美国加利福尼亚州圣克拉拉 —— 太平洋时间 2024 年 2 月 20 日 —— NVIDIA 今日宣布，将于 3 月 18 日至 21 日在圣何塞会议中心举办 GTC 2024 大会。预计将有超 30 万人亲临现场或线上注册参会。 NVIDIA 创始人兼首席执行官黄仁勋将于太平洋时间 3 月 18 日（星期一）下午 1 点，即北京时间 3 月 19 日（星期二）凌晨 4 点在圣何塞会议中心发表主题演讲。届时将进行现场直播，演讲结束后还将提供视频回放。该主题演讲无需注册即可在线观看。 自黄仁勋在 2014 年 GTC 主题演讲中首次强调机器学习以来，NVIDIA 一直身处 AI 变革的最前沿。NVIDIA 的平台在众多领域的 AI 应用中发挥了至关重要的作用，包括大语言模型、生物学、网络安全、数据中心和云计算、对话式 AI、网络、物理学、机器人学以及量子计算、科学计算和边缘计算。 本次大会将举办超过 900 场会议，300 多家参展商将展示企业如何部署 NVIDIA 平台，以在航空航天、农业、汽车和运输、云服务、金融服务、医疗和生命科学、制造、零售和电信等各行各业实现重大突破。 黄仁勋表示：“政府、业界和组织机构都致力于利用生成式 AI 的变革能力，生成式 AI 已成为举世瞩目的焦点。GTC 已成为全球最重要的 AI 会议，整个生态系统都齐聚于此，分享知识并推动技术发展。期待您的参会！” 在线参会者请访问官网免费注册线上大会。 参加本次大会的重磅嘉宾包括但不限于： OpenAI 首席运营官 Brad Lightcap 微软生成式 AI 业务副总裁 Sébastien Bubeck Google DeepMind 杰出科学家兼机器人技术高级总监 Vincent Vanhoucke Meta AI 研究副总裁 Joelle Pineau 斯坦福大学计算机科学教授李飞飞博士 陈和

案例简介 •   本案例通过NVIDIA RIVA平台，平安科技智能服销应用组自主研发了智能客服系统，集成了语音识别、语音合成、语义理解三大智能引擎，以智能语音机器人替代传统的真人客服，实现自然的语音人机交互。 •   本案例主要应用到NVIDIA RIVA平台、NVIDIA NEMO模型训练平台。 Case Introduction •  In this case, through the NVIDIA RIVA platform, Ping An Technology’s intelligent service sales application group independently developed an intelligent customer service system, which integrates three intelligent engines: speech recognition, speech synthesis, and semantic understanding. The intelligent voice robot replaces the traditional human customer service to achieve natural voice and human-computer interaction. •  The major products utilized in the case are NVIDIA RIVA platform and NVIDIA NEMO model training platform. 客户简介及应用背景 平安科技是平安集团旗下的全资子公司，运用人工智能、智能认知、云计算、区块链等技术，实现对平安集团旗下的产险、寿险、银行

案例简介 •    本案例中通过使用NVIDIA T4 GPU和TensorRT，OpenGL，CUDA, CUDA/OpenGL interoperability等GPU软件技术栈，助力腾讯AI LAB虚拟人项目在人脸生成阶段达到了超过3倍的加速。 •    本案例主要应用到 NVIDIA T4 GPU，TensorRT, OpenGL，CUDA, CUDA/OpenGL interoperability等AI加速平台。 Case Introduction major products utilized in the case are NVIDIA T4 GPU, and NVIDIA AI software stack — TensorRT, CUDA, OpenGL, CUDA/OpenGL interoperability, etc. 客户简介及应用背景 腾讯AI LAB致力于打造产学研用一体的 AI 生态，主要的研究方向包括计算机视觉、语音识别、自然语言处理和机器学习，结合腾讯场景与业务优势，在社交AI，游戏AI，内容AI及平台AI等领域取得了显著的成果，技术被应用于微信、QQ、天天快报和QQ音乐等上百个腾讯产品。其中围棋AI “绝艺” 多次获得世界人工智能围棋大赛的冠军。 腾讯AI LAB打造的虚拟人，具有自然，生动且饱含情绪的表情，其背后由一套腾讯 AI Lab 自研的复杂系统支撑，系统首先要从文本中提取不同信息，包括表情、情感、重音位置、和激动程度等；之后，这些信息被输入到模型中生成，再同步生成语音、口型和表情参数，最终才有了虚拟人自然生动的表现。 客户挑战 根据虚拟人物需要表达的语言和情感，生成自然生动的人脸，是打造虚拟人重要的一个阶段。需要先渲染人脸的纹理图和渲染图，并将它们输入到深度学习模型中

