nvidia自動駕駛挖礦

Ⅰ Nvidia顯卡可以用來挖礦嗎

可以，但是沒有效率，比特幣的計算是基於SHA-256演算法的，這個演算法會有大量的位操作「Right-Rotate」，對於這個操作AMD顯卡原生只需要1個硬體
指令，而NVIDIA卡則需要用3個硬體指令來模擬，因此，AMD顯卡的挖礦效率比NVIDIA顯卡要高。
再有現在挖礦已經晚了，比特幣現在成了一種類似傳銷的產品，可以考慮炒賣。只要有更傻的下家接手，就是賺的。
自己動手挖的話，電費成本大於實際所得。除非買專門的礦機。

Ⅱ 為什麼電子元器件產品更容易受到美國出口管制部門的關注

我們帶大家粗略解讀了一下這次美國晶元及技術出口管制新規的一些特別之處，並且很明確的指出了這次技術和產品的出口管制已經明顯具有「晶元戰爭」的硝煙，從某種層面上已經將中國列為對其有明顯安全威脅的國家，今天我們就來深入分析一下美國出台這部分晶元管制的背後原因以及對中國半導體及ICT產業發展的影響。

首先我們詳細說一下為什麼這次的新規具有明顯的宣戰意味。我們先不提這次一次性列舉的幾十家企業將面臨比華為更為嚴格的限制，先看看美國正常的出口禁令標準是什麼。美國的高科技特別是電子信息技術一般有幾種不同的安全級別，最高的限制肯定就是禁止出口，這裡面核心都是一些軍用技術，特別是一些高度機密的核心技術，比如其早期的隱形戰機塗料，相控陣列雷達掃描，超高速超高性能模擬系統等，當然一些高精尖的儀器設備也屬於這部分管制范圍。第二類就是高級別的軍用的產品和技術，這部分禁運的范疇主要是非軍事友好國家，比如北約陣營之外國家以及除了日本韓國這些美國有駐軍的國家之外，典型的就是澳大利亞這類算是友好的國家也在第二類禁運范疇內。第三類禁運就有意思了，基本都是美國認為的對其有明顯威脅國家，基本都是跟美國無外交關系或者正在處於戰事中的國家，這部分的禁運清單很長，甚至最嚴格的是所有包含一點點美國產品和技術的產品和系統都不能銷往這些國家。我們熟知的俄羅斯，也是因為克里米亞之後才被美國開始部分限制禁運，而全面禁運則是烏克蘭戰爭開始之後。舉兩個例子，華為就是被「誣陷」把含有美國產品的整機賣給伊朗而被美國制裁，而某家被收購的免稅州企業因為把給海軍訂單的產品型號面板未加改動就換殼成民用產品以及曾將某個產品賣給巴鐵，而先後兩次受到美國政府勒令SVP背鍋辭職加高額罰款。



那麼這次新規中突出強調的高性能計算晶元和高性能計算設備，讓這兩個很明顯絕大部分不是針對軍事用途的產品出口中國受到嚴格管控，把中國當作威脅其國家安全的國家的意圖已經是司馬昭之心了，這意味著中國正常民用科技發展在美國人眼中是高度威脅其安全的存在，那麼這不是宣戰又是什麼？畢竟在37年前合資企業這個模式的出現，就是為了繞過美國所謂的軍用設備出口管制而發明的，同樣是很多軍用相關的高性能模擬晶元，曾經經常以科研用途的方式，藏身於某些整機產品中，遠渡重洋走進某些科研院所。而這些產品和設備，都是因冠以MIL認證標准而奇貨可居的。

當然，從另一個角度來說，中國的某幾個領域確實已經讓美國人感到了威脅，而這幾個領域也許就是未來科技競爭的主要戰場，因此在中國還沒有完全建立強大的晶元產業之前，從前端控制中國部分產業的發展，這很明顯是美國人對之前「綏靖政策」不能再拖延的「撥亂反正」。

如果非要把半導體產品跟軍事聯系起來，按說高性能模擬晶元首當其沖，而有趣的是，針對中國的出口限制中，在所有非MIL標准體系下的高性能模擬產品都沒有享受到過如今這些高性能計算晶元的待遇。這已經很能說明美國新規的目的從來不是限制中國的軍事用途或者所謂的用AI來訓練軍事的目的，其核心就是要嚴格限制中國高性能計算領域的飛速擴張。這其中，AI、雲計算和超級計算機，是最受影響的幾個領域。反倒是很多人提出的自動駕駛領域，筆者認為影響還不算大。

