RACE:英偉達的春季發布會 讓元宇宙有了希望_trace幣為什么暴漲

3月22日，玩家和AI從業者們又愛又恨的老黃，帶著他的新“核彈”來了。遺憾的是，這次的新“核彈”與玩家沒有太大關系，主要是針對企業和工業市場，與玩家有關的RTX 40系估計最快也要等到9月份才會有消息。

好了，廢話不多說，讓我們看看老黃這次又拿了怎樣的“大寶貝”出來。首先是A100顯卡的接任者，新一代計算卡皇H100閃亮登場，H100采用全新的Hopper架構和臺積電最新的4nm工藝，各方面的參數對比上一代的A100都有明顯的提升。

英偉達的超級服務器芯片Grace也再度曝光，對比上一次給出的數據，此次曝光的Grace芯片性能有了驚人的提升，根據發布會的描述來看，英偉達似乎也走上與蘋果相同的道路，用更多的芯片拼裝成一顆處理器。

除了硬件方面的產品曝光和發布，英偉達在軟件領域同樣帶來了不少新東西，比如主打云端協作的Omniverse Cloud，讓多名用戶可以在云端直接參與同一個媒體文件的編輯和渲染等工作。

鴻博股份：與英偉達等共同合作成立北京AI創新賦能中心:8月14日消息，鴻博股份公告，公司與中恒文化、英偉達、英博數科就在北京市共同合作成立北京AI創新賦能中心，開展相關人工智能科技領域項目建設及運營服務事宜簽署了《合作協議》。（金十）[2022/8/14 12:25:01]

此外英偉達還展示了不少基于虛擬現實環境的工業、交通模擬案例，還有一套由AI驅動的虛擬角色系統，該系統可以通過深度學習進行動作訓練，訓練結束后不需要額外的骨骼動作設計等操作就能夠依照指令做出對應動作，這下不僅是AI從業者狂喜，電影及游戲從業者也要狂喜。

不得不說，老黃這次帶來的東西并不少，每一樣都能對AI等行業的發展帶來明顯的改變，下面我們就來詳細的看看英偉達到底都發布了什么吧。

H100與Grace

實際上，從H100的核心規格來看，也不難理解為什么英偉達最終選了4nm，高達800億的晶體管集成度，比上一代A100多了整整260億個，內核數量則是提高到了16896個，這是目前世界上內核數量最高的芯片核心，同時也是上一代100的2.5倍。

英偉達公布Q4財報，加密挖礦芯片銷售額環比下降77%:2月17日消息，芯片制造商英偉達（Nvidia）公布上一財年第四季度財務報告。報告顯示，其加密挖礦專用芯片（CMP）在截至 1 月 30 日的第四財季銷售額下降至 2400 萬美元，較上一季度的1.05 億美元下降 77% 。

Nvidia于去年 2 月宣布推出加密專用芯片 ，以保護其向游戲玩家提供的旗艦 GPU 的銷售。該公司昨日表示，雖然其常規 GPU 能夠進行加密貨幣挖礦，但挖礦對其整體 GPU 需求的影響程度有限。本月11日，英偉達競爭對手英特爾 (Intel)宣布將推出自己的加密挖礦專用芯片。（Coindesk）[2022/2/17 9:56:48]

夸張的內核參數提升帶來的性能提升也極為夸張，根據英偉達官方給出的數據，H100的浮點計算和張量核心運算能力將比上一代提升至少3倍，FP32高達60萬億次/秒，而上一代的A100為19.5萬億次/秒。

英偉達：2021年Q1挖礦專用GPU芯片收入達1.55億美元:英偉達表示，2021 年第一季度，挖礦專用 GPU 芯片為該公司帶來了 1.55 億美元（約 9.9 億元人民幣）的收入，但是目前不清楚用于挖礦游戲顯卡的具體數量和占比究竟有多少。此前消息，該公司預計，第二季度挖礦專用 GPU 的銷售收入將達到 4 億美元。（路透社）[2021/5/27 22:48:37]

H100還將是首款支持PCIe 5.0和HBM3，讓內存帶寬達到驚人的3TB/s，老黃表示只需要20張H100就可以處理目前全球的網絡流量，雖然聽起來很夸張，但是確實體現出了H100夸張的性能參數。

強大性能也伴隨著夸張的功耗，英偉達給出的H100功耗高達700W（真正意義上的“核彈”顯卡），作為對比上一代A100的功耗僅400W，不過用2倍的功耗換來3倍的性能提升，整體來說也不虧。

H100還針對AI訓練等所要用到的模型進行針對性優化，為Transformer搭載了優化引擎，讓大模型的訓練速度可以提升至原來的6倍，極大的降低了大型AI模型等訓練所需要的時間，這個特性也與下面將會談到的AI虛擬角色系統相呼應。

動態 | 英偉達第一季度收入好于預期 加密貨幣價格上漲使其加密業務有所改善:據Live Bitcoin News 5月20日消息，英偉達近期公布其第一季度收入，結果顯示好于預期。同時由于加密貨幣價格上漲，英偉達加密挖礦工具的銷售情況有所改善。[2019/5/20]

在英偉達給出的測試數據中，訓練一個擁有1750億參數的GPT-3模型，時間將由原來的一周降低到僅需19小時，而一個擁有3950億參數的Transforme模型也僅需21小時就可以完成訓練，效率提升近9倍。

