「核弹教主」发了个 30 亿美元的芯片，老司机以后可能要被它淘汰

手掌大小，全球仅此一个，研发投入超 30 亿美元，集成了 210 亿颗晶体管……

电动汽车虽然结构简单，但是要实现自动驾驶，再简单的电动汽车也需要一个精密的「大脑」。

上面展示的这块芯片，是英伟达创始人、CEO 黄仁勋在今天凌晨的 GTC 大会主题演讲中发布的加速处理器。在可以预见的未来里，这块强大的处理器将被用了训练自动驾驶汽车。

8 天的计算量浓缩到 8 小时，问你怕未？

持续两个小时的演讲，老黄畅谈了一堆跟人工智能、虚拟现实有关的技术、产品，而我们车迷们最需要关注的硬件，就是刚才提到的加速处理器 TESLA V100，和基于 TESLA V100 打造的超级电脑 DGX-1。

TESLA V100

虽然老黄和特斯拉 CEO 埃隆·马斯克是好朋友，但这块加速处理器跟特斯拉没啥直接关系。

在细说 V100 之前，先得知道 Nvidia 最新的 GPU 架构——Volta。Volta 性能比英伟达上一代架构 Pascal 高了 5 倍，比两年前推出的 Maxwell 架构高了 15 倍。

TESLA V100 使用的 GPU 就是 Volta 架构的首款产品 GV100。这块手掌大小的芯片凝聚了 Nvidia 7000 多名工程师超过 3 年的研发，投入资金 30 亿美元。TESLA V100 集成了 210 亿个晶体管、5120 个 CUBA 内核，双精度浮点运算性能达到 7.5 TFLOP/s、显存带宽为 900GB/S。

看不懂这些数据没关系，只要知道它足够快，快到能让你的汽车自己动就可以了。

新版 DGX-1

GPU 升级了，用来做 AI 研究的超级电脑当然也得升级。

更新后的 DGX-1 配备八块 TESLA V100，原来在 TITAN X 显卡上需要 8 天完成的计算量，DGX-1 只要 8 小时就能完成。DGX-1 售价 14.9 万美元，今年第三季度开始量产发货。

（图片来自：Scoopnest）

除了 DGX-1 之外，英伟达还发布了搭载 TESLA V100 的 DGX Station、HGX-1 超级电脑，分别针对小型人工智能创业公司和云计算。

这可能是自动驾驶汽车最好的「教练」

TESLA V100 发布之后，英伟达在自动驾驶领域就形成了以 TESLA 系列 GPU、DGX 超级电脑、DRIVE PX 自动驾驶计算平台为首的产品阵容。这些产品将会怎样影响到老司机的出行方式？

有别于 ADAS 高级驾驶辅助系统，自动驾驶汽车需要具备高度独立的判断能力，通过摄像头、激光雷达、超声波雷达等一切传感器，对自己所处的周边环境形成完整的认知，并根据周围的行人、车辆、交通标志判断应该如何行驶。

（图片来自：venngage）

自动驾驶汽车要做到这一切，高精度地图是其中的关键，还需要一套人工智能算法帮助汽车更自然地应对行驶过程中出现的一切状况。

就跟人类学开车一样，自动驾驶汽车也需要「教练」传授一套开车的逻辑（算法），DGX-1 的作用就在于此。而 TESLA V100 的意义，是充当 DGX-1 的计算核心。在 V100 强大计算能力的支持下，主机厂或者 Tier 1 一级供应商就可以使用 DGX-1 训练深度神经元网络，利用现有的高精度地图和自动驾驶原型车行驶纪录等大量数据，不断调校更出色的自动驾驶算法。

如果说 DGX-1 是自动驾驶汽车的「教练」，DRIVE PX 计算平台就是拿到了驾照的「驾驶员」。

（英伟达自动驾驶汽车 BB8，图片来自：Ars Technica）

在 2016 年的 CES 期间，英伟达发布了 DRIVE PX 2，黄仁勋称之为「世界第一台车载的人工智能超级计算机」。这块由 2 颗 CPU 外加 2 颗 GPU 组成的计算平台性能上等于 150 台 MacBook Pro，有能力运行 DGX-1 训练完成的神经网络模型，完成自动驾驶汽车必须的图像分析任务。

不过 DRIVE PX 2 的功能还不仅仅是代替人类开车那么简单。

前面说到高精度地图是自动驾驶汽车得以上路的关键，而没有一家汽车厂商、测绘公司能够独立给全世界那么多道路绘制高精度地图，所以只有利用好所有在路上行驶的汽车，才能让高精度地图更快地形成规模。

DRIVE PX 2 就可以把汽车变成有效的高精度地图采集器。英伟达在 DRIVE PX 2 上提供用于自动驾驶汽车的端到端制图系统，把原本需要独立于汽车之外进行的地图绘制工作转移到汽车内。另外由于 DRIVE PX 2 有联网功能，理论上可以将车辆采集的地图传回厂商，汇集成一个更大规模的高精度地图网络。

「驾校」有了，驾驶员也已经有了自己上路的能力，自动驾驶汽车现在需要的就是更多地在实际道路中继续优化算法，收集足够的地图数据。