nvidia自动驾驶挖矿

Ⅰ Nvidia显卡可以用来挖矿吗

可以，但是没有效率，比特币的计算是基于SHA-256算法的，这个算法会有大量的位操作“Right-Rotate”，对于这个操作AMD显卡原生只需要1个硬件
指令，而NVIDIA卡则需要用3个硬件指令来模拟，因此，AMD显卡的挖矿效率比NVIDIA显卡要高。
再有现在挖矿已经晚了，比特币现在成了一种类似传销的产品，可以考虑炒卖。只要有更傻的下家接手，就是赚的。
自己动手挖的话，电费成本大于实际所得。除非买专门的矿机。

Ⅱ 为什么电子元器件产品更容易受到美国出口管制部门的关注

我们带大家粗略解读了一下这次美国芯片及技术出口管制新规的一些特别之处，并且很明确的指出了这次技术和产品的出口管制已经明显具有“芯片战争”的硝烟，从某种层面上已经将中国列为对其有明显安全威胁的国家，今天我们就来深入分析一下美国出台这部分芯片管制的背后原因以及对中国半导体及ICT产业发展的影响。

首先我们详细说一下为什么这次的新规具有明显的宣战意味。我们先不提这次一次性列举的几十家企业将面临比华为更为严格的限制，先看看美国正常的出口禁令标准是什么。美国的高科技特别是电子信息技术一般有几种不同的安全级别，最高的限制肯定就是禁止出口，这里面核心都是一些军用技术，特别是一些高度机密的核心技术，比如其早期的隐形战机涂料，相控阵列雷达扫描，超高速超高性能模拟系统等，当然一些高精尖的仪器设备也属于这部分管制范围。第二类就是高级别的军用的产品和技术，这部分禁运的范畴主要是非军事友好国家，比如北约阵营之外国家以及除了日本韩国这些美国有驻军的国家之外，典型的就是澳大利亚这类算是友好的国家也在第二类禁运范畴内。第三类禁运就有意思了，基本都是美国认为的对其有明显威胁国家，基本都是跟美国无外交关系或者正在处于战事中的国家，这部分的禁运清单很长，甚至最严格的是所有包含一点点美国产品和技术的产品和系统都不能销往这些国家。我们熟知的俄罗斯，也是因为克里米亚之后才被美国开始部分限制禁运，而全面禁运则是乌克兰战争开始之后。举两个例子，华为就是被“诬陷”把含有美国产品的整机卖给伊朗而被美国制裁，而某家被收购的免税州企业因为把给海军订单的产品型号面板未加改动就换壳成民用产品以及曾将某个产品卖给巴铁，而先后两次受到美国政府勒令SVP背锅辞职加高额罚款。



那么这次新规中突出强调的高性能计算芯片和高性能计算设备，让这两个很明显绝大部分不是针对军事用途的产品出口中国受到严格管控，把中国当作威胁其国家安全的国家的意图已经是司马昭之心了，这意味着中国正常民用科技发展在美国人眼中是高度威胁其安全的存在，那么这不是宣战又是什么？毕竟在37年前合资企业这个模式的出现，就是为了绕过美国所谓的军用设备出口管制而发明的，同样是很多军用相关的高性能模拟芯片，曾经经常以科研用途的方式，藏身于某些整机产品中，远渡重洋走进某些科研院所。而这些产品和设备，都是因冠以MIL认证标准而奇货可居的。

当然，从另一个角度来说，中国的某几个领域确实已经让美国人感到了威胁，而这几个领域也许就是未来科技竞争的主要战场，因此在中国还没有完全建立强大的芯片产业之前，从前端控制中国部分产业的发展，这很明显是美国人对之前“绥靖政策”不能再拖延的“拨乱反正”。

如果非要把半导体产品跟军事联系起来，按说高性能模拟芯片首当其冲，而有趣的是，针对中国的出口限制中，在所有非MIL标准体系下的高性能模拟产品都没有享受到过如今这些高性能计算芯片的待遇。这已经很能说明美国新规的目的从来不是限制中国的军事用途或者所谓的用AI来训练军事的目的，其核心就是要严格限制中国高性能计算领域的飞速扩张。这其中，AI、云计算和超级计算机，是最受影响的几个领域。反倒是很多人提出的自动驾驶领域，笔者认为影响还不算大。