而且，H100還引入了英偉達最新的NVIDIA NVLink第四代互連技術，該技術能夠進一步提升多GPU串聯的效率，在英偉達給出的數據中，串聯后的I/O帶寬能夠擴展至900GB/s，比上一代提升了50%。

其中，Grace Hopper由一個Grace CPU和一個Hopper架構的GPU的GPU組成，兩者將會形成一個完整的運算系統，只需要一顆芯片就可以搭建出一個強大的運算服務器，同時也可以將多個芯片串聯起來組成更龐大的運算陣列。

動態 | 英偉達比特幣挖礦產業趨于飽和:據外媒報道，摩根士丹利今日發布投資研究報告，維持Nvidia(英偉達)股票“增持”評級，將目標股價從273美元調低至260美元。由于受數字加密貨幣挖礦產業的推動，Nvidia圖形處理器的營收曾一度大幅增長。但如今，相關的資源短缺局面已經結束(市場已趨于飽和)。

摩根士丹利分析師約瑟夫·摩爾(Joseph Moore)認為，對于Nvidia而言這是一個“逆風”趨勢。[2018/11/9]

而Grace CPU超級芯片則是由兩顆Grace CPU組成，兩顆芯片通過NVIDIA NVLink-C2C技術互連，組成一個內置了144個Arm核心并且擁有1TB/s內存帶寬的巨無霸級芯片（Grace CPU Ultra？）。

說實話，英偉達的這顆Grace CPU超級芯片很難不讓人聯想到蘋果在春季發布會上發布的M1 Ultra，同樣是基于Arm架構，同樣是由兩顆芯片組合而成，同樣也有著夸張的內存帶寬和性能表現。

顯然，芯片互聯拼裝技術已經成為行業的趨勢之一，AMD方面也曝光有采用類似技術的CPU正在研發中，最早將在2023年與大家見面。只能說如今單顆芯片的性能發展已經接近極限，接下來想要擁有更大的提升，或許將不得不借助類似的互聯技術進行芯片堆疊了。

不過，Grace CPU超級芯片的功耗并不低，英偉達官方給出的數據是500W，已經遠遠超過了傳統的x86架構CPU，當然，考慮到Grace CPU超級芯片的夸張性能：SPECrate跑分740分，較第二名提升60%，這個功耗也不是不能接受。

顯然，在Arm服務器領域，英偉達的野心是非常大的。

英偉達的虛擬世界

除了一堆高性能的硬件，英偉達此次也展出了不少的軟件示范案例，其中就包括使用H100等硬件來模擬一個虛擬現實環境，用以進行各種測試和模擬。在英偉達的示范中，未來的企業可以通過強大的英偉達硬件構建一個擬真的虛擬測試環境，并在其中測試自動駕駛、智能工廠的運作等。

通過虛擬測試環境的使用，研究者可以更輕松的測試自動駕駛面對各種突發狀況時的反饋，并且在測試中直接定位問題，降低整體的測試成本。此外，還可以構建一個1:1的“數字化工廠”提前模擬運行，尋找提高效率和找到可能出現的問題，降低工廠正式運行后出現問題的概率。

英偉達將這一套應用稱為“數字孿生”，能夠大幅度降低自動化工廠和自動駕駛等方面的研究及測試投入。

Omniverse Cloud是英偉達新推出的一款云端創作服務，用戶通過Omniverse Cloud可以在任意地點訪問和編輯大型3D場景，并且無須等待大量數據的傳輸，并且還可以讓用戶能夠直接在線協作共同搭建3D模型。

在過去，3D模型和3D場景的協同構建都需要在一個服務器上進行，而在Omniverse Cloud推出后，相關創作者就可以通過任意支持Omniverse Cloud的終端，直接用網絡訪問協作空間并參與其中，極大的提升了創作者的響應速度和工作自由。

另外，英偉達還為創作者們準備了第二個驚喜，一套由AI驅動的虛擬角色系統，該系統可以讓AI在短時間內完成訓練，學會各種指令所對應的動作。比如一個簡單的劈砍動作，在正常的制作流程中首先需要動作架構師通過對動作骨架的一步步調整（俗稱K幀），然后再放到場景中進行測試，整個流程需要耗費大量的時間，而且每個不同的動作都需要重新進行調試。

而在這套AI虛擬角色系統的幫助下，當你想要虛擬模型做出劈砍的動作，只需要一條指令，AI就會從已學習的動作中找出關聯動作并自動運行，直接節省了大量的時間和人力，對于游戲開發者和特效制作者而言，這個系統將讓他們能夠將更多的精力放在其它地方。

英偉達的此次發布會，雖然并沒有太多的提到元宇宙，但是從硬件到軟件都是未來構建元宇宙的基礎。目前元宇宙無法成為現實的原因主要是兩點，一個是硬件性能無法滿足我們的需要，另一個就是軟件領域尚不成熟，無法提供實時的擬真環境模擬，而這兩者是點亮元宇宙科技的基礎。

在此之前，我們首先需要的就是更強大的計算硬件及更智能的AI系統。英偉達的H100，虛擬現實環境及AI虛擬角色系統的出現，將讓我們朝著真正的元宇宙再邁進一大步。

Tags：ACERACERACCPUPLACE價格trace幣為什么暴漲raca幣最新行情K線門羅幣cpu挖礦收益計算器

火星幣