黄仁勋称：“得益于各种进步，我们正处在行业高性能计算革命的开端。” 在下方的简短访谈中，NVIDIA 首席执行官向欧洲高性能计算专家们描述了我们一生中最强大的技术趋势的缘起和远景。 高性能计算正在经历多米诺骨牌效应，这种效应始于几十年前，常见于学术研究中心内的模拟仿真方面。此类实验室的研究工作吸引了航空航天、医疗健康等多个行业的注意，但他们发现，这些研究所需的大型计算量是在当时完全无法满足的，直到后来加速计算和深度学习出现，人们才重新看到曙光。 在这两种技术力量的推动下，多米诺骨牌正在倒下，并向四面八方散开。 黄仁勋在为法国 Teratec 活动致辞时表示：“当我们听到数字生物学革命、未来工厂革命或数字孪生革命时，他们都有同样的内因在推动发展。” 多米诺骨牌效应推动实现超指数级发展 可以用简单的算术来描述这种多米诺骨牌效应：高性能计算 + 加速计算 + 深度学习。 近期科学抗击新冠肺炎疫情的一个例子体现了该公式的强大成效。 图片说明：模拟仿真、加速计算和 AI 推动数字生物学呈超指数级进步。 数十年来，科学家们一直在尝试模拟原子的相互作用方式，这项工作对于推进化学研究、研制出更好的药物至关重要。难题在于如何实现观察记录复杂生物学机制。 例如，有一个团队在 2016 年取得了里程碑式的成就，利用 GPU 加速对 100 万个原子20 ns的行为进行建模。去年，由加州大学圣地亚哥分校 (UCSD) 研究员 Rommie Amaro 领导的一个研究团队利用 GPU 和深度学习，展示了健康的细胞是如何感染新型冠状病毒的。该团队在 Summit 超级计算机上对 3.05 亿个原子1毫秒行为进行了模拟，突破了极限。 在这 15 年间当中，速度增加了 1,000 多万倍。黄仁勋称这是以超指数级、超摩尔定律的速度实现的进步。 为各行各业提供有意义的洞察 这些数字令人震惊，更了不起的是，研究

生成式 AI 在网络服务中的使用引发了该技术的第一轮浪潮，各种能够帮助人们以空前速度进行写作、研究和想象的工具展现了无限的可能性。 如今，先进的开源基础模型已掀起第二轮生成式 AI 浪潮，同时，代理 AI 的进步正在提高 AI 工作流的效率和自主性。各行各业的企业都可以使用 Google Gemma、Llama 3.1 405B、Microsoft Phi、Mixtral 和 Nemotron 等模型开发自己的 AI 应用，以推动业务增长并提高生产力。 为了加快业务转型，企业需要标准的生成式 AI 工作流蓝图，例如数字人客服聊天机器人、检索增强生成、药物研发等。虽然 NVIDIA NIM 微服务能够帮助企业高效、便捷地利用这些模型，但企业生成式 AI 应用的构建过程仍然复杂，而且步骤繁多。 今天发布的 NVIDIA NIM Agent Blueprints 囊括了企业开发者构建和部署自定义生成式 AI 应用所需的一切，这些应用将对业务目标产生变革性影响。 数据驱动型企业飞轮的蓝图 NIM Agent Blueprints 是为特定用例量身定制的参考 AI 工作流，包含了使用 NVIDIA NIM 与合作伙伴微服务构建的示例应用、参考代码、自定义文档以及用于部署的 Helm 图表。 借助 NIM Agent Blueprints，开发者可以利用 NVIDIA 先进的 AI 工具以及针对每个用例的端到端开发经验，抢先创建自己的应用程序。这些蓝图可进行修改和增强，允许开发者利用信息检索以及可执行复杂任务的基于智能体的工作流。 NIM Agent Blueprints 还能帮助开发者在整个 AI 生命周期中改进应用。用户与 AI 应用的交互会产生新的数据，这些数据可用于在连续不断的学习循环中完善和增强模型，形成一个数据驱动型生成式 AI 飞轮。 NIM Agent Blueprin