先说自动驾驶这部分，很多人可能认为因为NVIDIA在自动驾驶方面的算力优势非常明显，因此未来的A100和H100这些产品禁运将严重影响中国的自动驾驶技术的发展。笔者认为，从逻辑上这么看是没错的，但从实际技术指标上和目前国内自动驾驶的发展情况看，情况并没有想象的那么差。首先，自动驾驶目前能做到L4级已经是现有技术看到的极致了，即使按照某些最苛刻场景的自动驾驶（车载独立计算），算力也并不需要做到4800+。其次，国内虽然很多自动驾驶早期用NVIDIA的芯片做研究，但得益于互联网造车新势力的融资需求，真正应用到整车时都宣传自己设计主处理芯片。国内部分厂商面向L3级自动驾驶的自研芯片按美国这次的标准算，TOPS算力大概在1500-3000左右已经是很高的标准了，远达不到被禁止设计和生产的要求。再者，对自主设计芯片要求不高的传统车厂选择Tier1合作的自动驾驶方案，也很少会用到高算力的主处理芯片，更多会选择V2X这种对实时算力要求不高的系统性方案。至于很多人担心的未来超过4800算力的芯片设计都将缺少美国EDA的支持，这点在自动驾驶方面短期内也不太会受限制，一方面，专用芯片执行效率更高，因此基础算力不需要太高也能满足自动驾驶基本需求，至于L5的需求和所谓超高性能汽车主处理器，这部分都是用来提升融资额度的筹码，现在美国的新规反倒像是帮投资者更客观评估智能驾驶企业估值的标尺。另一方面，现在的NVIDIA A100裸芯片售价依然在5000+美元左右的高位，一张A100卡则是高达上万美元。就算自动驾驶汽车可以卖得很贵，号称一台补贴十几万的蔚来整车成本也不过5万美元，考虑到电池需要占40%成本，还用得起裸片成本5000+美元的A100么？

所以，真正美国瞄准的是中国的超级计算机和高性能服务器以及AI应用。毕竟在全球云计算领域，基本上已经是中美争霸的格局了，而面向未来的AI应用（非工业）方面，其他国家加起来积累成果可能都不及中美一个国家。在本次禁令正式发布之前就传出的GPU出口管制，就是针对高性能服务器和AI应用的，只不过，现在加上了高性能处理器和高性能计算整机。深究一些细节，就能看出这份禁令真的是有的放矢，处处卡住了关键技术指标。比如“满足输入输出（I/O）双向传输速度高于600GB/s”，直接卡住了高性能加速应用；“每次操作的比特长度乘以TOPS 计算出的处理性能合计为4800 或更多算力的产品”，这几乎是超大规模AI模型训练的入门级标准。两个结合起来，基本上是2018-2019年左右最先进服务器的技术指标，而现在已经是2022年了，NVIDIA的A100是2020年的产物，而H100才是2022年新一代。与此对应，曾经认为可能不会受禁令现在的AMD的MI100现在看也很难过关（标称值1.2TB/s带宽，算力也是对标A100的存在），新推出的MI250早就被证实肯定会禁止出口到中国。在高性能服务器的加速卡方面，离开最主流的GPU加速卡，未来中国的高性能服务器未来只能依靠FPGA和其他ASIC了，很可惜的是，能媲美GPU的FPGA加速技术恰恰只掌握在已被密切关注的AMD和目前尚未被牵扯进来的Intel手上。而ASIC加速卡要达到同样的水平，恐怕只能寄希望于先进制程的发展了，哦，我们忘记了，美国人把3nm GAA的EDA在8月份就开始全球设计审核管制了。而对中国市场的半导体工艺设备和技术管控，早在几个月前就已经实施了，即使以应用材料和LAM这些设备巨头去抗议，估计也很难有明显的政策松动。