先說自動駕駛這部分，很多人可能認為因為NVIDIA在自動駕駛方面的算力優勢非常明顯，因此未來的A100和H100這些產品禁運將嚴重影響中國的自動駕駛技術的發展。筆者認為，從邏輯上這么看是沒錯的，但從實際技術指標上和目前國內自動駕駛的發展情況看，情況並沒有想像的那麼差。首先，自動駕駛目前能做到L4級已經是現有技術看到的極致了，即使按照某些最苛刻場景的自動駕駛（車載獨立計算），算力也並不需要做到4800+。其次，國內雖然很多自動駕駛早期用NVIDIA的晶元做研究，但得益於互聯網造車新勢力的融資需求，真正應用到整車時都宣傳自己設計主處理晶元。國內部分廠商面向L3級自動駕駛的自研晶元按美國這次的標准算，TOPS算力大概在1500-3000左右已經是很高的標准了，遠達不到被禁止設計和生產的要求。再者，對自主設計晶元要求不高的傳統車廠選擇Tier1合作的自動駕駛方案，也很少會用到高算力的主處理晶元，更多會選擇V2X這種對實時算力要求不高的系統性方案。至於很多人擔心的未來超過4800算力的晶元設計都將缺少美國EDA的支持，這點在自動駕駛方面短期內也不太會受限制，一方面，專用晶元執行效率更高，因此基礎算力不需要太高也能滿足自動駕駛基本需求，至於L5的需求和所謂超高性能汽車主處理器，這部分都是用來提升融資額度的籌碼，現在美國的新規反倒像是幫投資者更客觀評估智能駕駛企業估值的標尺。另一方面，現在的NVIDIA A100裸晶元售價依然在5000+美元左右的高位，一張A100卡則是高達上萬美元。就算自動駕駛汽車可以賣得很貴，號稱一台補貼十幾萬的蔚來整車成本也不過5萬美元，考慮到電池需要佔40%成本，還用得起裸片成本5000+美元的A100么？

所以，真正美國瞄準的是中國的超級計算機和高性能伺服器以及AI應用。畢竟在全球雲計算領域，基本上已經是中美爭霸的格局了，而面向未來的AI應用（非工業）方面，其他國家加起來積累成果可能都不及中美一個國家。在本次禁令正式發布之前就傳出的GPU出口管制，就是針對高性能伺服器和AI應用的，只不過，現在加上了高性能處理器和高性能計算整機。深究一些細節，就能看出這份禁令真的是有的放矢，處處卡住了關鍵技術指標。比如「滿足輸入輸出（I/O）雙向傳輸速度高於600GB/s」，直接卡住了高性能加速應用；「每次操作的比特長度乘以TOPS 計算出的處理性能合計為4800 或更多算力的產品」，這幾乎是超大規模AI模型訓練的入門級標准。兩個結合起來，基本上是2018-2019年左右最先進伺服器的技術指標，而現在已經是2022年了，NVIDIA的A100是2020年的產物，而H100才是2022年新一代。與此對應，曾經認為可能不會受禁令現在的AMD的MI100現在看也很難過關（標稱值1.2TB/s帶寬，算力也是對標A100的存在），新推出的MI250早就被證實肯定會禁止出口到中國。在高性能伺服器的加速卡方面，離開最主流的GPU加速卡，未來中國的高性能伺服器未來只能依靠FPGA和其他ASIC了，很可惜的是，能媲美GPU的FPGA加速技術恰恰只掌握在已被密切關注的AMD和目前尚未被牽扯進來的Intel手上。而ASIC加速卡要達到同樣的水平，恐怕只能寄希望於先進製程的發展了，哦，我們忘記了，美國人把3nm GAA的EDA在8月份就開始全球設計審核管制了。而對中國市場的半導體工藝設備和技術管控，早在幾個月前就已經實施了，即使以應用材料和LAM這些設備巨頭去抗議，估計也很難有明顯的政策松動。



