专访NVIDIA CEO黄仁勋:为工程师打造“Metaverse”,提升开发效率

竞核 2021-04-21 3.8k

老黄可不是蹭热点,而是真刀实枪地干。

在GTC 2021年线上会议上,黄仁勋详细介绍了NVIDIA  Omniverse。它是一个云原生平台,又被称之为面向工程师的Metaverse。

Omniverse咋看起来跟Metaverse有点像。

据维基百科显示,Omni来自于拉丁语,意为“全”、“所有”;verse 意为诗节、韵文、诗篇。

至于Meta ,在计算机领域称之为元,如Meta data 元数据。也有人将Meta 表示超越,认为verse是宇宙 universe的缩写。

按照上述释义,Omniverse可理解为全能宇宙,而Metaverse则是超越宇宙。总体而言,二者是探讨在现实世界外重建虚拟世界。

区别在于,前者面向B端客户开发者;后者面向C端用户消费者。

本文来自venturebeat,作者deantak,由竞核编译。本文中,黄仁勋详细分享了对Omniverse及Metaverse 的看法。与此同时,他还分享了Omniverse对游戏行业的意义。

以下是编译全文,请大家 enjoy。

4月13日凌晨,NVIDIA CEO黄仁勋在GTC 2021年线上会议上发表主题演讲。

在演讲中,黄仁勋介绍了NVIDIA  Omniverse。它是一个云原生平台,又被称之为面向工程师的Metaverse。

Omniverse具有如下四个特点:第一、逼真的渲染效果。触手可及的逼真体验;第二、音频输入,面部动画输出;第三、惊人的视觉效果;第四、动作即创作。

据悉,NVIDIA Omniverse自公测以来,已相继应用在建筑、娱乐、游戏等领域。过去两年中,英伟达跟超过400家企业合作开发Omniverse。过去三个月中,已有17000个用户体现测试版。

NVIDIA官方披露的数据显示,公司已在该项目上花费数亿美元。目前在Omniverse平台上,NVIDIA可测试搭载AI芯片的自动驾驶汽车。

未来,在Omniverse平台上,各行各业都能在真实建造物理世界前,测试跟设计虚拟产品。

以下是黄仁勋接受媒体群访的编辑实录。黄仁勋详细描述了Omniverse对游戏行业的意义,同时分享了对Arm收购案的看法:

问题一:Omniverse初版针对企业,很好奇你们是如何得到游戏开发者支持的?你是否希望或期待游戏开发者在Omniverse中构建自己的元宇宙,并最终尝试在Omniverse平台上托管消费者的元宇宙?还是说,具体到游戏开发者,目标会有所不同?

黄仁勋:游戏开发是目前世界上最复杂的设计工艺之一。我预测,在虚拟世界里设计的东西会比现实世界更多,其中很多跟游戏设计相关。

它们的质量和保真度跟实物一样高、精致,不过会有更多建筑、汽车、船甚至硬币。当然,这些设计并非所有都成为游戏道具,而是最终会成为实物。对大多数人而言,他们或许会觉得数字世界跟物理世界一样真实。

Omniverse会让游戏开发者轻松应对复杂的流水线工作。在游戏制作过程中,有人复杂制作动画,有人负责纹理、灯光、几何图形。上述设计流水线工艺,整合起来非常复杂。

不过在Omniverse平台上,上述流水线通道能够打通链接。每个人都能看到别人在做什么,并保证人们眼见为实。

一旦游戏开发完成,他们就能从Unreal、Unity引擎中导出直接运行。即便开发者是开发云游戏,他们也可以通过Omniverse来实现。

毕竟云端渲染需要多个GPU和大量计算,而这正是NVIDIA的强项。

我认为,未来游戏开发会呈现出上述演变趋势。在Omniverse平台上,单单只是为游戏开发者设计虚拟世界,就足以提升他们的工作效率。

问题二:公司宣布目前处理器以高性能计算应用为目标,特别是人工智能。您是否会扩大该产品的规模,将CPU产品线扩展至其它细分市场,尤其是数据中心市场?