在超算方面，“FP64（双精度）理论计算能力是在100 petaFLOPS（每秒千万亿次浮点运算）或者以上，FP32（单精度）在200 petaFLOPS 或者以上浮点算力的超级计算机”，这部分基本上是超算前500的实力，进口倒是不多，但如果零件上要管控，我们的超算未来可能就会很尴尬了。

而在AI训练模型这方面，算力几乎是最迫切的需求，这也是为何NVIDIA能够短短几年内在销售额未尽前十的前提下，依然能成为半导体市值第二的公司。这也是为何一向沉稳的AMD愿意对标A100推出MI100这种型号倒退但部分性能大幅跨越的产品的初衷。按照美国这次的标准，恐怕笔者曾经认为的AI应用沧海遗珠Gaudi2也难于幸免了。换句话说，目前最主流的2021年之后推出的AI训练模型用计算芯片，基本上都很难摆脱这次新规的要求。当然我们也看到一些特别的初创公司的AI计算芯片，如果达不到A100的入门标准，那么也只能算是无奈之选，算力本来就是目前AI发展的技术瓶颈，这次管制必将大幅拖累中国AI训练及相关应用的发展速度，即使我们已经看到一些有落地盈利可能的AI应用，也可能因为技术上的滞后而错失抢占应用制高点的先机。



当然我们也看到一些国内GPU和AI芯片企业开始了国产替代之路，并且多款产品也是对标A100性能甚至还有所超越，但从实际反馈来看，也许硬件标称性能已经达到了，但结合软件算法之后的实际效果似乎差了不少。毕竟在这个几乎所有开发都是基于NVIDIA布局十多年的Tensor体系下，国产AI芯片要做到跟主流AI软件兼容，笔者感觉与其行百里者半九十，还不如推倒了体系重新来过。反正从这次美国的政策看，未来指望靠N，A,I三家产品来与美国AI水平并驾齐驱简直是No Any Impossible，还不如趁此机会好好从头开始搭建一下中国的AI技术体系，别忘了我们现在还有一个关键的竞争优势——人工标注。



当然，我们也可以基本跟未来的挖矿产业挥手告别了，这个本来就灰色的产业将因此次管制新规逐渐淡出部分国内矿机公司的未来战略规划，毕竟挖矿要先进工艺作保障，3nm GAA的EDA已经被管制了，美国政府这次这么苛刻的限制高性能计算芯片，谁都知道矿机芯片的算力池还是很可观的，那么你猜美国人会不会放你去用EDA设计GAA芯片来扩充国内AI算力？

我们分析了这么多这次新政的影响，并不等于我们要悲观的投降，反而我们可以借助一些机会重塑我们的ICT产业结构，而这是这场芯片战争中，中国与三十多年前日本最大的不同之处。下一期我们将深入探索芯片战争中的应对策略和我们独特的优势。

Ⅲ 如果用四路NVIDIA Tesla P100计算卡挖矿是一种什么样的体验

真的感兴趣借我十块钱，我们去阿里云试试

Ⅳ NVIDIA这款自动驾驶芯片有多强

一句话：量产最强

NVIDIA DRIVE AGX Xavier是在Xavier SoC上搭建的一个Level 2+自动驾驶及以上的AI计算平台。Xavier拥有比以往更快地利用巨大的性能，因为Xavier使用NVLink互连技术，以高达20GB / s的速度与专用GPU配对，比之前的PCI Express连接快10倍。

规格参数CPU：6核NVIDIA Carmel 64位 ARMv8.2，主频1400MHz (6MB二级缓存 + 4MB三级缓存)GPU：384核NVIDIA Volta，主频1100MHz，48个张量核心内存：8GB 128位 LPDDR4x，主频1600MHz，读写速度51.2GB/s存储：16GB eMMC 5.1显示：(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深度学习模块：双NVIDIA深度学习加速引擎（NVDLA）视频：2×4K30fps编码，2×4K60fps解码接口与尺寸：260针脚SODIMM, 70x45mm电源：10W/15W， 5V输入