为了应对这项有史以来最大的计算挑战之一，特斯拉需要配备前所未有的算力。 在本周的CVPR（国际计算机视觉与模式识别会议）上，汽车制造商特斯拉的AI高级总监Andrej Karpathy公布了公司内部用于训练Autopilot与自动驾驶深度神经网络的超级计算机。这个集群使用了720个节点的8个NVIDIA A100 Tensor Core GPU（共5760个GPU），实现了1.8 exaflops级别的超强性能。 Karpathy表示：“这是一台性能卓越的超级计算机，以FLOPS计，它大概可以在全球超级计算机中排到第5位” 通过将汽车行业前所未有的算力水平作为其研发周期的核心，特斯拉让其自动驾驶汽车工程师能够使用前沿技术来高效完成这项工作。 NVIDIA A100 GPUs 为全球最强的数据中心提供各种尺度的加速。A100 GPU基于NVIDIA Ampere架构打造，其性能比上一代产品高出20倍，并且可以划分成7个GPU实例，动态地适配不同的需求。 使用100多万辆在路上跑的车（的数据）来持续优化和迭代新功能，正是Tesla自动驾驶的垂直整合之道，而GPU集群也是其中一部分。 从汽车到数据中心 特斯拉的循环开发流程始于汽车。“影子模式”在不实际控制车辆的情况下，悄无声息地执行着感知和预测深度神经网络（DNN）。 任何的错误预测、误识别都会被记录下来。随后，这些实例都会被特斯拉工程师所用，来创建一个包含多种复杂场景的训练数据集，以完善DNN。 当前已经收集了 100万个以每秒36帧的速度记录的10秒片段，总数据量高达1.5PB。在数据中心，特斯拉将DNN置于这些场景中反复运行，直到DNN能够无差错地运行。最后，DNN被发送回车内，并开始下一轮循环。 Karpathy表示，以这种方式在如此大量的数据上训练DNN需要庞大的计算能力，特斯拉为此建立并部署了内置高性能A100 GP

由上汽和阿里巴巴联手打造的智己汽车发布了两款智能电动概念车型 这个全新的智能汽车品牌将由“大脑”和电力驱动行驶得更远。 中国最大的汽车制造商上汽集团与电子零售业巨头阿里巴巴联合推出了全新高端纯电动汽车品牌IM智己。该超长续航电动汽车将拥有由高性能、高能效的NVIDIA DRIVE Orin计算平台驱动的AI功能。         此次最新发布的旗舰轿车与SUV将具有自主泊车以及其他自动驾驶功能，其高配版配备115KWH电池。上汽将在今年4月的上海车展上开放纯电轿车的预订，SUV车型将于2022年开始发售。 这两款车型的集中式计算机系统的核心支持多块NVIDIA Orin系统级芯片（平台性能500~1000+TOPs ），除了能够实现各种自动和自主功能外，用户还能进行舱内个性化定制。此外，这两款车型能够通过无线不断升级，实现真正软件定义的驾驶体验。 通过统一的集中式计算架构，智己汽车在开发过程中也能获得先进的软件功能。就像手机一样，该软件定义的汽车将能够定期更新软件。 豪华品质，内外如一 开发顶级的高端电动汽车品牌，需要一流的车载计算平台。 NVIDIA Orin是当今性能最强的自动驾驶和自主机器处理器。该系统级芯片能够实现每秒254万亿次计算，以处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络，并且满足系统安全标准，例如ISO 26262 ASIL-D。 智己汽车搭载多块Orin系统级芯片，计算平台性能可达500 ~1000+TOPS，能够满足自动驾驶所需的冗余和多样性。 如同所有现代化的计算设备，该智能汽车拥有庞大的AI和软件工程师团队，并将随着科技发展不断提高汽车的性能。 IM = Intelligence in Motion 全新智己汽车将智能和电动出行提升至全新高度。 智己的

