對話英偉達智慧型機器副總裁：用VR訓練機器人，開源IoT AI晶片
智東西 文 | Lina
不久前，英偉達2017 GTC China（GPU技術大會中國分會場）在北京舉行，在當天上午的主題演講中，英偉達CEO黃仁勳再次介紹了ISSAC機器人訓練平臺，並且正式宣佈推出了世界第一款用於自動機器人的處理器（晶片）Xavier，
與此同時，就在GTC China當天，英偉達也正式開源了完整版DLA（Deep Learning Accelerator，深度學習加速器），讓廠商可以免費下載使用，打造屬於自己的低功耗AI晶片（比如IoT晶片）。
（英偉達全球副總裁、智慧型機器事業部總經理Deepu Talla）
整場GTC China裡，深度學習的訓練階段已經很少被提到，反而是端智慧、智慧型機器等話題正當紅。為了進一步瞭解英偉達的端智慧/智慧型機器佈局，智東西與少數媒體對英偉達全球副總裁、智慧型機器事業部總經理Deepu Talla進行了專訪。
一、四大原因決定端智慧興起深度學習分為訓練（Training）和推理應用（Inference）兩個部分，資料科學家們在將一個神經網路通過大量資料訓練好之後，再將這個訓練好的神經網路應用到硬體上，
推理應用過程既可以在終端上進行，也可以在雲端上進行。雲端應用價格親民、且能提供的計算量更大，所以為什麼我們不在雲上做一切應用，再將決策發至終端執行呢？Deepu Talla認為，
1）頻寬小。目前，世界上的攝像頭設備保有量已接近海量，而且在不斷增加著。如果這些視頻資料同時發送到雲端，現有頻寬並不能承受。
2）延時長。拿自動駕駛汽車為例，如果在行駛過程中發生緊急情況，必須要車子在5ms裡就做出回應，而雲端的回應速度達不到這麼快。
3）隱私不安全。對於政府、醫療、金融等機構來說，它們對隱私與資料安全性有著極其苛刻的要求，並不希望將資料發到公共雲上。
4）網路狀況並不總是可靠。雖然我們正在推廣4G、邁向5G的道路上大步前進著，然而還是會有偏遠地區、隧道、電磁干擾等情況，造成網路狀況的不穩定，資料無法正常發送的情況。
基於這四個原因，AI正在從雲端慢慢挪到邊緣設備上，也就是我們說的端智慧。這次GTC China上，英偉達正式宣佈推出了Xavier智慧型機器晶片。這是一個開展了兩年的專案，於去年宣佈，今年正式定位為世界第一款用於自動機器人的專用處理器（晶片）。
這款處理將於2018年第一季度提供給早期合作夥伴，2018年第四季度全面推出。與此同時英偉達還宣佈，英偉達的的第一批Xavier晶片將會用在京東的倉儲機器人jROVER＋京東送貨無人機jDRONE等一系列自主機器人當中。
二、四大核心技術打造ISSAC機器人訓練平臺今年5月時，英偉達推出了一個用於訓練機器人的增強學習世界模擬器——ISAAC機器人訓練模擬世界（ISAAC Robot Simulator），創造出一個完全虛擬的、專為訓練機器人而打造的世界。
這是一個遵循物理法則但不遵循時間法則的世界，在現實生活中，你想要訓練一台機器學會打冰球，你要將這個冰球放在機器前面，一遍一遍地教會它；而在虛擬世界裡，機器可以在一秒內重複眾多次這樣的動作，而且你還可以同時訓練一堆機器學習打球，然後找到裡面最聰明的一個，將它的“大腦”程式複製出來，創建一堆同樣的機器再繼續訓練篩選。
對於這個虛擬機器人訓練平臺來說，有四個重點要求：
1）圖片需要有照片級別的真實性，讓機器人盡可能地“看”見真實世界。
2）碰撞、壓力、重力等物理規則必須要完全遵循真實世界。
3）需要有著超高的計算性能與AI性能。
4）可以讓人類進入到虛擬世界中進行測試，也就是VR，即使失敗了也不會對人類生命造成影響。（詳情可以參閱智東西此前的報導《馬斯克又來搞事情 OpenAI要用VR訓練機器人》，根據Deepu Talla透露，英偉達與OpenAI在ISSAC項目上存在合作）
