專家觀點 CPU ARM nvidia gpu hpc cuda AI mali NVIDIA 正式收購了 Arm ，可能對全球晶片產業造成哪些影響 NVIDIA 在歷經好一陣子的傳聞後，在美國時間周日正式宣布自軟銀手中以股票加上現金 400 億美金收購 Arm (不包含 IoT )，這樁原本外界不看好的收購案雖然離正式完成還預計需要 18 個月的時間， NVIDIA 在新聞稿也允諾將遵循 2016 年 SoftBank 收購 Arm 的公平公正原則，但外界仍關心 Arm 的 IP 授權模式在收購案後的影響。 筆者以個人對兩家廠商的現況、產業的關係，推測在雙方若能正式合併後，對於業界的可能影響。 傳聞 10 年終究成真的破天荒併購 ▲約十年前電子時報就曾報導 NVIDIA 可能收購 Arm ，但當時是指出借此進軍手機等行動運算市場 差不多 Chevelle.fu 5 天前
蘋果新聞 nvidia gpu cuda MacOS 蘋果 NVIDIA 放棄後續更新 MacOS 的 CUDA 支援 雖然蘋果近年幾乎都搭配 AMD 的獨立 GPU ，不過由於 NVIDIA 的 GPU 仍在硬體有較高的性能優勢，對如遊戲、、影像處理或是 3D 內容等可獲得一定程度的性能提升，像是 Intel Thunderbolt 3 可外接 GPU ，以及部份黑蘋果需求， NVIDIA 仍為蘋果平台提供驅動程式，然而 NVIDIA 在發布最新版的 CUDA 10.2 之後，宣布未來不再為蘋果提供 CUDA 後續版本支援。 雖然 CUDA 只是 NVIDIA 驅動程式的一部分，不過由於 NVIDIA 多年在軟硬體業界的耕耘，現代許多專業影像軟體皆可支援 CUDA 進行加速，尤其如 Adobe 的 Premi Chevelle.fu 9 個月前
科技應用 nvidia cuda AI T4 Tesla NVIDIA以Tesla T4迷你加速卡打造全新CUDA-X AI加速演算平台 推動人工智慧數據分析應用 Tesla T4伺服器將搭配NVIDIA全新CUDA-X AI加速演算平台，透過Turing顯示架構、TensorRT運算框架，且相容Turing Tensor Cores設計，約可帶來50倍以上的加速運算效果。 去年宣布推出對應各類服務終端運算需求與佈署彈性的迷你加速卡Tesla T4之後，NVIDIA在此次GTC 2019宣布將以Tesla T4構成的伺服器，搭配全新CUDA-X AI加速演算平台推動更高資料分析研究，以及人工智慧與深度學習應用發展。 可相容既有伺服器基礎架構設計，同時整體耗電量僅需70W即可驅動運作的Tesla T4構成伺服器，搭配NVIDIA全新CUDA-X AI加速演 Mash Yang 1 年前
新品資訊 cuda gtx GeForce RTX nvidia turing 沒有 RT Core 的圖靈架構 GPU 即將到來，影馳 GeForce GTX 1660 Ti 外包裝曝光 雖然 NVIDIA 的 Turning 圖靈架構是主打 CUDA Core 、 RT Core 與 Tensor Core 的 GPU 運算、光線追蹤與 AI 三合一架構，截至目前為止幾款採用 Turing 圖靈架構的 RTX 系列顯示卡、繪圖卡亦都都強調這些特色，然而先前傳出 NVIDIA 將推出一款基於 Turing 圖靈架構、卻改掛 GTX 的平價顯示卡 GTX 1160 ，而現在影馳的一款新產品外包裝卻透露這款產品或許不是以 GTX1160 為名，而是 GTX 1660 Ti 。 總之這款曝光的影馳顯示卡外包裝的名稱寫著 GeForce GTX 1660 Ti ，搭配 6GB RAM Chevelle.fu 1 年前
產業消息 nvidia cuda 數據分析 NVIDIA 在歐洲 GTC 發表 RAPID GPU 加速科學數據分析平台，支援多項開源科學數據框架 NVIDIA 近期在 AI 領域相當活躍，藉由基於 CUDA 的 GPU 加速技術促進 AI 技術與應用的革新，而在歐洲 GTC ， NVIDIA 宣布了針對科學數據分析的 GPU 加速平台 RAPIDS ， RAPIDS 平台亦是與開源社群積極合作的成果，除了與 Python 社群合作，僅需簡單的修改就能讓基於 Python 語言的數據分析以 GPU 進行加速，也支援開源科學數據框架包括 Apache Arrow 、Pandas 、 scikit-learn 與熱門的框架 Apache Spark等，同時也強調提供資料庫開源 ，並在 GitHub 提供 120 個 Repositorie 。 Chevelle.fu 1 年前