Ⅳ RTX 3060 LHR挖矿性能被破解NVIDIA表态了

为了给显卡挖矿市场降温，NVIDIA此前推出了RTX 30 LHR版显卡，从底层限制了挖矿性能，LHR就是低Hash性能的意思。最近又传出了RTX 3060 LHR挖矿限制被破解的消息，不过NVIDIA表示否认。

01、RTX 3060 LHR挖矿性能被破解传闻

NVIDIA在显卡挖矿限制这事上已经跟挖矿工头们交手过两次了，第一次是RTX 3060显卡发布，官方宣称降低了50%的挖矿算力。

然而这次的限制不太成功，主要是驱动层面的限制，不仅容易被破解，更尴尬的是NVIDIA自己无意中泄漏了不限制性能的驱动，导致第一次封杀挖矿成为笑话。

第二波就是RTX 30 LHR显卡的发布，这次限制更严格，换了新的GPU核心，涉及RTX 3060、RTX 3060 Ti、RTX 3070、RTX 3080等多款显卡，但RTX 3090显卡不会限制。

LHR版显卡对以太币挖矿的限制还是很成功的，这么久了都没破解，不过日前有自媒体爆料称RTX 3060 LHR被破解了，称有人在Linux系统下用软件破解限制，性能恢复到了47MH/s。

不过这个爆料并不靠谱，明眼人看截图就知道了放出来的截图是Win10系统+任务管理器，不是什么Linux系统。

当然，这个爆料还是引发了热议，NVIDIA及显卡厂商也表态了，都否认LHR显卡挖矿被破解，称此消息为不实消息，这个破解基本不成立。

02、NVIDIA RTX 40系列将实现重大性能升级

与其被这些谣言干扰，不如将注意力重新放到新的NVIDIA RTX 40系列显卡身上。

采用 Ada Lovelace GPU 架构的 NVIDIA GeForce RTX 40 系列显卡有望实现大跨度性能提升，幅度相当于 9 系列 Maxwell GPU 升级到 10 系列 Pascal GPU。TtLexington 在推文中写道：“RTX 30 到 RTX 40 的提升相当于 Maxwell 到 Pascal”。

现在，NVIDIA GeForce RTX 40 系列有望实现与 GeForce RTX 30 系列相同的世代性能提升。基于 Ada Lovelace GPU 架构的 GeForce 40 系列显卡预计将采用台积电的 5nm 工艺节点，虽然它们非常耗电，但由于性能大幅提升，它们的效率数字将大幅提升。

还有一些关于时钟速度和启动时间范围的其他细节提到。我们知道 GeForce RTX 40 系列距离现在还有很长的路要走，有传言说我们预计这些卡要到 2022 年第四季度末才能推出。这也是因为据报道 NVIDIA 将提供中间超级刷新其 GeForce RTX 30 系列产品线将于 2022 年推出。

与基于 Maxwell 的 GeForce 9 系列处理器相比，基于 Pascal GPU 架构的 NVIDIA GeForce GTX 10 系列显卡的性能有了巨大的提升。16 纳米芯片在性能、效率和整体价值方面取得了重大改进，这也标志着“Ti”图形性能的最大飞跃之一。GeForce GTX 1080 Ti 仍然被认为是有史以来最好的“Ti”显卡，这是 NVIDIA 无法与其 Turing 和 Ampere 旗舰产品相媲美的性能提升。

