企业

英伟达凭什么构建和操作元宇宙?

9月底,英伟达在GTC 2022上更新了在AI、虚拟协作、图形及更多领域的突破,包括最新推出的Ada lovelace架构和RTX 4090系列,以及用于构建和操作工业元宇宙的应用程序Omniverse升级

集微网消息,9月底,英伟达在GTC 2022上更新了在AI、虚拟协作、图形及更多领域的突破,包括最新推出的Ada lovelace架构和RTX 4090系列,以及用于构建和操作工业元宇宙的应用程序Omniverse升级。

作为一家全球领先的整体解决方案提供商,英伟达同时也正致力于成为一家全软件堆栈公司,在每年的GTC大会上,都可以看到该公司的软硬件在同步更新换代,相辅相成的软硬件结合,将帮助英伟达在未来的元宇宙时代,为计算技术的蓬勃发展提供源源动力。

常用常新的硬件底座

英伟达的全新架构以女数学家Ada Lovelace命名,她是计算机程序创始人,建立了循环和子程序概念。据黄仁勋介绍,Ada Lovelace 架构采用台积电4N工艺打造,集成了760亿个晶体管,和超过18000个CUDA核心。

黄仁勋指出,Ada上有三类进步,首先,是其SM 多单元流处理器包含一个重要新技术叫做 Shader Execution Reordering(着色器执行重排序),该技术可实时重新调度任务,将光线追踪性能提升2-3倍,该技术和CPU的乱序执行一样,是一项重大创新。

其次,全新的RT Core有着两倍的光线与三角形求交性能,以及两个全新的重要硬件单元,即将光线追踪的Alpha-Test几何性能提升2倍的全新Opacity Micromap引擎,和可提升几何图形丰富度且不会带来更多BVH构建和存储资源消耗的全新Micro-Mesh引擎。

最后,Ada全新的Tensor Core还新增了Hopper FP8 Transformer Engine,其可提供1.4 petaFLOPS的张量处理性能。

近日,英伟达中国区高级技术市场经理施澄秋在一场媒体发布会上强调。这是一个全新的架构,无论是半导体规模、半导体制程、半导体设计以及内部核心许多Partition、Layout和三大功能处理器都有全新的布局和变化。

施澄秋透露,Ada采用的是特别定制的新制程,无论是核心数量、显存带宽和各式各样的规格支持,Ada都有一个显著的进步,所以这一代对专业可视化领域的用户而言是非常重要的升级。

施澄秋引用了中国的一句老话叫“工欲善其事,必先利其器”,他进一步指出,英伟达始终在满足用户最苛刻的需求,针对他们算力的要求一代一代的超越摩尔定律,刷新自身产品和创纪录的性能,这也正是英伟达作为GPU发明者的品牌承诺所在。

“过去几年,我们发布了一代又一代的产品,自从我们发布第一代可编程流式多处理器256到现在二十多年的时间,一直致力于传统核心的更新,所以每一代Shader都会有长足的性能进步,”施澄秋指出,“最关键的是,我们通过半导体的制程更新、工艺更新,在同样面积大小可以放更多的晶体管,或者在增大面积的同时引用新的半导体制程,同时功耗会得到大幅降低。这一代Ada Lovelace相对上一代Ampere有两倍的功效,也是黄仁勋常常提到的买的越多、省的越多的概念,新一代架构用得越多,功耗可能反而会降得更低,就是同样算力下性能功耗比达到两倍的提升。”

在图形架构全面升级的情况下,英伟达还针对另外两个区域,也就是光线追踪 RTX Core和针对人体数据深度学习也进行了提升。施澄秋表示,如今已经是第三代的光线追踪引擎,第一代是2018年发布的图灵架构,第二代是安培架构,现在Ada是第三代RTX Core,整个光线追踪运算模式都有获得两倍甚至更高的提升。

构建和操作元宇宙的软件平台

除了Ada Lovelace和RTX系列更新,本次GTC 2022的另一大重要升级则是英伟达Omniverse平台的更新。

Omniverse是一个实时的大型3D数据库,一个可以共享的3D世界。其基于USD构建的网络,它连接了3D世界。黄仁勋在演讲中表示,Omniverse还是一个计算平台,开发者可以编写在Omniverse上运行的应用,这些应用如同进入Omniverse虚拟世界的门户。

全新的Omniverse将支持Ada Lovelace GPU,在光线追踪和大型场景性能方面实现巨大飞跃。“Omniverse是一个企业平台,该平台适用于从产品设计和造型到工程策划、制造、营销和运营的整个生命周期,”黄仁勋说,“无论是制作电影或游戏,生产汽车或任何消费品,还是建立和运营工厂和仓库,其核心都是超级复杂的3D制作流程。正如互联网连接了各个网站,Omniverse连接了3D世界,它能让创作者更加高效的协作和管理工作。”