產業消息 nvidia cuda 深度學習 deep learning nvidia volta gpu tensorflow gpu NVIDIA 在中國 GTC 宣布 TensorRT 3 ，加速大型資料中心 AI 推論 NVIDIA 在稍早的中國 GTC大會宣布 TensorRT 3推論軟體，能夠應用在包括影像與語音辨識、自然語言處理、圖像搜尋與個人化建議等各類 AI應用領域，並且標榜 TensorRT搭配 NVIDIA Tesla加速器僅需 CPU 解決方案 1/10 成本，卻能在相同的應用中發揮 40 倍推論效能。 TensorRT 3 主要針對江 AI 部屬到線上產品，為具備最佳化高效能編程器與執行引擎，能夠針對類神經網路進行快速最佳化與驗證後用於於推論，能夠將訓練完的類神經網路導入超大型資料中心以及車用 GPU 平台； TensorRT 具備高精度 INT8 、 FP16 浮點運算能力，相較其他訓練框 Chevelle.fu 2 年前
nvidia geforce cuda ARMv8 科技生活 denver pascal 採用雙 Denver 2.0 搭配四 Cortex-A57 與 Pascal GPU ， NVIDIA 發表代號 Parker 之新款 Tegra 處理器 NVIDIA 在今年 CES 公布新款自動駕駛平台 DRIVE PX2 ，同時也宣布這款平台將採用下一代的 NVIDIA Tegra ，僅透露將採用雙核 Denver 搭配四核 Cortex-A57 的組合，事隔半年左右， NVIDIA 終於公布這款新世代 Tegra 處理器的真身，也就是代號 Parker 的 SoC ，然而正式的名稱還未公布，不過依照慣例近期以 GPU 架構命名，很可能會稱為 Tegra P1 。隨著 Parker 發表， NVIDIA 也宣布其架構設計， 2 Denver 2.0 + 4 Cortex-A57 是藉由稱為 Coherent HMP 的技術使其能進行協同處理 Chevelle.fu 4 年前
nvidia gpu cuda AI TEGRA 嵌入式 GTC 科技生活 深度學習 機器視覺 deep learning NVIDIA GTC Taiwan 將於 9 月下旬舉行，聚焦人工智慧研究與應用 NVIDIA 將在今年 9 月 21 與 22 日在台灣舉辦 GTC Taiwan ，且相較過去幾次，今年將 21 日作為技術大會(免費報名制)， 22 日則是深度學習實作營(須付費)，不僅提供新知與趨勢，更提供開發者與研究人員能夠進行深度學習的實作，重點圍繞在以基於平行運算、深度學習的人工智慧相關領域，同時也包括專業視覺化、 VR ，嵌入式運算與汽車產業應用等。此外今年也將過往於美國 GTC 大會中的創新公司高峰會引進 GTC Taiwan ，這項活動曾在 GTC 挖掘過包括 Oculus 、 Gaikai 、 Natural Motion 、 Sadako Industries 以及 Ma Chevelle.fu 4 年前
產業消息 nvidia cuda TEGRA GTC 自動駕駛 gtc 2016 GTC 2016 ：結合更多感測器資訊與高解析地圖，藉此實現自動駕駛 除了人工智慧以外，去年對自動駕駛也是豐收的一年，不僅是車廠如 Audi 、 Tesla 、日產，搜尋服務如 Google 、百度，創新服務 UBER 等，也都投入自動駕駛的研究，積極與這些自動駕駛研究合作的 NVIDIA 也不忘在今年 GTC 再次針對自動駕駛做介紹。除了介紹今年在 CES 公布過的新一代自動駕駛平台 DRIVE PX 2 以外，也不忘展現 NVIDIA 在硬體架構上的彈性，拿出採用單一 Tegra 核心的小型化 DRIVE PX 模組，這款模組可針對較輕度的自動駕駛應用使用，當然也不需像 DRIVE PX 2 需使用大量的電力以及仰賴水冷散熱系統，不過關於硬體設計細節則未有進 Chevelle.fu 4 年前
開箱評測 Google intel nvidia gpu cuda gpgpu 深度學習 機器學習 deep learning alpha go 機械神經網路 同樣的招式對聖鬥士是沒有用的！閒聊關於 Google AlphaGo 深度學習平台 今天科技業界發生一件有趣的大事，就是由 Google 的 AlphaGo 人工智慧與韓國棋士李世石的世紀對決，無論今天最終是人類獲勝或是電腦獲勝，都是相當值得玩味的。不同於當年 IBM 深藍超級電腦與俄羅斯國際象棋棋王卡斯帕羅夫的對決， AlphaGo 是以更新穎的機械神經網路架構的深度學習系統所打造的人工智慧，變數也會更多。過去的人工智慧是在系統所預設的邏輯內找尋對應方式，故需要給予超級電腦足以應對各種情況的邏輯庫，它才能夠持續變強，但問題在於過去的人工智慧只是按表操課，宛如早期的遊戲的 AI 一樣會有規律與破綻，也就是會有一定的套路。當然畢竟深藍是那個時代的超級電腦，能夠容納夠多的邏輯庫， Chevelle.fu 4 年前