案例简介 腾讯公司利用NVIDIA TensorRT推理引擎的INT8推理能力和基于知识蒸馏的QAT训练，大大加速了微信中的搜索动能，节省了约70%的计算资源。本案例主要应用到NVIDIA T4 GPU和TensorRT。 Case Introduction With the help from INT8 inference capability of NVIDIA TensorRT inference engine and knowledge-distillation-based QAT training, Tencent WeChat search is speeded up greatly. About 70% computing resources are saved. The major products utilized in the case is NVIDIA T4 GPU and TensorRT SDK. 客户简介及应用背景 随着腾讯微信的发展，微信搜索也成为其越来越重要的功能，这个功能可以用来搜索微信内部的账号、信息，以及搜索互联网上的内容。微信搜索月活跃用户数量达到五亿以上。搜索业务当中使用了大量的神经网络模型，包括自然语言理解、匹配排序等等，这些模型的训练和推理都大量依赖于NVIDIA GPU，尤其在推理方面，NVIDIA GPU及相应的解决方案都满足了业务所需的延迟和吞吐要求。 客户挑战 微信搜索业务由多个子模块构成，包括查询理解、匹配、搜索排序等等。由于搜索的业务特点，这些任务对线上服务的延迟和吞吐都十分敏感。然而在最近几年，随着算力的提升以及算法的创新，很多大型复杂的神经网络模型开始应用在这些任务上，比如BERT/Transformer等模型。 这些大模型需要的计算资源和业务上的高要求对推理端的软硬件都是很大的挑战，必须针对具体的硬件做极致的

即日起可在线注册参会，黄仁勋将发表主题演讲，来自数据中心、网络、图形以及自动驾驶汽车等领域的业界领袖将带来1,300多场演讲 美国加利福尼亚州圣克拉拉——太平洋时间2021年3月9日—— NVIDIA今日宣布将于2021年4月12日至16日举办顶级科技盛会GTC21。应NVIDIA创始人兼首席执行官黄仁勋的邀请，人工智能领域著名的先锋级人物Yoshua Bengio、Geoffrey Hinton和Yann LeCun将参加本届大会。黄仁勋将于北京时间4月13日上午9:00以在线直播的形式发表主题演讲，届时将发布众多新闻。 Bengio、Hinton和LeCun在深度学习领域取得了突破性进展，获得了2018年ACM图灵奖，该奖项被誉为计算机领域的诺贝尔奖。 他们的工作推动着人工智能技术在全球范围内得以快速应用——从面部识别到自然语言处理，再到自主机器。Bengio是蒙特利尔大学的教授，同时担任蒙特利尔学习算法研究所负责人；Hinton是多伦多大学的教授，同时担任谷歌的研究员。LeCun是纽约大学的教授，同时担任Facebook首席人工智能科学家。 此次大会预计将有超过10万名开发者、业务负责人、创意人士等注册参会，其中包括负责数据中心基础设施的公司高级管理层和IT专业人士。主题演讲无需注册，即可免费观看。 除三位图灵奖获奖者外，主要演讲者还包括： 微软Azure企业副总裁Girish Bablani 沃尔玛数据科学总监John Bowman Facebook研究工程师Soumith Chintala Arm IP产品事业部总裁Rene Haas Verizon 人工智能平台5G MEC工程副总裁Ganesh Harinath Insitro创始人兼首席执行官，Coursera联合创始人Daphne Koller Zoox联合创始人兼首席技术官Jesse Levinson E

从工厂和农场到炼油厂和建筑工地，全球范围内不乏炎热、卫生条件差、嘈杂、存在潜在危险的地点，但这些地点对维持工业运转至关重要。 这些地点都需要在日常运营的同时接受检查和维护，但鉴于安全问题和工作条件，由人类去完成这些任务并非最佳选择。 机器人和自动化技术在制造业、农业、建筑业、能源、政府和其他行业的应用日益增加，与此同时，许多公司也一直致力于让要求严苛的应用也能受益于AI和深度学习。 在一些严苛的环境中，安全性和可靠性至关重要，而通过全新NVIDIA Jetson AGX Xavier 工业级模组，NVIDIA使这些环境中的边缘AI部署成为可能。 Jetson AGX Xavier 工业级模组 这种新型工业级模组扩展了 Jetson AGX Xavier 系统级模组的功能，使开发者能够构建先进、支持AI的坚固耐用型系统。Jetson AGX Xavier 工业级模组专为严苛环境中的智能视频分析、光学检测、机器人技术、计算机视觉、自主运行和AI而打造。 该模组采用紧凑、节能的设计，能够可靠地提供每秒30 TOPS的AI性能。基于经过严格工业标准测试的组件，以及在功能安全方面的全新功能，它能够承受剧烈的冲击和振动，以及极端的温度范围。此外，它在引脚、软件和外形方面还与现有Jetson AGX Xavier模组兼容，因此易于升级。 全新坚固耐用型Jetson模组的关键工业级特征 耐冲击性 Operational: 50G, 11 ms, Half Sine Non-operational: 140G, 2 ms, Half sine, 3-axis, FCT/DPA, extend to 340G 耐振动性 Operational: 10-500 Hz, 5G RMS  (random/sinusoidal) Non-operational: 10-1000 Hz, 3G