在超算方面，「FP64（雙精度）理論計算能力是在100 petaFLOPS（每秒千萬億次浮點運算）或者以上，FP32（單精度）在200 petaFLOPS 或者以上浮點算力的超級計算機」，這部分基本上是超算前500的實力，進口倒是不多，但如果零件上要管控，我們的超算未來可能就會很尷尬了。

而在AI訓練模型這方面，算力幾乎是最迫切的需求，這也是為何NVIDIA能夠短短幾年內在銷售額未盡前十的前提下，依然能成為半導體市值第二的公司。這也是為何一向沉穩的AMD願意對標A100推出MI100這種型號倒退但部分性能大幅跨越的產品的初衷。按照美國這次的標准，恐怕筆者曾經認為的AI應用滄海遺珠Gaudi2也難於倖免了。換句話說，目前最主流的2021年之後推出的AI訓練模型用計算晶元，基本上都很難擺脫這次新規的要求。當然我們也看到一些特別的初創公司的AI計算晶元，如果達不到A100的入門標准，那麼也只能算是無奈之選，算力本來就是目前AI發展的技術瓶頸，這次管制必將大幅拖累中國AI訓練及相關應用的發展速度，即使我們已經看到一些有落地盈利可能的AI應用，也可能因為技術上的滯後而錯失搶占應用制高點的先機。



當然我們也看到一些國內GPU和AI晶元企業開始了國產替代之路，並且多款產品也是對標A100性能甚至還有所超越，但從實際反饋來看，也許硬體標稱性能已經達到了，但結合軟體演算法之後的實際效果似乎差了不少。畢竟在這個幾乎所有開發都是基於NVIDIA布局十多年的Tensor體系下，國產AI晶元要做到跟主流AI軟體兼容，筆者感覺與其行百里者半九十，還不如推倒了體系重新來過。反正從這次美國的政策看，未來指望靠N，A,I三家產品來與美國AI水平並駕齊驅簡直是No Any Impossible，還不如趁此機會好好從頭開始搭建一下中國的AI技術體系，別忘了我們現在還有一個關鍵的競爭優勢——人工標注。



當然，我們也可以基本跟未來的挖礦產業揮手告別了，這個本來就灰色的產業將因此次管制新規逐漸淡出部分國內礦機公司的未來戰略規劃，畢竟挖礦要先進工藝作保障，3nm GAA的EDA已經被管制了，美國政府這次這么苛刻的限制高性能計算晶元，誰都知道礦機晶元的算力池還是很可觀的，那麼你猜美國人會不會放你去用EDA設計GAA晶元來擴充國內AI算力？

我們分析了這么多這次新政的影響，並不等於我們要悲觀的投降，反而我們可以藉助一些機會重塑我們的ICT產業結構，而這是這場晶元戰爭中，中國與三十多年前日本最大的不同之處。下一期我們將深入探索晶元戰爭中的應對策略和我們獨特的優勢。

Ⅲ 如果用四路NVIDIA Tesla P100計算卡挖礦是一種什麼樣的體驗

真的感興趣借我十塊錢，我們去阿里雲試試

Ⅳ NVIDIA這款自動駕駛晶元有多強

一句話：量產最強

NVIDIA DRIVE AGX Xavier是在Xavier SoC上搭建的一個Level 2+自動駕駛及以上的AI計算平台。Xavier擁有比以往更快地利用巨大的性能，因為Xavier使用NVLink互連技術，以高達20GB / s的速度與專用GPU配對，比之前的PCI Express連接快10倍。

規格參數CPU：6核NVIDIA Carmel 64位 ARMv8.2，主頻1400MHz (6MB二級緩存 + 4MB三級緩存)GPU：384核NVIDIA Volta，主頻1100MHz，48個張量核心內存：8GB 128位 LPDDR4x，主頻1600MHz，讀寫速度51.2GB/s存儲：16GB eMMC 5.1顯示：(2x) DP 1.4 / eDP 1.4 / HDMI 2.0 a/b @ 4Kp60PCIe：(2x) PCIe Gen 3控制器, 5路 | 1×1 + 1×1/2/4深度學習模塊：雙NVIDIA深度學習加速引擎（NVDLA）視頻：2×4K30fps編碼，2×4K60fps解碼介面與尺寸：260針腳SODIMM, 70x45mm電源：10W/15W， 5V輸入