黄仁勋:Grace专为数据驱动的应用程序和软件而设计。如果想要编写软件,需要丰富的经验,就像人类需要智慧积累一样。要想获得经验,最好的方式是通过分析大量的数据。

当然,你可以通过模拟来获得。例如,Omniverse模拟系统会在Grace上运行得非常好。你能进行模拟—模拟是想象力的一种形式。你能从数据中学习,这是经验的一种形式。通过研究数据来推断、概括这种理解并将其转化为知识。这是英伟达第一个数据中心CPU,专为大型应用建立。这是设计Grace目的所在。

作为一种策略或者是哲学,我们倾向于不做任何事,除非世界需要我们做,且它并不存在。当你看到Grace架构,就会意识到它是独一无二的。它看起来跟市面上任何东西都不一样。

它解决了一个过去不存在的问题。这是一个机会和市场,一种20年前不存在的计算方式。我们可以合理地想象,20年前设计CPU和系统的架构师不会解决这个新的应用空间。

我们倾向于关注以前不存在的领域。这是一类世界需要去解决的新问题,而我们会专注于此。

除此之外,我们与英特尔、AMD有很好的合作关系,比如PC行业、数据中心、超大规模、超级计算方面等方面。

Ampere Computing正在研发一个强大的ARM CPU。Marvell在边缘计算、5G、I/O系统和存储系统方面表现惊艳。他们非常出色,我们将与他们展开合作。与此同时,我们也与全球最大的SOC公司联发科合作。这些公司都有很棒的产品,跟我们的策略跟理念一致。

通过NVIDIA AI或NVIDIA  RTX(光线追踪)以及Omniverse等平台,一旦将所有技术连接至CPU上,市场将会随之扩大。

这是英伟达的基本工作方法,我们只专注于打造世界上没有的东西。

问题三:跟进上一个问题,关于Grace和它的使用。这是否预示着NVIDIA 在CPU领域或许有超越数据中心领域的野心?我知道你说你在寻找世界上尚未出现的东西。很显然,在数据中心领域与ARM合作,会导致一个问题,即未来我们会否看到NVIDIA CPU版本。

黄仁勋:我们平台是保持开放的心态。比如便携式AI数据中心—NVIDIA DGX Station,它采用的架构非常特别。值得一提的是,这款产品的第一位客户是NVIDIA的研究人员。

像类似的基础设施,价值合计达到几十亿美元。公司AI研究人员正在使用这些基础设施来开发产品和预训练模型。与此同时,也会用于自研驾驶汽车。我们打造 DGX,主要目的是为了解决内容的问题。它完全可以进行定制化生产。

拆解下来,我们的计算平台分为三层开放平台:硬件层,芯片和系统。像NVIDIA  AI、 Omniverse是中间件层,它对外开发。顶层是预先训练好的模型、AI技能,如驾驶、说话、推荐技、游戏技能等等。

早在创建之初,我们就会思考、构建如何落地应用。Grace将以同样的方式进行商业化,就像NVIDIA GPU商业化一样。

关于未来,我们的首要选择是,不建造什么东西。我们的优先选项是,如果有人在建造它,我们很乐意成为使用者。这能让我们腾出公司的关键资源,专注于以一种相当独特的方式推动行业发展。

我们试图探寻人们的发展方向,如果他们在这方面做得非常出色,我们更倾向于与他们合作,将NVIDIA 技术带入新市场。又或者是,共同拓展组合市场。

其实收购ARM与我们对计算世界的思考方式非常相似。我们打造一个开放平台,出售芯片,对软件进行授权。我们把所有东西都放在那里,以便生态系统能够建立定制的、个性化的、差异化的版本。我们喜欢开放平台的玩法。

问题四:你提议建立一个量子计算的软件库。你也在研究硬件组件吗?

黄仁勋:我们不是在打造一台量子计算机,而是在打造一个用于量子线路模拟的SDK。我们之所以这样做,是为了发明、研究未来的计算,你需要世界上最快的计算机来做这件事。

你知道,量子计算机能够模拟指数级的复杂度问题,这意味着你将需要一台真正的大型计算机。你做模拟实验的规模,可以验证你正在进行的算法开发研究的结果,以便某一天你能够在量子计算机上运行这些算法,从而发现算法。

目前,你能在量子计算机上运行的算法并没有那么多被证明会有用。

我们为业界提供一个平台,让他们可在系统、电路、算法中进行量子计算研究。与此同时,在未来15-20年,当所有这些研究正在进行的时候,我们可以利用相同的 SDK,相同的计算机,来帮助量子化学家更快地进行模拟。甚至在今天,我们也可以使用这些算法。

众所周知,量子计算机,具有令人难以置信的指数复杂性计算能力。但是,它有极端的 i/o 限制。你可以通过微波和激光进行通信,你能进出那台计算机的数据量是非常有限的。需要有一台传统计算机在量子计算机旁边,或称量子加速器,它可以对数据进行预处理,并对数据进行分块的后处理。这样的话,坐在量子计算机旁边的经典计算机的速度会超快。