在备受期待的 SIGGRAPH 2024 炉边谈话中，NVIDIA 创始人兼首席执行官黄仁勋和 Meta 创始人兼首席执行官马克·扎克伯格探讨了开源 AI 和 AI 助手的变革潜力。 扎克伯格首先宣布推出 AI Studio。这是一个新平台，允许用户创建、分享和发现 AI 角色，使数百万创作者和小型企业能够更方便地使用 AI。 黄仁勋表示：“未来，可能每家餐厅、每个网站都会使用这些 AI 功能。” 扎克伯格回应道：“就像现在每家企业都有电子邮件地址、网站和社交媒体账号一样，我认为在未来，每家企业都会拥有一个 AI。” Meta 的成功证明扎克伯格之前做了正确的事情。黄仁勋称赞扎克伯格和 Meta 是 AI 领域的领导者。 黄仁勋说：“你们在 AI 领域做了令人惊叹的工作”，他提到了 Meta 在计算机视觉、语言模型和实时翻译方面的进展。“我们都在使用 Meta 开发的 PyTorch。” 开源在推动 AI 发展中的重要性 扎克伯格强调了开源在推动 AI 发展中的重要性，并与黄仁勋共同指出开放平台对创新尤为关键。 Meta 已迅速成为 AI 领域的领导者，在各项业务中充分利用 AI。最值得关注的是 Meta AI 已被用于 Facebook、Instagram 和 WhatsApp。Meta 还在整个行业推进开源 AI 的发展，近期发布了 Llama 3.1 大模型。 该开源模型花费了大量时间和训练资源投入。这个迄今为止最大的 Llama 版本拥有 4050 亿个参数，使用 16000 多个 NVIDIA H100 GPU 进行了训练。 扎克伯格表示：“过去，推动所有改进的要素之一是每种类型的内容都有不同的模型。现在，随着模型变得更大、更通用，这种情况正在不断改善。有时我会梦想有一天，Facebook 或 Instagram 整个平台就像一个单一的 AI 模型，它将所有这些不

收入创下 65.1 亿美元的纪录，较去年同期增长 68% 游戏收入创下 30.6 亿美元的纪录，较去年同期增长 85% 数据中心收入创下 23.7 亿美元的纪录，较去年同期增长 35% NVIDIA 公司（纳斯达克代码：NVDA）今日宣布，截至 2021 年 8 月 1 日的第二季度收入创下 65.1 亿美元的纪录，较去年同期增长 68%，较上一季度增长 15%，公司的游戏、数据中心和专业视觉平台均创下收入纪录。 季度 GAAP 摊薄每股收益创下 0.94 美元的纪录，较去年同期增长 276%，较上一季度增长 24%。季度非 GAAP 摊薄每股收益为 1.04 美元，较去年同期增长 89%，较上一季度增长 14%。 NVIDIA 创始人兼首席执行官黄仁勋表示： “NVIDIA 在加速计算方面的开创性工作，持续推动着图形、科学计算和 AI 向前发展。” “开发者们正在利用 NVIDIA 平台，创造着我们这个时代最具影响力的技术 —— 自然语言理解、推荐系统、自动驾驶汽车、物流中心、数字生物学、气候科学，以及遵从物理定律的元宇宙世界。” “本季度，我们发布了 NVIDIA Base Command 和 Fleet Command，均可用于开发、部署、扩展和编排 NVIDIA AI Enterprise 软件套件上运行的 AI 工作负载。我们借助全新的企业软件、各种 NVIDIA 系统、以及全球系统和整合的合作伙伴网络，为全球各大行业提供加速，助力其受益于 AI 带来的变革。” 黄仁勋表示：“我们很高兴发布了 NVIDIA Omniverse，这是一个打磨了近五年的模拟平台，可运行具备真实物理属性的虚拟世界，并能够与其他数字平台相连接。我们的设想是让工程师、设计师甚至自主机器都可以连接到 Omniverse，创建数字孪生和用于工业的元宇宙。” NVIDIA 在第二季度支付了 1

