自驾车只是入门，NVIDIA的加速学习运算将应用到更多机器人产品

从一开始的游戏绘图卡、专业绘图卡，到开始布局自动驾驶、人工智能等市场，到今年宣布朝向医疗领域、智慧城市等应用发展之余，NVIDIA更宣布与ARM合作，预期未来将会扩大更多元的机器人应用发展。

NVIDIA在很早之前就已经开始布局机器人市场，从先前推出的Jetson系列开发板应用，让更多人可借由此开发套件设计机器人、无人机，甚至是机器手臂，同时借由电脑视觉演算方式让机器人可以“看见”物品，进而产生影像识别学习效果，并且带动后续功能或自动化作动效果，例如让机器手臂能正确夹取货品、让空拍机在飞行过程能产生自动避障效果，或是让小型外送机器人知道如何配合GPS定位行走到指定位置。

从终端运算到整合云端平台的学习加速

在此之前，NVIDIA主要还是聚焦在装置端的学习运算，因此除了让机器人或自动驾驶车辆能借由持续学习知道如何在正确道路转弯、碰到障碍时自动停下，甚至借由Isaac虚拟化平台让机器人能以大量“分身”快速累积学习经验。但在去年GTC 2017宣布推出NVIDIA GPU Cloud (以下简称NGC)服务，同时今年也宣布与ARM携手合作Project Trillium，让更多基于ARM架构的处理器可整合开放架构深度学习加速器NVDLA，即可透过云端连接或装置端学习运算方式加快导入人工智能应用，而所采用设计甚至不需要直接使用NVIDIA提供硬件。

相比过往透过Jetson系列开发板推动机器人应用，NVIDIA打造NGC服务、开放NVDLA深度学习加速器，并且与ARM深度合作，目的便是为了推动更广大的智慧物联网市场，使更多非NVIDIA处理器产品应用设备，也能借由NVIDIA提供技术达成加速学习效果，甚至也能让处理器厂商针对物联网应用打造“AI IoT SoC (人工智能物联网系统芯片)”，进而让更多装置如手机、平板也能有人工智能技术应用效果，甚至无需像苹果、华为特别打造独立学习芯片也能透过连线获得相同，甚至更明显的运算效率。

预期未来几年内开始蓬勃发展的机器人应用，或许内部并不一定采用NVIDIA处理器产品，但背后却可能是以NVIDIA技术加速学习运算。

但为了达成这样的目的，NVIDIA必须透过各类实例证明所言不需，因此在先前推动Jetson开发板之余，后续开始进驻的自动驾驶应用除了每年让电脑视觉运算能力倍增之外，更逐渐整合过去曾经提出的绘图虚拟化技术平台GRID等资源结合，让自动驾驶车辆不但可透过虚拟化方式持续缩短前期学习训练所需时间，实际上路测试过程中也会持续累积学习经验，并且透过NGC服务协助加速学习，最终即可让自动驾驶车辆学习各类经验后，更可借由云端同步方式让自动驾驶效果精准度持续提升。

借由自动驾驶应用模式成功，NVIDIA即可将相同模式，但或许无需提供更高视觉演算能力即可达成更好效果，即可让更多物联网应用设备获得人工智能应用能力，进而驱动更多机器人进入市场应用。

往更深层的人工智能应用前进

从GTC 2018强调游戏依然是重要发展项目，同时也表明将深入医疗领域、智慧城市等应用，并且继续借由下一款超级电脑平台“Orin”提升自动驾驶运作能力之余，NVIDIA首席执行官黄仁勋更说明，目前NVIDIA不但已经是全球最大GPU供应商，更是全球最大规模区块链技术提供者，因此可以预期NVIDIA未来将往更深层、更复杂的运算加速应用领域发展，而如何让合作伙伴能以更简单、直觉方式使用这些资源，显然也是NVIDIA着重发展方向。

至于NVIDIA的下一个发展重心会是什么？黄仁勋已经预测具有全自动驾驶能力的自驾车将会在2019年进入市场应用，但Level 3或Level 4等级的自驾车反而要等到2020年，甚至更久之后才能顺利普及，原因就在于其中涉及仍有人为介入操作的情况，进而干预自动驾驶系统的判断。因此，预期NVIDIA下一阶段将会朝向更深层、复杂的人工智能技术布局，借由将算力持续推进、携手更多合作资源，使人工智能“思考”能力能进一步提升。

不过，当话题再次回到人工智能、机器人是否取代传统人力，是否造成更大灾难等影响，NVIDIA的想法始终基于新技术并非为了取代谁而产生，例如送货机器人就是为了填补快递人力不足问题而产生，因此始终相信技术成长能够持续创造更多机会，同时也能在技术持续精进下让生活变得更好。