Ⅵ 英伟达发布史上最强计算平台，黄教主：自动驾驶不再担心算力问题

原本应该在今年 3 月份于加州圣何塞举办的英伟达 GTC 2020 大会，因为全球性新冠病毒肺炎的爆发而不得不推迟举行。
比原计划晚了将近 2 个月，英伟达 GTC 2020 终于在 5 月 14 日回归。
不过这一次开发者们没办法在线下集会，只能通过线上直播观看「皮衣教主」黄仁勋的主题演讲。老黄此次是在他硅谷的家中完成了这场别开生面的「Kitchen Keynote」。
虽然是厨房举行，英伟达依然爆出「核弹」，发布了全新一代的 GPU 架构 Ampere（安培）。
在自动驾驶方向上，英伟达通过两块 Orin SoC 和两块基于安培架构的 GPU 组合，实现了前所未有的?2000 TOPS?算力的 Robotaxi 计算平台，整体功耗为?800W。
有业界观点认为，实现 L2 自动驾驶需要的计算力小于 10 TOPS，L3 需要的计算力为 30 - 60 TOPS，L4 需要的计算力大于 100 TOPS，L5 需要的计算力至少为 1000 TOPS。
现在的英伟达自动驾驶计算平台已经建立起了从?10TOPS/5W，200TOPS/45W?到?2000 TOPS/800W?的完整产品线，分别对应前视模块、L2+ADAS?以及?Robotaxi?的各级应用。
从产品线看，英伟达?Drive AGX?将全面对标 Mobileye?EyeQ?系列，希望成为量产供应链中的关键厂商。
1、全新 GPU 架构：Ampere（安培）
2 个月的等待是值得的，本次 GTC 上，黄仁勋重磅发布了英伟达全新一代 GPU 架构 Ampere（安培）以及基于这一架构的首款 GPU NVIDIA A100。
A100 在整体性能上相比于前代基于 Volta 架构的产品有 20 倍的提升，这颗 GPU 将主要用于数据分析、专业计算以及图形处理。
在安培架构之前，英伟达已经研发了多代 GPU 架构，它们都是以科学发展史上的伟人来命名的。
比如 Tesla（特斯拉）、Fermi（费米）、Kepler（开普勒）、Maxwell（麦克斯维尔）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（图灵）。
这些核心架构的升级正是推动英伟达各类 GPU 产品整体性能提升的关键。
针对基于安培架构的首款 GPU A100，黄仁勋细数了它的五大核心特点：
集成了超过 540 亿个晶体管，是全球规模最大的 7nm 处理器；引入第三代张量运算指令 Tensor Core 核心，这一代 Tensor Core 更加灵活、速度更快，同时更易于使用；采用了结构化稀疏加速技术，性能得以大幅提升；支持单一 A100 GPU 被分割为多达 7 块独立的 GPU，而且每一块 GPU 都有自己的资源，为不同规模的工作提供不同的计算力；集成了第三代 NVLink 技术，使 GPU 之间高速连接速度翻倍，多颗 A100 可组成一个巨型 GPU，性能可扩展。
这些优势累加起来，最终让 A100 相较于前代基于 Volta 架构的 GPU 在训练性能上提升了?6 倍，在推理性能上提升了?7 倍。
最重要的是，A100 现在就可以向用户供货，采用的是台积电的 7nm 工艺制程生产。
阿里云、网络云、腾讯云这些国内企业正在计划提供基于 A100 GPU 的服务。
2、Orin+安培架构 GPU：实现 2000TOPS 算力
随着英伟达全新 GPU 架构安培的推出，英伟达的自动驾驶平台（NVIDIA Drive）也迎来了一次性能的飞跃。
大家知道，英伟达此前已经推出了多代 Drive AGX 自动驾驶平台以及 SoC，包括?Drive AGX Xavier、Drive AGX Pegasus?以及?Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了两颗 Xavier SoC，算力可以达到 30TOPS，功耗为 30W。
最近上市的小鹏 P7 上就量产搭载了这一计算平台，用于实现一系列 L2 级自动辅助驾驶功能。
Drive AGX Pegasus 平台则包括了两颗 Xavier SoC 和两颗基于图灵架构的 GPU，算力能做到 320TOPS，功耗为 500W。