施澄秋在媒体发布会上着重提及了Omniverse是英伟达的重要产品。因为整个3D互联网进化和革新会推动元宇宙的蓬勃发展,元宇宙则包括了很多分门别类的产品形式,比如数字孪生、5G、6G、智能工厂、智能城市等等,需要用英伟达最重要的人工智能和承载AI所有SDK的Omniverse平台,以完成许多以前行业无法企及的算力高度或者应用场景,比如物联网、人工智能、3D互联网、VR/AR、机器人、自驾车等。一系列超高算力的应用搭建在当今的互联网平台,就会成就下一代的元宇宙。

施澄秋表示:“以前我们从来没有想像过元宇宙会被构建成什么样子,至今为止也没有一个人能够正确地预测元宇宙是什么。英伟达认为,元宇宙是一个包罗万象的东西,而且元宇宙可能是下一代互联网的目标,或者最终的生长形态。”

Omniverse平台本次更新包括开发工具的更新和生态系统的拓宽,英伟达发布了全新的USD模式示例和教程,针对KT104一起发布的USD C++扩展实例,基于WebUSD实例等,例如新一代GPU提升两倍以上的渲染性能实现4K实时路径追踪,仍然是光线追踪的一部分,但能够提供更高的基于路径的实时追踪,可以视作一种高级光线追踪,构建更大的世界,通过交互的方式进行数据资产的导航、编辑、操作等,帮助用户构建更加生动的数据孪生。

施澄秋指出,Omniverse平台的更新还包括一些成套工具的发布,比如Omniverse Kit。Neural Graphic神经图形其实是一个新的概念,其可以进行传统着色、光线追踪、基于人工智能深度学习的方式用神经网络渲染图形,能够用AI的方式完成一个富有想象力的创作,利用神经网络可以完成动态画面像素的自动填充,甚至自动生成一些针尖数据帮助整个图形做得更加丰富、更高帧率、达到物理准确的效果。

整个Omniverse Developer开发工具的更新非常重要,施澄秋认为,最核心的还是Siemens JT,这是目前全球使用最广泛的3D格式之一,整个主要行业产品的开发生命周期管理和应用有些关键设计信息都会通过Siemens JT解锁,主流的几大软件和主要的客户群体都在支持并且使用Simens JT。英伟达最新发布的是一个最重要的单元,就是把USD格式跟Siemens JT这样一个Omniverse新的扩展,方便已有的开发人员使用新的连接器,把已有的数字资产连接并且导入基于USD模拟的Metaverse元宇宙平台,也就是Omniverse。

施澄秋在发布会上还演示了一个云原生虚拟形象开发工具的组合,他表示,这些都基于NVIDIA Omniverse Cloud,一个“软件即服务”的产品。另外,英伟达还已经在和AWS合作,而且已经做到可用,之后陆续会扩展到更多更利于本地用户的云平台上去。

施澄秋指出,Omniverse应用程序可以自助部署在云原生的容器,也可以使用NVIDIA SaaS托管服务作为早期开发的基础,未来会有更多的应用,这取决于用户需求和用户自己的二次开发。Nucleus Cloud目前已经有Early Access,用户可以部署Nucleus Server,跨地域、跨设备、跨办公室,甚至基于加密第三方的协同工作都可以自由开展,这是在这一次的Omniverse Cloud的主要更新。

本次GTC 2022大会上,英伟达还提出了一个新的概念叫GDN,今天在中国所有大型互联网平台都在使用CDN,也就是Content Delivery Network。人们打开手机上网无论是看视频还是电商购物,无论是快手还是淘宝京东,服务器分布在中国各个地方,可能华南、华北、华东、西南的各个机房、各个区域,距离最近、网络跳转次数最少的地方都会提供相应的服务器部署,能够通过所在的网络和路由自动选择距离最近、网速最快、带宽影响最小的服务器Deliver需要的内容,这个概念就是CDN。

施澄秋指出,英伟达提供的是高品质、Premium的图形运算流,而且是3D运算图形,能够让用户在边缘设备上体验和感受,也就是说Omniverse客户、自驾车、自主运行的机器、智能城市、智能仓储和机器人,都是需要实时3D高精度的图形串流视频结果,能够双向串流,双流数据交互。有时边缘设备需要把一些实时的数据反馈到数据中心服务器,反馈到云端,所以在这一点低延迟的数据运算视频流的交付就构成了NVIDIA Graphic Delivery Network,现在已经在100个国家和地区交付这样的体验,也在中国跟本地基础架构合作伙伴尽快把这项服务提供到中国本地用户,提供前所未有的设计、构建、发布、体验3D工作流和应用程序的能力。

施澄秋强调:“我们的目标直指全球,Omniverse云计算将覆盖全球。”

截至目前,Omniverse已经几乎无处不在,其连接着整个世界最大的行业用户,并且Omniverse生态系统也在持续增长,英伟达已经拥有超过150个软件合作伙伴、超过20万个人用户、并仍在不断增长的Omniverse用户群体。

关键词

24快报
元宇宙技术综述
昨天 22:10
JSON抓取失败