中心业务方面，英伟达推出了A100 GPU的继任者H100，在所有的数据格式下，H100的性能都至少是A100的三倍，同时功耗也达到了惊人的700W。
此前，特斯拉、蔚来等主机厂已经向英伟达购买A100用于自动驾驶训练，H100的出现，预计将会进一步提升自动驾驶训练的效率。
黄仁勋表示，之前的AI以感知和模式识别为中心，例如图像识别、语音理解、推荐算法等，下一代AI浪潮是机器人，AI要有相应的规划和行动，英伟达正在构建多个机器人平台，包括用于自动驾驶的NVIDIA DRIVE，Omniverse将是构建这些平台的核心。
英伟达对Omniverse寄予厚望，野心之大，已经希望将整个地球进行数字孪生，相比之下，自动驾驶可能只是Omniverse中的一个应用。
一
机器人，是英伟达为自动驾驶找到的分类，也是黄仁勋所认为的下一代AI浪潮。
关于如何打造一个机器人系统，黄仁勋将其简化为四部分：
收集和生成真值数据；
创建AI模型；
使用数字孪生进行仿真；
操作机器人。
其实我们也可以将这四步理解为：感知、训练、仿真、执行。
到了自动驾驶领域，英伟达规划了一套全栈的端到端方案NVIDIA DRIVE。
对于真值数据，英伟达通过DeepMap高精地图、人工标记数据和Omniverse Replicator（用于数据合成）来进行收集和生成；
对于训练自动驾驶的AI模型，NVIDIA AI软件平台和DGX超级计算机可以提供相应的服务；
对于仿真，英伟达通过Omniverse中的Drive Sim来进行；
DRIVE AV则是运行在英伟达车载芯片上的自动驾驶应用，包含了软件和算法模块。
而上述的Drive平台得以建立，还需要在终端部署强悍的自动驾驶硬件架构，即自动驾驶计算平台和传感器配置。
这其中gpu是显卡吗，又以自动驾驶芯片为最关键。
2015年，英伟达发布Tegra X1，实质性放弃移动端的竞争，开始战略性转向汽车市场。
到2018年，英伟达发布Xavier，引入DLA（深度学习加速器），英伟达开始真正在汽车市场找到感觉。
到了Orin的发布，英伟达在自动驾驶领域开始大放异彩，几乎囊括了所有主流的汽车制造商和自动驾驶公司。
英伟达曾经表示，从Xavier开始，Orin和Atlan在外形尺寸上、计算平台上，与Xavier都是兼容的，这意味着，英伟达的自动驾驶芯片和计算平台设计将不断趋于成熟。
除了自动驾驶芯片，英伟达的历代自动驾驶计算平台也颇具看点。
早在2015年，英伟达就推出了第一代的PX平台和CX平台，分别用于自动驾驶和座舱；
2016年，英伟达推出的PX 2平台，引入了独立GPU，英伟达称可以支持多系统，如IVI、仪表和ADAS系统，特斯拉是这一平台的客户；
2017年推出的PX Pegasus（也就是Hyperion 7.1），采用了Xavier芯片和图灵架构GPU，虽然算力喜人，但功耗也非常高，基本是自动驾驶公司在用；
2021年推出的Hyperion 8.1首次将传感器纳入参考设计中，并采用了两颗Oringpu是显卡吗，不再包括单独的GPU，奔驰、捷豹路虎目前是这一代产品的用户；
本次推出的Hyperion 9，不论是在算力上还是传感器上，都进入到一个全新的水平，但同时量产时间也到了2026年。
与自动驾驶芯片相比，新势力等车企并不愿意直接搭载英伟达的计算平台，而是选择Tier 1来代工，自己搞定软件和算法，英伟达计算平台的客户也并不多。
Hyperion 8将从2024年起搭载到在梅赛德斯-奔驰的汽车上，2025年搭载到捷豹路虎的汽车上；Hyperion 9目前还没有公布客户。
二
数据中心业务，从深度学习浪潮以来成为英伟达的核心业务，也是最重要的利润来源。现在，黄仁勋称数据中心为“AI工厂”。
黄仁勋表示，一些公司通过处理和提炼数据来打造AI，构建智能，其数据中心就是AI工厂。
英伟达为这些AI工厂打造全新的引擎，这就涉及到了英伟达的数据中心三芯战略：包括用于加速计算的GPU、用于通用计算的CPU、用于处理和移动数据中心数据的DPU。
这里我们主要介绍下数据中心GPU。
H100是英伟达本次GTC重磅发布的产品，作为A100 GPU的继任者，H100采用全新的Hopper架构，台积电4N工艺制造，拥有800亿个晶体管，搭载了HBM3显存，片上带宽为4.9TB/s，显存容量为80G。另外，H100也是首个支持PCIe 5.0的GPU。