目前有文远知行这样的自动驾驶公司在使用这一计算平台。
在 2019 年 12 月的 GTC 中国大会上，英伟达又发布了最新一代的自动驾驶计算 SoC Orin。
这颗芯片由 170 亿个晶体管组成，集成了英伟达新一代 GPU 架构和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器，最高每秒可运行 200 万亿次计算。
相较于上一代 Xavier 的性能，提升了 7 倍。
如今，英伟达进一步将自动驾驶计算平台的算力往前推进，通过将两颗 Orin SoC 和两块基于安培架构的 GPU 集成起来，达到惊人的 2000TOPS 算力。
相较于 Drive AGX Pegasus 的性能又提升了 6 倍多，相应地，其功耗为 800W。
按一颗 Orin SoC 200TOPS 算力来计算，一块基于安培架构的 GPU 的算力达到了 800TOPS。
正因为高算力，这个平台能够处理全自动驾驶出租车运行所需的更高分辨率传感器输入和更先进的自动驾驶深度神经网络。
对于高阶自动驾驶技术的发展而言，英伟达正在依靠 Orin SoC 和安培 GPU 架构在计算平台方面引领整个行业。
当然，作为一个软件定义的平台，英伟达 Drive AGX 具备很好的可扩展性。
特别是随着安培 GPU 架构的推出，该平台已经可以实现从入门级 ADAS 解决方案到 L5 级自动驾驶出租车系统的全方位覆盖。
比如英伟达的 Orin 处理器系列中，有一款低成本的产品可以提供 10TOPS 的算力，功耗仅为 5W，可用作车辆前视 ADAS 的计算平台。
换句话说，采用英伟达 Drive AGX 平台的开发者在单一平台上仅基于一种架构便能开发出适应不同细分市场的自动驾驶系统，省去了单独开发多个子系统（ADAS、L2+ 等系统）的高昂成本。
不过，想采用 Orin 处理器的厂商还得等一段时间，因为这款芯片会从 2021 年开始提供样品，到?2022 年下半年才会投入生产并开始供货。
3、英伟达自动驾驶「朋友圈」再扩大
本届 GTC 上，英伟达的自动驾驶「朋友圈」继续扩大。
中国自动驾驶公司小马智行（Pony.ai）、美国电动车创业公司?Canoo?和法拉第未来（Faraday Future）加入到英伟达的自动驾驶生态圈，将采用英伟达的 Drive AGX 计算平台以及相应的配套软件。
小马智行将会基于 Drive AGX Pegasus 计算平台打造全新一代 Robotaxi 车型。
此前，小马智行已经拿到了丰田的 4 亿美金投资，不知道其全新一代 Robotaxi 会不会基于丰田旗下车型打造。
美国的电动汽车初创公司 Canoo 推出了一款专门用于共享出行服务的电动迷你巴士，计划在 2021 年下半年投入生产。
为了实现辅助驾驶的系列功能，这款车型会搭载英伟达 Drive AGX Xavier 计算平台。前不久，Canoo 还和现代汽车达成合作，要携手开发电动汽车平台。
作为全球新造车圈内比较特殊存在的法拉第未来，这一次也加入到了英伟达的自动驾驶生态圈。
FF 首款量产车 FF91 上的自动驾驶系统将基于 Drive AGX Xavier 计算平台打造，全车搭载了多达 36 颗各类传感器。
法拉第未来官方称 FF91 有望在今年年底开始交付，不知道届时会不会再一次跳票。
作为 GPU 领域绝对霸主的英伟达，在高算力的数据中心 GPU 以及高性能、可扩展的自动驾驶计算平台的加持下，已经建起了一个完整的集数据收集、模型训练、仿真测试、远程控制和实车应用的软件定义的自动驾驶平台，实现了端到端的完整闭环。
同时，其自动驾驶生态圈也在不断扩大，包括汽车制造商、一级供应商、传感器供应商、Robotaxi 研发公司和软件初创公司在内的数百家自动驾驶产业链上的企业已经在基于英伟达的计算硬件和配套软件开发、测试和应用自动驾驶车辆。
未来，在整个自动驾驶产业里，以计算芯片为核心优势，英伟达的触角将更加深入，有机会成为产业链条上不可或缺的供应商。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