由此,传统计算机将等同于一台GPU加速的计算机,这个答案是非常合理的,我们这样做有很多原因。全世界有60个研究机构,我们可以通过我们的方法与这些机构一起合作,可以帮助每个机构推进他们的研究。

问题五:大量工作人员搬到了家里工作,并且有数据显示网络犯罪数量正在增长,这是否会改变像你们这样的公司使用人工智能提供防御的方式?你是否担心这些技术落入那些能够犯下更复杂、更具破坏性罪行的坏人手中?同时,也想听听关于如何在全球基础上解决芯片短缺问题的看法。

黄仁勋:最好的办法是把技术民主化,让全社会都能用,把伟大的技术交到他们手里,让他们能用同样的技术,最好是优越的技术,来保证自身安全。

今天安全问题确实令人担忧,其原因就是因为虚拟化和云计算。安全性已经成为各公司正在面临的挑战,因为数据中心内的每一台计算机现在都暴露在外部。

过去,只有数据中心的门是暴露在外面的,你得进入公司、成为员工才能进入数据中心,或者只能通过VPN进入。现在,有了云计算,一切都暴露在外。

数据中心暴露的另一个原因是,现在的应用都是聚合的。过去,应用程序会在一个容器中、在一台计算机中单体运行。现在,扩展架构的应用程序,出于很好的理由,已经变成了可以扩展到整个数据中心的微型服务。

微服务之间通过网络协议进行通信。凡是有网络流量的地方,就有机会拦截。现在数据中心有几十亿个端口,几十亿个虚拟活动端口。它们都面临潜在的危险,可能受到攻击。

要想解决安全问题,就必须在节点上执行安全操作,必须从节点开始。这就是为什么与 BlueField 的合作让我们如此兴奋的原因之一。

因为它是一个网络芯片,已经存在于计算机节点中,而且我们发明了一种把高速人工智能处理放在企业数据中心的方法——它叫EGX——一端是BlueField,另一端是EGX,这就是安全公司构建人工智能的框架。

如 Check Point 、Fortinet 、 Palo Alto Networks等等公司,他们现在可以开发软件,运行在我们制造的芯片和计算机上。因此,数据中心中的每一个数据包都可以被监控。可以检查每个数据包,将其分解,变成标记或文字,使用自然语言理解(我们刚才谈到过)进行阅读——自然语言理解将决定是否需要某个特定的操作,是否需要某个安全操作,并将安全操作请求发送回 BlueField。

这一切都会实时、持续发生,而在云端就没有办法做到这一点,因为有太多的数据必须要转移到云端。在CPU上也没有办法做到这一点,因为它需要太多的能量,太多的计算负载。

人们是不会这么做的,因为这并不可行,但现在,有了BlueField和EGX,也就有了切实的可行性。

第二个问题与芯片供应有关,这个行业一直以来都会受到一些动态因素的影响,其中一个因素就是新冠疫情暴露了汽车工业供应链中的一个弱点。

汽车工业有两个主要组成部分,这些主要组成部分要经过各种供应链,所以他们的供应链是非常复杂的。当它因为疫情而突然关闭时,恢复过程或者说重启过程,比任何人预期的都要复杂得多。

很明显,汽车可以重新架构,并不是凭借成千上万的零部件,而在于其中几个集中的零部件。把注意力集中在四件事情上,远比在不同的地方注意一千件事情要好得多。

另一个因素是技术动态。它有很多不同的表达方式,但技术动态基本上是我们将计算集成到云端中,然后再集成到数据中心。

过去是一大堆电子设备,现在我们可以将它虚拟化放到云端,然后进行远程计算。刚才所谈到的所有动态因素给数据中心带来了安全挑战,这也正是为什么这些芯片如此庞大的原因。

当你把计算放在数据中心,你可以按照需要放大芯片。数据中心很大,因为它可以被很多人聚合和共享。它推动了应用,把发展趋势推向非常先进的大型芯片,而非先进的小型芯片。突然之间,世界半导体消费的天平倾向于最先进的计算机技术。

现在业界已经认识到这一点,世界上最大的半导体公司肯定也认识到这一点。他们会着手建立必要能力体系。

问题六:我想知道NVIDIA希望通过Grace接触到哪些客户和行业,以及您认为高性能人工智能和高级计算数据中心 cpu 的市场规模是多少?