Ⅳ RTX 3060 LHR挖礦性能被破解NVIDIA表態了

為了給顯卡挖礦市場降溫，NVIDIA此前推出了RTX 30 LHR版顯卡，從底層限制了挖礦性能，LHR就是低Hash性能的意思。最近又傳出了RTX 3060 LHR挖礦限制被破解的消息，不過NVIDIA表示否認。

01、RTX 3060 LHR挖礦性能被破解傳聞

NVIDIA在顯卡挖礦限制這事上已經跟挖礦工頭們交手過兩次了，第一次是RTX 3060顯卡發布，官方宣稱降低了50%的挖礦算力。

然而這次的限制不太成功，主要是驅動層面的限制，不僅容易被破解，更尷尬的是NVIDIA自己無意中泄漏了不限制性能的驅動，導致第一次封殺挖礦成為笑話。

第二波就是RTX 30 LHR顯卡的發布，這次限制更嚴格，換了新的GPU核心，涉及RTX 3060、RTX 3060 Ti、RTX 3070、RTX 3080等多款顯卡，但RTX 3090顯卡不會限制。

LHR版顯卡對以太幣挖礦的限制還是很成功的，這么久了都沒破解，不過日前有自媒體爆料稱RTX 3060 LHR被破解了，稱有人在Linux系統下用軟體破解限制，性能恢復到了47MH/s。

不過這個爆料並不靠譜，明眼人看截圖就知道了放出來的截圖是Win10系統+任務管理器，不是什麼Linux系統。

當然，這個爆料還是引發了熱議，NVIDIA及顯卡廠商也表態了，都否認LHR顯卡挖礦被破解，稱此消息為不實消息，這個破解基本不成立。

02、NVIDIA RTX 40系列將實現重大性能升級

與其被這些謠言干擾，不如將注意力重新放到新的NVIDIA RTX 40系列顯卡身上。

採用 Ada Lovelace GPU 架構的 NVIDIA GeForce RTX 40 系列顯卡有望實現大跨度性能提升，幅度相當於 9 系列 Maxwell GPU 升級到 10 系列 Pascal GPU。TtLexington 在推文中寫道：「RTX 30 到 RTX 40 的提升相當於 Maxwell 到 Pascal」。

現在，NVIDIA GeForce RTX 40 系列有望實現與 GeForce RTX 30 系列相同的世代性能提升。基於 Ada Lovelace GPU 架構的 GeForce 40 系列顯卡預計將採用台積電的 5nm 工藝節點，雖然它們非常耗電，但由於性能大幅提升，它們的效率數字將大幅提升。

還有一些關於時鍾速度和啟動時間范圍的其他細節提到。我們知道 GeForce RTX 40 系列距離現在還有很長的路要走，有傳言說我們預計這些卡要到 2022 年第四季度末才能推出。這也是因為據報道 NVIDIA 將提供中間超級刷新其 GeForce RTX 30 系列產品線將於 2022 年推出。

與基於 Maxwell 的 GeForce 9 系列處理器相比，基於 Pascal GPU 架構的 NVIDIA GeForce GTX 10 系列顯卡的性能有了巨大的提升。16 納米晶元在性能、效率和整體價值方面取得了重大改進，這也標志著「Ti」圖形性能的最大飛躍之一。GeForce GTX 1080 Ti 仍然被認為是有史以來最好的「Ti」顯卡，這是 NVIDIA 無法與其 Turing 和 Ampere 旗艦產品相媲美的性能提升。