而圖片、物理定律、AI、VR，這四點恰恰都是英偉達十分擅長的領域。Deepu Talla說，今年年末的時候，ISSAC平臺將會被提供給包括OpenAI在內的世界各地領先科研機構。而在5-10年裡，這個ISSAC平臺將成為全世界最頂尖的AI領域貢獻者之一。
三、開源DLA框架此外，Deepu Talla還向智東西提到了在GTC China當天正式開源的英偉達DLA（Deep Learning Accelerator，深度學習加速器）架構。
正如前文提到的，由於雲智慧的種種限制，目前我們來到了端智慧興起的時代（但這並不意味著雲智慧的衰落，未來絕對是雲AI＋端AI的）。
不過，目前英偉達主打終端的GPU板卡是Jetson TX2，這塊搭載4核CPU的Pascal架構GPU標準功耗為7.5W，遠小於英偉達其他動輒幾十上百W的GPU，但對於功耗極為敏感的超小型設備，這個功率還是太大。
為了解決這一問題，英偉達於今年5月的GTC上推出了開源框架DLA，廠商可以下載這個專為IoT設備設計的AI架構，自己打造低功耗的AI晶片。
目前這套框架是免費提供的，至於未來是否會靠DLA框架來收取專利費，成為新型商業變現模式，那就是另一個故事了。
二、四大核心技術打造ISSAC機器人訓練平臺今年5月時，英偉達推出了一個用於訓練機器人的增強學習世界模擬器——ISAAC機器人訓練模擬世界（ISAAC Robot Simulator），創造出一個完全虛擬的、專為訓練機器人而打造的世界。
這是一個遵循物理法則但不遵循時間法則的世界，在現實生活中，你想要訓練一台機器學會打冰球，你要將這個冰球放在機器前面，一遍一遍地教會它；而在虛擬世界裡，機器可以在一秒內重複眾多次這樣的動作，而且你還可以同時訓練一堆機器學習打球，然後找到裡面最聰明的一個，將它的“大腦”程式複製出來，創建一堆同樣的機器再繼續訓練篩選。
對於這個虛擬機器人訓練平臺來說，有四個重點要求：
1）圖片需要有照片級別的真實性，讓機器人盡可能地“看”見真實世界。
2）碰撞、壓力、重力等物理規則必須要完全遵循真實世界。
3）需要有著超高的計算性能與AI性能。
4）可以讓人類進入到虛擬世界中進行測試，也就是VR，即使失敗了也不會對人類生命造成影響。（詳情可以參閱智東西此前的報導《馬斯克又來搞事情 OpenAI要用VR訓練機器人》，根據Deepu Talla透露，英偉達與OpenAI在ISSAC項目上存在合作）
而圖片、物理定律、AI、VR，這四點恰恰都是英偉達十分擅長的領域。Deepu Talla說，今年年末的時候，ISSAC平臺將會被提供給包括OpenAI在內的世界各地領先科研機構。而在5-10年裡，這個ISSAC平臺將成為全世界最頂尖的AI領域貢獻者之一。
三、開源DLA框架此外，Deepu Talla還向智東西提到了在GTC China當天正式開源的英偉達DLA（Deep Learning Accelerator，深度學習加速器）架構。
正如前文提到的，由於雲智慧的種種限制，目前我們來到了端智慧興起的時代（但這並不意味著雲智慧的衰落，未來絕對是雲AI＋端AI的）。
不過，目前英偉達主打終端的GPU板卡是Jetson TX2，這塊搭載4核CPU的Pascal架構GPU標準功耗為7.5W，遠小於英偉達其他動輒幾十上百W的GPU，但對於功耗極為敏感的超小型設備，這個功率還是太大。
為了解決這一問題，英偉達於今年5月的GTC上推出了開源框架DLA，廠商可以下載這個專為IoT設備設計的AI架構，自己打造低功耗的AI晶片。
目前這套框架是免費提供的，至於未來是否會靠DLA框架來收取專利費，成為新型商業變現模式，那就是另一個故事了。