黄仁勋:我先申明一下我并不清楚,但我可以告诉大家我的直觉。

30年前,投资人问我3D图形的规模会有多大。我说我不知道,然而我的直觉是,电子游戏会成为极度受欢迎的应用程序,而PC将成为一种消费品 —— 当时的PC没有互联网、没有CD-ROM、没有LCD,甚至没有声音。

新的应用将把以前不可能的变成可能,我的投资人还问过像电子游戏这样的消费产品市场会有多大, 我认为每个人都会成为游戏玩家。

我在30年前就这么说了,而现在,我正朝着正确的方向努力,坚信它一定会成为现实。

十年前有人问我,“你为什么要在深度学习中做这些事情?谁会在乎怎么探测猫呢?”但这并不是关于探测猫。而是一种全新的软件开发方式。通过这种方式开发软件和使用深度网络,你就可以捕捉到非常高的维数,这就是通用函数逼近器。

我可以用它来预测牛顿定律。只要有足够的数据,我可以用它来预测任何你想预测的事情。我们在这种直觉上投入了数百亿美元,我认为这种直觉已经被证明是正确的。

我相信,我们需要建造一个新的计算规模,它需要从地球规模的数据中学习。你们将拥有能连接到地球上的任何地方的传感器,我们将用它们来预测气候,创造一个地球的数字孪生兄弟。

它可以预测任何地方的天气,甚至一平方米,因为它学习了地球的物理学和几何学。它学会了所有这些算法。我们可以对自然语言进行理解,这是非常复杂的,而且一直在变化。

关于语言,人们没有意识到的是它是不断进化的。因此,无论你用什么人工智能模型来理解语言,明天都会过时,因为衰变的存在,人们称之为模型漂移。只要你愿意,你可以持续不断地学习和漂移。

有一些规模很大的数据驱动科学需要去研究,有多少人需要语言模型?语言就是思想,思想是人类的终极技术,它有这么多不同的版本,不同的文化和语言以及技术领域。零售业、时尚业、保险业、金融服务业、法律业、芯片业、软件业,连人们说话的方式都是各式各样的。

我们必须为每一个人训练和调整模型,这些有多少个版本?让我们来看看。以70种语言为例,乘以100个需要永远使用庞大系统训练数据的行业。我的感觉是,这将是一个非常大的新市场,就像GPU曾经是一个零亿美元的市场一样。

这正是NVIDIA的风格。我们倾向于追逐零亿美元的市场,因为这就是我们为行业做出贡献的方式,这就是我们探索未来的方式。

问题七: 你是否仍然确信 ARM 的交易会在完成之前获得批准?随着 Grace 的声明以及在开发中拥有的所有与 ARM 相关的合作伙伴关系,收购 ARM 对于公司的目标有多重要?拥有 ARM 你得到了什么?而又有哪些是你得不到的?

黄仁勋: 正如你所知道的,ARM 和 NVIDIA都是独立、优秀的企业。在我们完成这一过程的过程中,我们将继续保持优质的独立业务。然而,我们可以一起做很多事情,我之后会回到这个话题。对于前面关于交易的问题问题,我非常有信心,监管机构会看到这笔交易前瞻性与可行性。它将带来一波创新浪潮。

为市场创造新的选择。这将使 ARM 得以扩张进入市场,否则它们很难进入这些市场。就像我们宣布的许多合作伙伴一样,都是把人工智能带入 ARM 生态系统,把 NVIDIA的快速计算平台带入 ARM 生态系统的合理做法——这是只有我们和一群计算机公司共同努力才能做到的。

而我们与他们的讨论正如预期的那样具有建设性,最初预计的时间为18个月,我有信心在2022年完成这笔交易。

至于我们可以一起做什么,我在GTC上展示了一个早期的例子:我们宣布与亚马逊合作,把Graviton架构和NVIDIA的GPU架构结合起来,为ARM带来现代AI和现代云计算。

我们做这些是为了Ampere计算、AI科学计算、科学计算。我们宣布做Marvell,边缘和云平台以及5G平台。然后我们宣布为联发科做。

这些都是需要长时间去做的事情,作为一家公司,我们希望也能够做得更好。合并后将增强我们的两项业务。其中一方面,它将ARM扩展到新的计算平台,另一方面,它将NVIDIA的AI平台扩展到ARM生态系统中,而ARM生态系统对NVIDIA的AI和加速计算平台的曝光率不足。

编译/袁畅
来源:竞核
原文:https://mp.weixin.qq.com/s/IrPQvTF0XN39curEW4z1mQ

相关推荐

最新评论
暂无评论
参与评论

商务合作 查看更多

编辑推荐 查看更多