Ⅵ 英偉達發布史上最強計算平台，黃教主：自動駕駛不再擔心算力問題

原本應該在今年 3 月份於加州聖何塞舉辦的英偉達 GTC 2020 大會，因為全球性新冠病毒肺炎的爆發而不得不推遲舉行。
比原計劃晚了將近 2 個月，英偉達 GTC 2020 終於在 5 月 14 日回歸。
不過這一次開發者們沒辦法在線下集會，只能通過線上直播觀看「皮衣教主」黃仁勛的主題演講。老黃此次是在他矽谷的家中完成了這場別開生面的「Kitchen Keynote」。
雖然是廚房舉行，英偉達依然爆出「核彈」，發布了全新一代的 GPU 架構 Ampere（安培）。
在自動駕駛方向上，英偉達通過兩塊 Orin SoC 和兩塊基於安培架構的 GPU 組合，實現了前所未有的?2000 TOPS?算力的 Robotaxi 計算平台，整體功耗為?800W。
有業界觀點認為，實現 L2 自動駕駛需要的計算力小於 10 TOPS，L3 需要的計算力為 30 - 60 TOPS，L4 需要的計算力大於 100 TOPS，L5 需要的計算力至少為 1000 TOPS。
現在的英偉達自動駕駛計算平台已經建立起了從?10TOPS/5W，200TOPS/45W?到?2000 TOPS/800W?的完整產品線，分別對應前視模塊、L2+ADAS?以及?Robotaxi?的各級應用。
從產品線看，英偉達?Drive AGX?將全面對標 Mobileye?EyeQ?系列，希望成為量產供應鏈中的關鍵廠商。
1、全新 GPU 架構：Ampere（安培）
2 個月的等待是值得的，本次 GTC 上，黃仁勛重磅發布了英偉達全新一代 GPU 架構 Ampere（安培）以及基於這一架構的首款 GPU NVIDIA A100。
A100 在整體性能上相比於前代基於 Volta 架構的產品有 20 倍的提升，這顆 GPU 將主要用於數據分析、專業計算以及圖形處理。
在安培架構之前，英偉達已經研發了多代 GPU 架構，它們都是以科學發展史上的偉人來命名的。
比如 Tesla（特斯拉）、Fermi（費米）、Kepler（開普勒）、Maxwell（麥克斯維爾）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（圖靈）。
這些核心架構的升級正是推動英偉達各類 GPU 產品整體性能提升的關鍵。
針對基於安培架構的首款 GPU A100，黃仁勛細數了它的五大核心特點：
集成了超過 540 億個晶體管，是全球規模最大的 7nm 處理器；引入第三代張量運算指令 Tensor Core 核心，這一代 Tensor Core 更加靈活、速度更快，同時更易於使用；採用了結構化稀疏加速技術，性能得以大幅提升；支持單一 A100 GPU 被分割為多達 7 塊獨立的 GPU，而且每一塊 GPU 都有自己的資源，為不同規模的工作提供不同的計算力；集成了第三代 NVLink 技術，使 GPU 之間高速連接速度翻倍，多顆 A100 可組成一個巨型 GPU，性能可擴展。
這些優勢累加起來，最終讓 A100 相較於前代基於 Volta 架構的 GPU 在訓練性能上提升了?6 倍，在推理性能上提升了?7 倍。
最重要的是，A100 現在就可以向用戶供貨，採用的是台積電的 7nm 工藝製程生產。
阿里雲、網路雲、騰訊雲這些國內企業正在計劃提供基於 A100 GPU 的服務。
2、Orin+安培架構 GPU：實現 2000TOPS 算力
隨著英偉達全新 GPU 架構安培的推出，英偉達的自動駕駛平台（NVIDIA Drive）也迎來了一次性能的飛躍。
大家知道，英偉達此前已經推出了多代 Drive AGX 自動駕駛平台以及 SoC，包括?Drive AGX Xavier、Drive AGX Pegasus?以及?Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了兩顆 Xavier SoC，算力可以達到 30TOPS，功耗為 30W。
最近上市的小鵬 P7 上就量產搭載了這一計算平台，用於實現一系列 L2 級自動輔助駕駛功能。