AI 将计算机图形中的视觉保真度提升到全新水平，而引领这场变革的正是 NVIDIA 深度学习超级采样技术。 DLSS 利用 AI 将较低分辨率下渲染的图像转变为高分辨率图像。其提供的性能支持用户在较低分辨率下进行渲染，同时维持高分辨率的画质。 NVIDIA RTX GPU 配备名为 Tensor Core 的专用 AI 处理器，支持 DLSS 针对渲染图像实时运行。 DLSS 在游戏行业得到了迅速采用，诸如《我的世界 (Minecraft)》RTX 版、《堡垒之夜 (Fortnite)》和《赛博朋克 2077 (Cyberpunk 2077)》等游戏在采用此项技术可将帧速率提升至原来的两倍。 现在，内容创作行业正通过部署此项技术改进各类工作流程，包括虚拟制作、建筑可视化、动画电影、产品设计、模拟和数据生成。 51 World、Goodbye Kansas Studios、Hyundai Motors、Lucasfilm 的工业光魔、Orca Studios 和 Surreal Film Productions 等领先的创意开发商纷纷采用 DLSS 来提升性能，实现创意愿景。 将虚拟生产提升至全新水准 电影，电视和YouTube项目越来越多地使用虚拟制作技术，因为制片厂和艺术家承受着巨大的压力，他们需要在保持正常拍摄的同时尽快完成迭代。 将 DLSS 加入 HYPERBOWL 的虚拟制作流程后，NSYNK 的渲染性能大幅提升，提供实时光线追踪效果的同时使帧速率几乎翻倍，一改往日二者无法同时实现的局面。即使对比全分辨率抗锯齿技术，DLSS 也能提供更加清晰、稳定的图像。 “DLSS 是一项变革性技术，不仅改进渲染结果，同时也降低了性能成本。它已成为渲染流程中不可或缺的一部分，”HYPERBOWL 的虚拟制作总监 Dennis Boleslawski 说道。 在 Orca Stu

案例简介 •    本案例中通过使用NVIDIA T4 GPU和TensorRT，OpenGL，CUDA, CUDA/OpenGL interoperability等GPU软件技术栈，助力腾讯AI LAB虚拟人项目在人脸生成阶段达到了超过3倍的加速。 •    本案例主要应用到 NVIDIA T4 GPU，TensorRT, OpenGL，CUDA, CUDA/OpenGL interoperability等AI加速平台。 Case Introduction major products utilized in the case are NVIDIA T4 GPU, and NVIDIA AI software stack — TensorRT, CUDA, OpenGL, CUDA/OpenGL interoperability, etc. 客户简介及应用背景 腾讯AI LAB致力于打造产学研用一体的 AI 生态，主要的研究方向包括计算机视觉、语音识别、自然语言处理和机器学习，结合腾讯场景与业务优势，在社交AI，游戏AI，内容AI及平台AI等领域取得了显著的成果，技术被应用于微信、QQ、天天快报和QQ音乐等上百个腾讯产品。其中围棋AI “绝艺” 多次获得世界人工智能围棋大赛的冠军。 腾讯AI LAB打造的虚拟人，具有自然，生动且饱含情绪的表情，其背后由一套腾讯 AI Lab 自研的复杂系统支撑，系统首先要从文本中提取不同信息，包括表情、情感、重音位置、和激动程度等；之后，这些信息被输入到模型中生成，再同步生成语音、口型和表情参数，最终才有了虚拟人自然生动的表现。 客户挑战 根据虚拟人物需要表达的语言和情感，生成自然生动的人脸，是打造虚拟人重要的一个阶段。需要先渲染人脸的纹理图和渲染图，并将它们输入到深度学习模型中

