Werbung
Zu Beginn der Keynote kündigte NVIDIA ein neues CUDA-X-AI-SDK an, welches den Zugang zur Hard- und Softwareplattform für Entwickler vereinfachen soll. Aber nicht nur Entwicklern soll der Zugang vereinfacht werden, auch für den Endnutzer soll es einfacher gemacht werden, die eigenen Anwendungen auf die CUDA-Plattform zu portieren.
CUDA-X sieht für jeden einzelnen Anwendungsbereich dedizierte Bibliotheken vor, die in Form von Containern vorliegen und die über den NVIDIA NGC Software Hub auch und vor allem in der Cloud für einen schnellen Einsatz per virtueller Instanzen zur Verfügung stehen. Ziel ist es wie gesagt den Zugang zur CUDA-Plattform immer weiter zu vereinfachen.
RTX und Computer-Grafik
Natürlich darf auch in einer Keynote der GPU Technology Conference eine Demonstration des Ray Tracing per RTX nicht fehlen. Der Ansatz ist im Vergleich zu den GeForce-RTX-Karten aber natürlich ein anderer, denn im professionellen Umfeld geht es beispielsweise darum dem Designer in seiner 3D-Software eine möglichst realistische Beleuchtungssituation anzubieten.
Einer der wichtigsten Faktoren ist dabei die Tatsache, dass dies in Echtzeit möglich ist. Renderzeiten sollen auf ein Minimum reduziert werden – im Idealfall eben in Echtzeit stattfinden. Die Tensor Cores bieten durch das Entrauschen noch nicht berechneter Bereiche einen zusätzlichen Puffer.
Parallel kündigte NVIDIA auf der Game Developer Conference die Unterstützung von DXR durch die älteren Pascal-Karten an.
Auch für die Erstellung von Assets in Form von 3D-Objekten will NVIDIA ebenfalls die Zusammenarbeit vereinfachen. Dazu hat man Omnisverse entwickelt. Dabei handelt es sich um eine Software, welche die Zusammenarbeit an einem Projekt aus verschiedenen Quellen heraus ermöglichen soll. So kann beispielsweise aus Maya Autodesk, Unreal Engine und Substance heraus an einem Projekt gearbeitet werden, allen Teilnehmern wird aber ständig die Möglichkeit geboten, das aktuelle Ergebnis der Arbeit zu sehen.
Omniverse soll in Kürze in den Early Access überführt werden. Bis zum finalen Produkt wird es aber noch etwas dauern.
Außerdem gibt NVIDIA bekannt, dass GeForce Now näher an den Endkunden bzw. den Spieler heranrückt und dies ist durchaus wörtlich zu nehmen, denn anstatt eigene Datacenter für GeForce Now zu betreiben, bietet NVIDIA ISPs eigene Hardware an, die diese wiederum in der eigenen Infrastruktur verwenden können. Mit der Nutzung der neuen RTX-Hardware bietet NVIDIA nun auch die Möglichkeit, Spiele mit DXR-Effekten über den Streamingdienst zu nutzen.
Dazu bietet NVIDIA neue Hardware an. Dabei handelt es sich um den RTX Server, der 40 RTX-GPUs in 8U enthält. Dies kann auch zu sogenannten Pods hochskaliert werden, in denen sich dann 32 RTX Server befinden. Maximal werden 1.280 RTX-GPUs zusammengefasst, die es bis zu 10.000 Nutzern gleichzeitig möglich machen sollen, auf GeForce Now zurückzugreifen. Für Streamingdienste wie GeForce Now ist eine möglichst geringe Latenz zwischen Streaming-Server und Spieler wichtig, insofern ist die Positionierung der Serverhardware näher am Endkunden sicherlich sinnvoll. Das Angebot von Hardware mit DXR-Unterstützung ist seitens NVIDIA ein logischer Schritt.
AI- und HPC-Hardware
Auf Seiten der AI- und HPC-Anwendungen hat NVIDIA vor allem das Ökosystem weiter ausgebaut. Dies haben wir im Grunde bereits in den ersten Abschnitten dieser News behandelt. Darüber hinaus gab NVIDIA mehrere Beispiele für die Anwendung von AI. Bereits mehrfach haben wir solche Datenanalysen gesehen – egal ob aus dem Medizin- oder Telekommunikationsbereich.
Als Hilfestellung für Entwickler und Wissenschaftler stellt NVIDIA die Datascience-Workstation vor. Diese verwendet unter anderem zwei Quadro RTX 8000 mit jeweils 48 GB HBM2. Das Gegenstück ist der Datascience-Server. In diesem Server stecken 4x T4 GPU-Beschleuniger mit insgesamt 64 GB GDDR6-Speicher.
Robotik und autonome Fahrzeuge
Auch für den Robotics-Bereich hat NVIDIA eine Ankündigung, die sich an Entwickler richtet. Der Jetson Nano soll 129 US-Dollar kosten. Wichtigste Komponente ist der Tegra-X1-SoC, der vier Cortex-A57-Kerne und 128 Shadereinheiten der Maxwell-Architektur verwendet. Hinzu kommen 4 GB LPDDR4, Gigabit-Ethernet und eine CSI-2-Lane, um Kameras und andere Sensoren anzubinden.
Das Jetson Nano Developer Kit ist noch 100 x 80 mm groß und kostet 99 US-Dollar. Das eigentliche Jetson-Nano-Modul misst sogar nur 70 x 45 mm, kostet mit 129 US-Dollar aber auch etwas mehr.
Vieles der Entwicklung aus dem Robotic-Bereich spielt natürlich auch für die Entwicklung einer Plattform für das autonome Fahren eine Rolle und auch hier ist NVIDIA aktiv.
Keinerlei Neuigkeiten gab es seitens NVIDIA im Hinblick auf eine neue GPU-Architektur Ampere oder die Fertigung von GPUs in 7 nm.