Nvidia Xavier: будущий мобильный процессор для задач искусственного интеллекта
На стартовавшей сегодня в Амстердаме технологической конференции GTC Europe 2016 Nvidia провела презентацию, посвященную искусственному интеллекту и, в частности, его применению в беспилотных автомобилях. Пожалуй главным событием презентации стал анонс однокристальной системы (SoC) следующего поколения — Xavier. Чипсет будет иметь следующие характеристики:
- техпроцесс 16нм FF+ (как у всех видеокарт Nvidia последнего поколения)
- архитектура Volta (которая в 2017-2018 заменить нынешнюю Pascal)
- 7 млрд. транзисторов
- 8-ядерный ЦПУ собственной разработки и 512-ядерный ГПУ
- со-процессоры для обработки 8K HDR видео и новый ускоритель компьютерного зрения
- производительность 20 TOPS DL (трлн. операций глубокого обучения) и 160 SPECINT (единица измерения целочисленных операций)
- энергопотребление 20 Вт.
Xavier придет на смену компьютеру Drive PX 2, который в стандартной комплектации оснащен двумя дискретными ГПУ и двумя мобильными процессорами (SoC) Tegra, каждый из которых содержит 6-ядерное ЦПУ (4 x Cortex-A57 + 2 x Denver 2) и 256-ядерное ГПУ.
Как следует из слайда на презентации (см. фото сверху), производительность Drive PX 2 составляет 20 TOPS DL и 120 SPECINT при энергопотреблении 80 Вт. Таким образом, в операциях глубокого обучения она у Xavier будет на том же уровне, но зато при 4-кратном снижении энергопотребления и значительном уменьшении размеров платы. Любопытно, что на момент презентации Drive PX 2 в начале января этого года ему приписывались 24 TOPS DL и 250 Вт. Вероятно, Nvidia удалось в значительной степени оптимизировать Drive PX 2, добившись 3-кратного уменьшения энергопотребления ценой 20% снижения производительности.
Опытные образцы Xavier выйдут примерно через год, в IV квартале 2017, так что в беспилотных автомобилях они появятся не ранее 2018 года.
Другим крупным сегодняшним анонсом стала операционная система для беспилотных автомобилей, Driveworks Alpha 1. Её особенностью является использование трех нейронных сетей глубокого обучения, DriveNet, OpenRoadNet и PilotNet.