Drive AGX Pegasus 平台則包括了兩顆 Xavier SoC 和兩顆基於圖靈架構的 GPU，算力能做到 320TOPS，功耗為 500W。
目前有文遠知行這樣的自動駕駛公司在使用這一計算平台。
在 2019 年 12 月的 GTC 中國大會上，英偉達又發布了最新一代的自動駕駛計算 SoC Orin。
這顆晶元由 170 億個晶體管組成，集成了英偉達新一代 GPU 架構和 Arm Hercules CPU 內核以及全新深度學習和計算機視覺加速器，最高每秒可運行 200 萬億次計算。
相較於上一代 Xavier 的性能，提升了 7 倍。
如今，英偉達進一步將自動駕駛計算平台的算力往前推進，通過將兩顆 Orin SoC 和兩塊基於安培架構的 GPU 集成起來，達到驚人的 2000TOPS 算力。
相較於 Drive AGX Pegasus 的性能又提升了 6 倍多，相應地，其功耗為 800W。
按一顆 Orin SoC 200TOPS 算力來計算，一塊基於安培架構的 GPU 的算力達到了 800TOPS。
正因為高算力，這個平台能夠處理全自動駕駛計程車運行所需的更高解析度感測器輸入和更先進的自動駕駛深度神經網路。
對於高階自動駕駛技術的發展而言，英偉達正在依靠 Orin SoC 和安培 GPU 架構在計算平台方面引領整個行業。
當然，作為一個軟體定義的平台，英偉達 Drive AGX 具備很好的可擴展性。
特別是隨著安培 GPU 架構的推出，該平台已經可以實現從入門級 ADAS 解決方案到 L5 級自動駕駛計程車系統的全方位覆蓋。
比如英偉達的 Orin 處理器系列中，有一款低成本的產品可以提供 10TOPS 的算力，功耗僅為 5W，可用作車輛前視 ADAS 的計算平台。
換句話說，採用英偉達 Drive AGX 平台的開發者在單一平台上僅基於一種架構便能開發出適應不同細分市場的自動駕駛系統，省去了單獨開發多個子系統（ADAS、L2+ 等系統）的高昂成本。
不過，想採用 Orin 處理器的廠商還得等一段時間，因為這款晶元會從 2021 年開始提供樣品，到?2022 年下半年才會投入生產並開始供貨。
3、英偉達自動駕駛「朋友圈」再擴大
本屆 GTC 上，英偉達的自動駕駛「朋友圈」繼續擴大。
中國自動駕駛公司小馬智行（Pony.ai）、美國電動車創業公司?Canoo?和法拉第未來（Faraday Future）加入到英偉達的自動駕駛生態圈，將採用英偉達的 Drive AGX 計算平台以及相應的配套軟體。
小馬智行將會基於 Drive AGX Pegasus 計算平台打造全新一代 Robotaxi 車型。
此前，小馬智行已經拿到了豐田的 4 億美金投資，不知道其全新一代 Robotaxi 會不會基於豐田旗下車型打造。
美國的電動汽車初創公司 Canoo 推出了一款專門用於共享出行服務的電動迷你巴士，計劃在 2021 年下半年投入生產。
為了實現輔助駕駛的系列功能，這款車型會搭載英偉達 Drive AGX Xavier 計算平台。前不久，Canoo 還和現代汽車達成合作，要攜手開發電動汽車平台。
作為全球新造車圈內比較特殊存在的法拉第未來，這一次也加入到了英偉達的自動駕駛生態圈。
FF 首款量產車 FF91 上的自動駕駛系統將基於 Drive AGX Xavier 計算平台打造，全車搭載了多達 36 顆各類感測器。
法拉第未來官方稱 FF91 有望在今年年底開始交付，不知道屆時會不會再一次跳票。
作為 GPU 領域絕對霸主的英偉達，在高算力的數據中心 GPU 以及高性能、可擴展的自動駕駛計算平台的加持下，已經建起了一個完整的集數據收集、模型訓練、模擬測試、遠程式控制制和實車應用的軟體定義的自動駕駛平台，實現了端到端的完整閉環。
同時，其自動駕駛生態圈也在不斷擴大，包括汽車製造商、一級供應商、感測器供應商、Robotaxi 研發公司和軟體初創公司在內的數百家自動駕駛產業鏈上的企業已經在基於英偉達的計算硬體和配套軟體開發、測試和應用自動駕駛車輛。
未來，在整個自動駕駛產業里，以計算晶元為核心優勢，英偉達的觸角將更加深入，有機會成為產業鏈條上不可或缺的供應商。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