相比之下，英伟达的A100，采用Ampere架构，7nm工艺制程，拥有540亿颗晶体管，采用了HBM2显存，显存带宽为1600GB/s，最高版本显存为80G。
算力方面，
H100在FP8格式下的算力为4000TFLOPS，是A100的6倍；
FP16格式下算力为2000TFLOPS，是A100的3倍；
FP32格式下算力为1000TFLOPS，是A100的3倍；
FP64/FP32格式下算力为60TFLOPS，是A100的3倍。
其中，FP8是英伟达最新引入的Tensor处理格式。
H100采用风冷和液冷设计，功耗也达到了700W。
而英伟达A100的TDP功耗是400W，特斯拉Dojo的D1芯片的TDP功耗是400W，两者在性能上也比较接近，这也意味着，H100的性能将远超特斯拉D1芯片。
多实例GPU（MIG）是英伟达数据中心显卡的一项重要功能。
在A100上，多实例GPU可将A100划分为多达7个实例，每个实例均与各自的高带宽显存、缓存和计算核心完全隔离，可在单GPU上同时运行推理、训练和高性能计算工作负载，并为每项工作负载提供适当规模的GPU实例，在开发灵活性和GPU利用率方面较为友好。
H100同样可以被切割为7个实例，每个实例的性能相当于两个完整的T4（英伟达用于云端推理的GPU，int8算力为130TOPS）。
黄仁勋表示，H100已经开始投产，将于三季度开始供货。
乍看起来，H100似乎和汽车产业并没有关系，但由于自动驾驶的推进，云端训练中心正在成为车企的一项重要工作。
英伟达曾经表示，一支由50辆测试车组成的车队如果每天行驶6小时，每天会产生1.6PB数据。
2021年，英伟达中国的一位员工在一次公开课上表示，开发L2级别辅助驾驶系统，需要在数据中心布置1000-2000个GPU进行云端训练，L3级别辅助驾驶系统则需要1万个GPU，L4/L5级别自动驾驶系统需要2.5万个GPU。
来自这名员工的消息称，2021年，特斯拉对外公布了由5760张英伟达A100 80G组成的Dojo原型机，在此之前，特斯拉已经购买了上万张的英伟达V100，在Dojo原型机之后，特斯拉又继续购入英伟达A100，目前特斯拉已经从英伟达处购买了2万张GPU。
除了特斯拉，蔚来也在2021年底宣布将采用英伟达A100 80G和Mellanox InfiniBand ConnectX-6打造超级计算机。
以特斯拉的数据来看，英伟达上述预测可能偏保守，特斯拉在仅有100多万辆车队的情况下，就已经用掉了2万张GPU。如果全世界所有的车辆都将配备自动驾驶功能，未来用于自动驾驶训练和仿真的GPU用量至少还有上千倍的增长空间。
毫无疑问，这对于英伟达是好消息。
尽管特斯拉打造了D1和Dojo，但特斯拉曾经也在2021年财报会上表示，打造自研（云端）芯片并不是必须的，自研芯片主要是为了提高效率、降低成本。
如今，H100在性能上极大领先英伟达A100和特斯拉D1，并且将于三季度开始供货，对于还没有量产的特斯拉D1来说，压力自然来到了特斯拉这一边。
是选择打造专用的方案，还是选择英伟达的通用方案，对于特斯拉和很多车企来说，主要在于成本和收益的取舍。
三
Omniverse，这一词汇，越来越频繁地出现在英伟达的各种场合，自然也是本次GTC的重点。
Omniverse相当于是英伟达软硬件技术的集大成者，融合了英伟达在图形、物理学、仿真、AI和计算技术等方面的能力，英伟达希望通过该平台来为各行业各业赋能，并最终通过Omniverse实现地球的数字孪生。
Omniverse，是基于英伟达光线追踪GPU和皮克斯的USD（Universal Scene Description）数据格式的实时图形和仿真模拟平台，可进行3D虚拟世界实时模拟和协作，Omniverse遵循物理规律，可以模拟粒子、流体、材料、弹簧和线缆。
2020年10月，英伟达发布Omniverse，侧重于仿真测试；
2021年4月，Omniverse发布企业版本；
2021年11月，发布Avatar和Replicator，强化在软件端布局。
为了支持Omniverse，英伟达在本次GTC上发布了第一代OVX Omniverse计算机，这台计算机的重要特性是时间同步和低数据传输延迟。