Ⅶ 英伟达“变软”，自动驾驶“破圈”

一个月前，黄仁勋用一小颗自动驾驶SoC芯片完成了整个GTCCHINA2019的“新品发布”。

发布会当天，这位“皮衣男子”赶在闭馆前匆匆去了自动驾驶汽车展位，用半个小时逐一聆听了几家自动驾驶初创企业的思路。那晚的黄教主，向在场工程师们释放出了一种近乎惺惺相惜的善意。

这种情愫很好理解——

要知道，在这届GTCCHINA散场时，很多观众发出的感慨是：“十分硬核，不够性感。”毕竟远道而来的大家直到演讲后半程，才终于等到黄仁勋掏出一块200TOPS深度学习算力的自动驾驶新品“Orin”。取而代之的，是各种“空口无凭”的软件技术升级。

面对一张张略显失望的脸，老黄也很无奈：“我这么努力，你都看不到。就好像你老婆做了一整天家务，你却说她什么都没做。”

众口难调，但这确实是英伟达在接下来的业务发展中必须要面对的问题。与“看得见摸得着”的硬件发布不同，软件迭代周期短、初期人力成本高、落地成果却很难形成清晰的概念……这些都让这家人工智能计算公司的技术发布开始与公众预期逐渐拉开差距。

而就在车云菌险些被观众情绪带跑节奏时，我们在英伟达的官方公众号上发现了一系列由NVIDIADRIVELabs出品的视频。视频内容从工程技术的视角，直观展现出NVIDIADRIVEAV软件团队如何完成一个个自动驾驶的日常任务，诸如从路径感知到交叉路口处理等一系列挑战。

那么，以自动驾驶为起点，车云菌尝试回答：当英伟达不再抛出核弹，他们到底做了些什么？

“直播”自动驾驶

严格来说，目前没有任何一家企业成功制造出一台全自动驾驶汽车，绝大多数玩家仍旧在奔向这一目标的路上相互博弈。

近年，英伟达正式加入战局。公司内部的软件开发人员已经远远超过了硬件工程师的数量。

他们首先打算解决自动驾驶汽车的三个问题：

知道自己在哪里：不光要掌握车辆具体位置，还得知道是在主路的第几条车道上，将定位精确到厘米级；

知道自己周围有什么：像人类大脑一样判断，前方卡车在减速、左后方有辆SUV驶来、右侧人行道有小孩、下一个路口是绿灯且不能左转……

作出正确的驾驶决策：判断从左侧超车可以安通过路口，然后控制车辆完成相应动作。

如今这些工作，都被团队一一摆上了台面。与常规“秀肌肉”的视频演示不同，英伟达实验室将自动驾驶最困难的感知层面的工作拆解成一个个小任务，条分缕析地告诉大家：我们是怎么做到的，以及我们为什么能做到。

任务的分解也很有意思。车队顺利攻克了包括建立感知路径、通过传感器融合实现环绕感知功能、打造像素级感知能力、借助特征追踪确保安全性、自主识别停车位、障碍物分类、车道线识别及自动补偿、测算车辆与障碍物距离、实现准确可靠的目标跟踪、预测目标的未来移动轨迹、不借助地图的情况下识别交叉路口。

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

“可靠性”三个字贯穿了所有挑战过程。对此，NVLabs给出的说法是：“对于L2+级自动驾驶系统来说，例如NVIDIADRIVEAP2X平台，实时评估路径感知可靠性意味着评估该系统是否知道何时进行安全的自主操作，以及何时应该将操作权移交给人类驾驶员。”

至于NVIDIADRIVEAP2X。2019年初公司在GTC上刚刚发布了全新平台，其基于NVIDIAXavier系统级芯片运行，采用DriveWorks加速库和实时操作系统DRIVEOS，其中包含DRIVEAutoPilot软件、DRIVEAGX和DRIVE验证工具，并融合了DRIVEAV自动驾驶软件和DRIVEIX智能驾驶舱体验。

得益于二季度发布的DRIVEAP2XSoftware9.0上新增的大量自动驾驶功能加持，该平台成为业界公认的现阶段唯一完备的L2+自动驾驶解决方案。采埃孚、大陆、沃尔沃都心甘情愿为其买单。

于是，团队几个人在硅谷全长50英里的高速公路环路上完成了一次零干预的全自动驾驶。简单来说，这是一次类似“现场直播”的测试，工程师们没有机会像录制视频那样，拿实际路径感知信号与理想参数进行对比，还要随时准备应对过程中有可能发生的意外情况。