Ⅶ 英偉達「變軟」，自動駕駛「破圈」

一個月前，黃仁勛用一小顆自動駕駛SoC晶元完成了整個GTCCHINA2019的「新品發布」。

發布會當天，這位「皮衣男子」趕在閉館前匆匆去了自動駕駛汽車展位，用半個小時逐一聆聽了幾家自動駕駛初創企業的思路。那晚的黃教主，向在場工程師們釋放出了一種近乎惺惺相惜的善意。

這種情愫很好理解——

要知道，在這屆GTCCHINA散場時，很多觀眾發出的感慨是：「十分硬核，不夠性感。」畢竟遠道而來的大家直到演講後半程，才終於等到黃仁勛掏出一塊200TOPS深度學習算力的自動駕駛新品「Orin」。取而代之的，是各種「空口無憑」的軟體技術升級。

面對一張張略顯失望的臉，老黃也很無奈：「我這么努力，你都看不到。就好像你老婆做了一整天家務，你卻說她什麼都沒做。」

眾口難調，但這確實是英偉達在接下來的業務發展中必須要面對的問題。與「看得見摸得著」的硬體發布不同，軟體迭代周期短、初期人力成本高、落地成果卻很難形成清晰的概念……這些都讓這家人工智慧計算公司的技術發布開始與公眾預期逐漸拉開差距。

而就在車雲菌險些被觀眾情緒帶跑節奏時，我們在英偉達的官方公眾號上發現了一系列由NVIDIADRIVELabs出品的視頻。視頻內容從工程技術的視角，直觀展現出NVIDIADRIVEAV軟體團隊如何完成一個個自動駕駛的日常任務，諸如從路徑感知到交叉路口處理等一系列挑戰。

那麼，以自動駕駛為起點，車雲菌嘗試回答：當英偉達不再拋出核彈，他們到底做了些什麼？

「直播」自動駕駛

嚴格來說，目前沒有任何一家企業成功製造出一台全自動駕駛汽車，絕大多數玩家仍舊在奔向這一目標的路上相互博弈。

近年，英偉達正式加入戰局。公司內部的軟體開發人員已經遠遠超過了硬體工程師的數量。

他們首先打算解決自動駕駛汽車的三個問題：

知道自己在哪裡：不光要掌握車輛具體位置，還得知道是在主路的第幾條車道上，將定位精確到厘米級；

知道自己周圍有什麼：像人類大腦一樣判斷，前方卡車在減速、左後方有輛SUV駛來、右側人行道有小孩、下一個路口是綠燈且不能左轉……

作出正確的駕駛決策：判斷從左側超車可以安通過路口，然後控制車輛完成相應動作。

如今這些工作，都被團隊一一擺上了檯面。與常規「秀肌肉」的視頻演示不同，英偉達實驗室將自動駕駛最困難的感知層面的工作拆解成一個個小任務，條分縷析地告訴大家：我們是怎麼做到的，以及我們為什麼能做到。

任務的分解也很有意思。車隊順利攻克了包括建立感知路徑、通過感測器融合實現環繞感知功能、打造像素級感知能力、藉助特徵追蹤確保安全性、自主識別停車位、障礙物分類、車道線識別及自動補償、測算車輛與障礙物距離、實現准確可靠的目標跟蹤、預測目標的未來移動軌跡、不藉助地圖的情況下識別交叉路口。

https://v.qq.com/x/page/c0919cpz1w3.html

「可靠性」三個字貫穿了所有挑戰過程。對此，NVLabs給出的說法是：「對於L2+級自動駕駛系統來說，例如NVIDIADRIVEAP2X平台，實時評估路徑感知可靠性意味著評估該系統是否知道何時進行安全的自主操作，以及何時應該將操作權移交給人類駕駛員。」

至於NVIDIADRIVEAP2X。2019年初公司在GTC上剛剛發布了全新平台，其基於NVIDIAXavier系統級晶元運行，採用DriveWorks加速庫和實時操作系統DRIVEOS，其中包含DRIVEAutoPilot軟體、DRIVEAGX和DRIVE驗證工具，並融合了DRIVEAV自動駕駛軟體和DRIVEIX智能駕駛艙體驗。

得益於二季度發布的DRIVEAP2XSoftware9.0上新增的大量自動駕駛功能加持，該平台成為業界公認的現階段唯一完備的L2+自動駕駛解決方案。采埃孚、大陸、沃爾沃都心甘情願為其買單。

於是，團隊幾個人在矽谷全長50英里的高速公路環路上完成了一次零干預的全自動駕駛。簡單來說，這是一次類似「現場直播」的測試，工程師們沒有機會像錄制視頻那樣，拿實際路徑感知信號與理想參數進行對比，還要隨時准備應對過程中有可能發生的意外情況。