NIO Adam蔚来超算平台由NVIDIA DRIVE Orin驱动，搭载该平台的电动车型将于2022年开启交付 中国高端智能电动汽车制造商蔚来汽车和NVIDIA今日宣布，蔚来新一代电动汽车将采用NVIDIA DRIVE Orin™系统级芯片， 为其提供先进的自动驾驶功能。 蔚来致力于在更广泛的范围内为消费者提供智能、高性能的电动汽车。在2020蔚来日（NIO Day 2020）上，该电动汽车制造商介绍了配备NVIDIA DRIVE Orin的NIO Adam蔚来超算平台。该平台将首次应用在2022年开启交付的蔚来ET7车型中。 NVIDIA创始人兼首席执行官黄仁勋表示： 自动驾驶和电动化是改变汽车行业的关键力量。我们很高兴能与新能源汽车变革的领导者蔚来合作，利用AI的力量创建软件定义的未来电动车队。 蔚来创始人、董事长兼首席执行官李斌表示： 蔚来和NVIDIA的合作将加速智能汽车自动驾驶技术的发展。蔚来所研发的自动驾驶算法将运行在四颗行业领先的NVIDIA Orin芯片上，为量产车提供前所未有的超1000TOPS算力。 NIO Adam蔚来超算平台是蔚来在安全可靠地将汽车智能和自动驾驶技术推向市场过程中的一项重大成就。借助集中化、软件定义的计算架构，蔚来下一代电动轿车（如ET7）将具有全新的AI功能，并在售出之后也能够永久升级。 NVIDIA Orin是当今性能最强的自动驾驶和自主机器处理器。该可扩展的系统级芯片系列不仅能够实现前所未有的每秒254万亿次计算，还能为入门级ADAS / L2级自动驾驶提供所需算力（10 TOPS / 5瓦）。蔚来的每辆电动汽车都将配备四颗高性能Orin 系统级芯片，拥有行业领先的超1000TOPS算力，为安全的自动驾驶提供所必需的冗余和多样性。 作为蔚来首款搭载Orin的电动汽车，旗舰轿车ET7是一款高性能汽车，零到百公里加速仅需3.9秒，

水木未来是一家结构和计算驱动的新型药物研发公司，拥有亚太区第一个商业化冷冻电镜服务平台，基于冷冻电镜、计算生物学、机器学习和高性能计算核心技术，在小分子药物、生物大分子药物、基因治疗等领域推动数字化创新，助力全球创新药企提升药物研发效率和成功率。 NVIDIA GPU 提升 10 倍图像处理速率 电镜解析的结构以每年1.5倍的速度高速增长，已经成为结构解析最重要的技术手段之一。随着冷冻电镜技术的不断迭代革新，高分辨率结构解析在药物研发领域发挥越来越广泛且重要的作用。 在小分子药物领域，冷冻电镜可以通过解析小分子与靶点蛋白的复合物结构，帮助研究者理解构效关系，指导基于结构的小分子药物发现与优化。 在生物药领域，冷冻电镜可以用来进行抗体表位解析，研究交叉特异性，帮助优化单抗，设计疫苗，并且作为支持IP保护的重要手段。 此外，冷冻电镜还可对病毒样颗粒，腺相关病毒等载体，纳米粒，脂质体等进行可视化表征，在基因治疗质控与制剂制备工艺等多个方向发挥作用。 但海量冷冻电镜数据的处理速度依然是重要的限速瓶颈。 日前，Alphafold2在蛋白结构预测上的突破还余音绕梁，而生物科学领域还有更难的研究方向，比如，超大复合物结构、动态构象变化、蛋白质设计、药物设计等等，这些问题都有待科学家与工业界去一一攻克。用结构加计算，从根本的生物学角度出发，加速新药发现，是水木未来贯彻始终的目标。 以G蛋白偶联受体（GPCR）这类蛋白为例，以这类蛋白为靶点的药物在已上市药物中占据了约30%的比重，但是仍有大量GPCR的结构未知，进而阻碍了利用其结构进行药物开发的脚步。 水木未来拥有多台高性能GPU服务器，冷冻电镜图片的数据采集及图像处理流程中几乎所有计算密集型步骤都能得益于NVIDIA GPU的应用及计算平台的升级。 基于NVIDIA A100 和V100 GPU计算平台，水木未来在应用冷冻电镜图