譬如，一旦自动驾驶车辆只能接收到一种传感器发射的感知信号，就无法保证最终决策置信度的实时及准确。比这更糟的还在后面——如果这唯一的路径感知输入失败，自动驾驶功能要么大幅影响操作的舒适及平稳度，要么干脆整个失灵。

而BB8完成的任务也足够交上一张漂亮的成绩单。基于NVIDIADRIVEAGX平台，自动驾驶车辆可以实时同步运行功能多样的360度环绕感知，定位以及规划和控制软件。

工程师通过使用感知和定位所提供的输入数据，规划和控制层让自动驾驶汽车能够独立行驶。规划软件通过感知和定位的结果来确定汽车特定操作所需的物理轨迹。视频里也清楚地展示出车辆在自主变换车道时的流畅动作：规划软件先利用环绕摄像头和雷达感知来进行变道操作安全检查，然后计算纵向速度曲线以及从当前车道的中心线移动到目标车道中心线所需的横向路径计划，最后控制软件发出加速/减速和向左/右转向的命令以执行车道变换规划。

正是这些软件组成部分，与硬件一起成就了系统的多样性和安全冗余。而这一系列任务视频，恰恰成了证明英伟达自动驾驶软件技术落地的可靠载体。

在这之外，将无形化的软件沉淀成可视化的视频内容，也能同时以更加轻松的方式触达到消费者层面。当汽车方向盘交到机器手中，用户会天然树立起不安与不信任感。这种先期教育市场的思路，能够消除部分不安心理，重建人们在自动驾驶空间内的安全感。

直观点说，NVLabs的“自动驾驶挑战”系列，是英伟达软件技术“破圈”的先导。

作为曾经游戏市场的霸主，这家芯片巨头必然深谙消费者之道。相比一般车厂对于车辆智能功能“洗脑式”的宣传，此番英伟达率先拿出一部分干货试探市场，占领用户心智。

这种策略直接体现在公司财报数据上，2019年三季度英伟达汽车业务迎来高光时刻。公开数据显示，彼时，该领域营收攀升至创纪录的2.09亿美元，同比增长30%。相比之下，英特尔第二季度的自动驾驶营收为2.01亿美元，同比增加16%。

对比来看，英特尔一季度该项营收2.09亿美元，英伟达为1.66亿美元。这意味着，英伟达环比上涨，英特尔环比下跌。

黄仁勋自己对于“软件公司”的蓝图也相当清晰：“这只是英伟达目前定位中的一部分。”

回顾既往十年，英伟达已经进行了两次业务转变。第一次是从GPU图像芯片公司转变为并行计算公司，典型的应用场景是人工智能。后来，公司又决定在少数特定场景中提供最完善的解决方案，覆盖游戏、专业渲染，超级计算、自动驾驶几大领域。

随着英伟达业务领域越来越广，客户“解放双手”的自由度就越高。这恐怕才是“Themoreyoubuy,themoreyousave”的真实含义。

观看NVLabs全系列视频，请点击：https://www.nvidia.cn/self-driving-cars/drive-labs/

?

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

Ⅷ NVIDIA GeForce MX330 挖矿不兼容

你好！你这样的低端显卡不适合挖矿的，挖矿都是使用RTX3070或更好的显卡。

Ⅸ CES 2022：英伟达发布DRIVE Hyperion 8自动驾驶平台

全面的自动驾驶训练、测试和验证平台可以助 NVIDIA Omniverse 和合成数据生成等技术，其能够进一步缩小虚拟和现实之间的差距，能够打造出真实世界的数字孪生环境。它使用 NVIDIA Omniverse Replicator 为摄像头、普通雷达、激光雷达和超声波生成基于物理性质的传感器数据，以及已标记的真值数据，从而减少开发时间和成本。

Ⅹ Nvidia显卡可以用来挖矿吗哪个型号的卡划算

显卡可以挖eth以太坊，挖矿效率由显卡算力决定，目前算力最高的显卡是RTX3090。算力性价比最高的显卡是RTX3060Ti，但是性价比仅限于原价显卡，现在的显卡已经没有原价的了，原价3000的RTX3060Ti现在已经6000多了，而且还很难买到。