譬如，一旦自動駕駛車輛只能接收到一種感測器發射的感知信號，就無法保證最終決策置信度的實時及准確。比這更糟的還在後面——如果這唯一的路徑感知輸入失敗，自動駕駛功能要麼大幅影響操作的舒適及平穩度，要麼乾脆整個失靈。

而BB8完成的任務也足夠交上一張漂亮的成績單。基於NVIDIADRIVEAGX平台，自動駕駛車輛可以實時同步運行功能多樣的360度環繞感知，定位以及規劃和控制軟體。

工程師通過使用感知和定位所提供的輸入數據，規劃和控制層讓自動駕駛汽車能夠獨立行駛。規劃軟體通過感知和定位的結果來確定汽車特定操作所需的物理軌跡。視頻里也清楚地展示出車輛在自主變換車道時的流暢動作：規劃軟體先利用環繞攝像頭和雷達感知來進行變道操作安全檢查，然後計算縱向速度曲線以及從當前車道的中心線移動到目標車道中心線所需的橫向路徑計劃，最後控制軟體發出加速/減速和向左/右轉向的命令以執行車道變換規劃。

正是這些軟體組成部分，與硬體一起成就了系統的多樣性和安全冗餘。而這一系列任務視頻，恰恰成了證明英偉達自動駕駛軟體技術落地的可靠載體。

在這之外，將無形化的軟體沉澱成可視化的視頻內容，也能同時以更加輕松的方式觸達到消費者層面。當汽車方向盤交到機器手中，用戶會天然樹立起不安與不信任感。這種先期教育市場的思路，能夠消除部分不安心理，重建人們在自動駕駛空間內的安全感。

直觀點說，NVLabs的「自動駕駛挑戰」系列，是英偉達軟體技術「破圈」的先導。

作為曾經游戲市場的霸主，這家晶元巨頭必然深諳消費者之道。相比一般車廠對於車輛智能功能「洗腦式」的宣傳，此番英偉達率先拿出一部分干貨試探市場，佔領用戶心智。

這種策略直接體現在公司財報數據上，2019年三季度英偉達汽車業務迎來高光時刻。公開數據顯示，彼時，該領域營收攀升至創紀錄的2.09億美元，同比增長30%。相比之下，英特爾第二季度的自動駕駛營收為2.01億美元，同比增加16%。

對比來看，英特爾一季度該項營收2.09億美元，英偉達為1.66億美元。這意味著，英偉達環比上漲，英特爾環比下跌。

黃仁勛自己對於「軟體公司」的藍圖也相當清晰：「這只是英偉達目前定位中的一部分。」

回顧既往十年，英偉達已經進行了兩次業務轉變。第一次是從GPU圖像晶元公司轉變為並行計算公司，典型的應用場景是人工智慧。後來，公司又決定在少數特定場景中提供最完善的解決方案，覆蓋游戲、專業渲染，超級計算、自動駕駛幾大領域。

隨著英偉達業務領域越來越廣，客戶「解放雙手」的自由度就越高。這恐怕才是「Themoreyoubuy,themoreyousave」的真實含義。

觀看NVLabs全系列視頻，請點擊：https://www.nvidia.cn/self-driving-cars/drive-labs/

?

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

Ⅷ NVIDIA GeForce MX330 挖礦不兼容

你好！你這樣的低端顯卡不適合挖礦的，挖礦都是使用RTX3070或更好的顯卡。

Ⅸ CES 2022：英偉達發布DRIVE Hyperion 8自動駕駛平台

全面的自動駕駛訓練、測試和驗證平台可以助 NVIDIA Omniverse 和合成數據生成等技術，其能夠進一步縮小虛擬和現實之間的差距，能夠打造出真實世界的數字孿生環境。它使用 NVIDIA Omniverse Replicator 為攝像頭、普通雷達、激光雷達和超聲波生成基於物理性質的感測器數據，以及已標記的真值數據，從而減少開發時間和成本。

Ⅹ Nvidia顯卡可以用來挖礦嗎哪個型號的卡劃算

顯卡可以挖eth以太坊，挖礦效率由顯卡算力決定，目前算力最高的顯卡是RTX3090。算力性價比最高的顯卡是RTX3060Ti，但是性價比僅限於原價顯卡，現在的顯卡已經沒有原價的了，原價3000的RTX3060Ti現在已經6000多了，而且還很難買到。