黄仁勋表示，Omniverse是DRIVE等平台的核心。
Omniverse目前在自动驾驶领域有两个主要应用：Drive Map和Drive sim。
先说Drive Map。
黄仁勋称，Drive Map是一种多模态地图引擎，包括摄像头、雷达和激光雷达的数据，它可以单独定位到地图每一层。
Drive Map有两个地图引擎：真值测绘地图（Depth Map Ground Truth）和众包车队地图。
英伟达预计到2024年底，将完成绘制并创建北美、西欧和亚洲所有主要公路的数字孪生，总长度约为50万公里，数百万乘用车将不断拓展和更新该地图。
英伟达在2021年收购了高精地图初创公司DeepMap，从黄仁勋的PPT上看，这家公司将主要承担Drive Map业务，这家公司在去年也发布了高精地图开放平台DeepMap RoadMemory。
Drive sim方面，英伟达本次介绍了两种场景仿真方法。
第一种，以Drive Map为主，可以为整个世界创建高度精确的3D表现形式，地图将会被加载到Omniverse中，建筑、植被和其他路边目标均会生成，系统对之前驾驶过程中遇到的运动目标、汽车和行人进行推理和定位，并放入数字孪生中，然后就可以进行仿真和测试了。
第二种方法是使用神经图形AI（Neural Graphics AI ）和Omniverse，将预先录制的驾驶视频转换为可回放和可修改的驾驶过程，重建3D场景之后，英伟达可以改变现有车辆的行为或添加车辆，来进行闭环仿真和测试。
关于Drive sim，值得多说几句。
在Drive sim之前，英伟达发布过自动驾驶仿真平台DRIVE Constellation，值得注意的是，这个平台并不基于Omniverse，而Drive sim相当于是基于Omniverse的高阶自动驾驶仿真平台。
相对于常规的自动驾驶模拟平台，有了Omniverse能力的加成，DRIVE Sim主要有两个特点：感知仿真和数据合成。
• 感知仿真
借助英伟达的光追技术，可以将现实世界和传感器更加真实准确地模拟出来，进行感知的模拟，并对感知算法做验证。
感知仿真的加入，使得英伟达DRIVE Sim在自动驾驶感知、规划、控制的验证上实现了闭环，可进行自动驾驶端到端的模拟仿真。
• 数据合成
使用DRIVE Sim Replicator生成高保真的合成数据，这些数据能够训练车辆的感知系统或测试决策流程。
DRIVE Sim Replicator主要针对一些难以标记的数据，以合成方式生成难以标记的真值数据，在收集到真实数据之前就可以训练AI模型，以填补在对真实场景下无法有效标记的数据缺口。
合成数据可以扩展训练数据，尤其是在车企或自动驾驶公司刚开始进行自动驾驶训练时，采集数据规模不够的时候，是比较友好的。特斯拉在去年的AI Day上也公布了关于合成数据用于自动驾驶仿真的方案。
在介绍完了上述产品之后，黄仁勋仍不忘表示，不论是DRIVE Map、DRIVE Sim、Hyperion 8还是DRIVE AV栈，车企既可以单独使用，也可以打包使用，彰显着英伟达的开放姿态。
结语
英伟达既是人工智能时代的推动者，也是这个时代的巨无霸。
它很难再被定义为一家显卡厂商或芯片厂商，它的能力已经覆盖到了硬件、系统软件和库、软件平台、AI和机器人应用框四个层级，并提供一站式的AI输出能力。
英伟达所涉及的行业也已经不再是游戏、娱乐等行业，而是渗透到了汽车、医疗、能源、交通、零售、金融、娱乐等各个领域。
英伟达试图在成为AI时代的基础设施，并通过一种通用方案为其他行业赋能，以加速AI的进展。
假如有一天，通用人工智能实现了，人们回望起21世纪20年代，历史会怎样书写英伟达？
如何获得《中国汽车科技趋势报告》
《中国汽车科技趋势报告年报(2022)》已发布，正式售价为：12万元
温馨提示：购买《年报》获得更多权益，包括：免费获得两个季度《季报》和参与线下趋势沙龙。【】
购买报告联系或咨询：
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，加站长微信免费获取积分，会员只需38元，全站资源免费下载 点击查看详情
站 长 微 信： thumbxmw
