NVIDIA создала чип сверхмощный чип для беспилотных автомобилей

NVIDIA создала чип сверхмощный чип для беспилотных автомобилей

NVIDIA создала чип сверхмощный чип для беспилотных автомобилей Новинка Drive AGX Orin — усовершенствованный процессор с рекордным количеством транзисторов. Предполагается, что чип интегрируют в беспилотные автомобили. Производитель уже пообещал в 2022 году выпустить на рынок линейку Drive AGX Orin.

Однокристальная платформа Orin состоит из 17 миллиардов транзисторов. За основу взяли процессорные ядра Arm Hercules (Cortex-A78) при поддержке графического процессора NVDIA нового поколения. Помимо этого, в чипе есть ускорители глубокого обучения и компьютерного зрения. Суммарная вычислительная мощность чипа — до 200 триллионов операций в секунду. Для сравнения, предыдущее поколение SoC Xavier обрабатывает в 7 раз меньше операций в секунду.

Ключевая функция новинки — возможность масштабирования от второго (частичная) до пятого (полная) уровня автоматизации беспилотных автомобилей и роботов. Orin, как и предыдущее поколени чипов, программируется с помощью открытых интерфейсов и библиотек CUDA и TensorRT. Это позволяет разработчикам создавать готовые решения на основе уже имеющихся программ, не тратя время на создание с нуля.

Основатель и генеральный директор NVIDIA отметил, что самой большой вычислительной задачей является создание безопасного автономного транспортного средства.

Кроме того, компания представила ещё и ПО TensorRT 7 — пакет разработки для диалоговых ИИ-приложений. По сравнению с CPU, он ускоряет компоненты диалогового ИИ в 10 раз. При этом, он снижает латентность до 300 мс — это минимальный порог, необходимый для взаимодействия с интерфейсов в режиме реального времени.

Но это ещё не всё. NVIDIA предоставила доступ транспортной индустрии к своим глубоким нейросетям NVIDIA DRIVE (DNN), предназначенным для создания автономного транспорта.

Кроме того, компания дата доступ к инструментам модификации нейросетей с помощью своих наборов данных и целевого набора характеристик различными методами:

Активное обучение — автоматизирует подбор данных с помощью ИИ, за счет этого повышается точность модели и сокращаются расходы на сбор данных Объединённое обучение — позволяет компаниям использовать наборы данных в разных странах и компаниях при сохранении прав собственности и конфиденциальности данных Перенос обучения — позволяет пользователям DRIVE ускорять разработку своего ПО для сбора данных и совершенствовать данные сети для своих приложений и целей.