在 SIGGRAPH 大会上，NVIDIA 高管发表的简短的特别演讲令我们大开眼界，其中不仅描述了推动图形新时代发展的力量，还介绍了该公司一直致力于扩展新工具并为加速图形技术发展不遗余力。 NVIDIA 创始人兼首席执行官黄仁勋在为时 45 分钟的演讲中谈到：“元宇宙是互联网的再次演进，而 AI 和计算机图形技术的结合将为元宇宙提供动力”。 它将成为互联虚拟世界和数字孪生的枢纽， 成为工作和娱乐的心选之地。黄仁勋还表示，数字人虚拟形象将成为未来广受欢迎的机器人形式之一，将为这个领域注入更多生机与活力。 通过 45 个演示和幻灯片，5 位 NVIDIA 演讲者发布了如下公告： NVIDIA Omniverse Avatar Cloud Engine (ACE)，用于创建虚拟形象的新平台。 构建 Universal Scene Description (USD) 的计划，USD 是元宇宙的语言。 对 NVIDIA Omniverse（用于创建虚拟世界和数字孪生的计算平台）的主要扩展。 利用机器学习为图形工作流提供强效助力的工具。 他谈到，“我们今天发布的公告进一步推动了元宇宙的发展，这是一个新的计算平台，具有新的编程模型、架构和标准。”  元宇宙应用已应运而生。 黄仁勋指出，“用户可以尝试使用增强现实的虚拟 3D 产品，电信公司正在创建其无线电网络的数字孪生来优化和部署无线电塔[以及]许多公司都在创建仓库和工厂的数字孪生以优化其布局和物流。”    输入虚拟形象 元宇宙的世界离不开虚拟助手，我们与虚拟形象的互动将像与另一个人交谈一样自然。他们将在数字工厂工作，玩在线游戏，并为电子零售商提供客户服务。 黄仁勋说，“虚拟形象在 Omniverse 中进行设计、训练和操作，会成为广泛使用的机器人之一，数目将增长至数十亿个”。 数字人和虚拟形象需

客户简介 •    本案例中通过TensorRT加速夸克浏览器视频图像相关模型的预测性能，比如待上线业务的相关流程整体性能达不到线上要求，通过对全流程的优化以及使用NVIDIA TensorRT加速模型后，最终整体性能由10s级别降到400ms内，其中模型性能加速1～3倍，显存占用下降50%。 •    本案例主要应用到NVIDIA TensorRT、NVIDIA Nsight Systems Case Introduction •    In this case, TensorRT was used to accelerate the prediction performance of the video image-related model. The original overall process performance did not meet the online requirements. After optimizing the entire process and using TensorRt to accelerate the model, the final overall performance was reduced from 10s to within 500ms. •    The major products utilized in the case is NVIDIA TensorRT、NVIDIA Nsight Systems 客户简介及应用背景 夸克浏览器是阿里旗下的一个搭载极速AI引擎的高速智能浏览器。夸客以极速智能搜索为定位，致力于为用户提供交互更智能高效、内容更专业权威的新一代搜索引擎，同时也在产品极致体验上不断

该配图由 StyleGAN2 借助 ADA 生成，仅仅基于大都会艺术博物馆收藏品 API 的不到 1,500 张图像的数据集进行了训练。 NVIDIA Research 的最新 AI 模型可谓生成式对抗网络（GAN）领域的“神童”。相较于典型的 GAN，它只需要基于极少量的学习材料，就能学习诸如模仿著名画家和重建癌症组织图像这样复杂的技能。 通过将一种突破性的神经网络训练技术应用于常用的 NVIDIA StyleGAN2 模型，NVIDIA 的研究人员基于大都会艺术博物馆中不到 1,500 张图像重新设计了艺术作品。他们使用 NVIDIA DGX 系统加速训练，从历史人物肖像中汲取灵感，创作出了全新的 AI 艺术作品。 这种称为自适应鉴别器增强（ADA）的技术能在将训练图像的数量缩减 10-20 倍的情况下，仍保持不错的效果。未来，该技术将会为医疗健康领域带来重大影响，例如，可通过创建癌症组织学图像来帮助训练其他 AI 模型。 NVIDIA 图形研究副总裁 David Luebke 表示：“这些研究结果意味着，人们可以使用 GAN 来解决大量数据过于耗时或难以获取的问题。我十分期待艺术家、医学专家和研究人员能够对其充分利用，实现更多应用。” 本周，这一项目的研究论文已在 第34届神经信息处理系统大会 NeurIPS 上发表。在本届大会上，NVIDIA Research 破纪录地有 28 篇研究论文入选，该论文就是其中之一。 这种新方法是 NVIDIA 研究人员在 GAN 领域的一系列创新中的最新成果。这些研究人员开发了基于 GAN 的突破性模型，包括AI绘画应用程序 GauGAN、游戏引擎模拟器 GameGAN 和宠物照片转换器 GANimal。这些模型在 NVIDIA AI Playground 均有提供。 数据训练的困境 像大多数神经网络一样，GAN 长期遵循