正在阅读：英伟达正通过“CPU+GPU+DPU“三位一体改变世界英伟达正通过“CPU+GPU+DPU“三位一体改变世界

　　今年GTC 2021大会上，除了硬件以外，NVIDIA更是重点发布了关于AI技术，以及用于仿真、协作和自主机器训练的NVIDIA Omniverse。随后不久，另一场针对专业可视化领域的媒体沟通会在线上开展，我们有幸进行了更深入的了解。

　　线上协作对于21世纪的职场人来说，是几乎每天都要经历的一环。而当创作者们面对复杂的离线混合、在线混合式渲染，以及分布式运算等多平台具有广泛技能的大型团队的分工协作工程，且没有一款能够支持实时在线协作的专业可视化生产力工具时，一定会叫苦连天。

　　为了解决这一痛点，NVIDIA通过Omniverse平台，让无论身处何处，无论是3D设计师、科学家、工程师，亦或是项目老板，都能实时通过手机、电脑等设备参与到同一个大型项目中来。

　　这种全新的线上分布协同运算工作环境，打破了以前专业ISV生产力工具导出导出的繁琐现象，大家可以通过Omniverse平台快速实现线上协作、数据迁移、软硬件就绪，提升各个环节的工作效率。实际操作起来有些类似于此前全球爆火的《我的世界》游戏中的协作方式。

↑超过30款ISV都可以在NVIDIA Omniverse平台上使用

　　Omniverse平台目前能高效连接数十种ISV工具，通过光线追踪、物理模拟、AI运算等新技术带来全新的视觉呈现。例如，用户在使用3ds MAX、Omniverse View、Adobe Substance等典型工作流时，可能会用3ds MAX构建内外部元素、 用Adobe Substance调整光源等，之后还要导出生成给不同的人员协作，流程较为复杂。而Omniverse的核心Nucleus是一个基于交换项目增量的服务器，它可以让Omniverse用户看到全部的实时编辑。比如可以看到加了凳子、加了人，或者加窗户、甚至改地板上的材料、改光源、改日照时间，你都可以实时地让你的客户实时看到，而这一切是互动的，身临其境的。

　　Omniverse不仅可以作为打通全工作流的全新工作方式，还可以做物理模拟，还可以做大型的、真正的所谓的虚拟仿真。目前NVIDIA正在跟世界上许多一线车厂进行合作，做基于AI自动驾驶车辆许多零部件的研发。通过Omniverse便可以虚拟出一个世界来，把基于HD map的数据导入到Omniverse，把渲染出来的图像‘喂给’无人驾驶车辆的行车电脑，让它们觉得这个就是它们的摄像头，当它们的雷达感知到真实世界的时候，我们可以让这些车辆不用上路便可以开始路训，这是Omniverse的愿景。我们希望能创造出一个全能的虚拟世界，帮助工业设计、自动驾驶等行业进行物理的模拟和仿真。

　　针对Omniverse企业级应用以及个人级应用，NVIDIA也分别推出了相对应的产品，包括NVIDIA认证的笔记本电脑、专业Studio笔记本电脑以及基于RTX的移动工作站、RTX台式机等，不同的配置以满足各种性能级别的图形计算需求。

　　总体而言，Omniverse将是一款普及大众的专业视觉化平台，任何拥有RTX GPU的用户都可以使用Omniverse进行在线协助创作。

　　Ampere架构RTX A5000和A4000 

　　与此同时，NVIDIA还希望未来能将GPU的加速能力覆盖至全行业，包括视觉、制造、科学、教育和医疗等。NVIDIA将RTX定义为未来的基石，其中最新Ampere架构的RTX GPU能够适应非常强有力的多GPU、多任务、多重工具之间数据流的调配、调度和渲染，能够支持实时光线追踪、支持加速的人工智能，可满足多GPU、多任务、多工具之间的数据流调配、调度、渲染任务。且得益于Ampere架构GPU搭载的第二代光线追踪核心和第三代Tensor Core，其支持TF32精度数据运算模式，只需调用一半的运算量就能完成近TF32数据的运算精度。

　　总体而言A系列的NVIDIA RTX图形显卡是一个为了真正的专业用户在不同的专业领域、专业的行业用户而设计和生产制造的专业生产力工具。

　　NVIDIA A6000、A5000、A4000有不同的本地显存配置和不同的算力的性能配置。用户能够根据自身的运算负载、生产力规模及要求，去找到合适的方案。

　　相较上代产品而言，A5000无论是显存带宽、显存容量，还是峰值单精度的算力、核心的数量，A5000都有了长足的进步。核心数量从3072提升到了8192，显存达到24GB，因此FP32吞吐量提升了2.7倍，光线追踪能力提升了2倍；因为Ampere架构这一代引入了全新的稀疏式运算，Tensor Cores的TF32性能提升了10倍。

　　而A4000也是同样一脉相承，只是做了从双槽到单槽的缩减，相比RTX 4000有了长足的、非常海量的性能提升，能够提供19.2 TFLOPS的峰值单精度性能。

　　除了CPU、GPU以外，还有DPU

　　目前CPU在各类工作中承受着异常多的网络和存储工作负载，而由于CPU对于例如用软件来通过OVS来做性能转换等应用操作时，效能不佳且会损失过多CPU性能。而NVIDIA则正将以往需由CPU完成的工作，转移到BlueField DPU上面来进行硬件级加速。

　　此外，本次GTC上还发布了一个名为MORPHEUS的软件框架。MORPHEUS是通过把DPU和AI技术联合，实现了对于数据中心或者边缘设备里，所有基于NVIDIA统一架构系统的安全和性能保障。这样，通过DPU，数据中心安全性将得到大幅度提升。

　　从NVIDIA现在的技术趋势来看，未来将会是一个GPU、CPU、DPU共存的时代。“NVIDIA从核心到边缘都采用了统一的一个计算架构——CPU、GPU、DPU，三“U”一体架构。通过CPU、GPU、DPU之间的协调计算，可以在数据中心里面和边缘里面都可以达到非常好的性能，而且能提供非常高的安全性。”

　　vGPU

　　目前vGPU在数据中心里面有很多的应用场景，包括VDI、云桌面、远程办公、协同办公，以及远程的设计协作，都需要用到vGPU。今年GTC大会就发布了两款支持vGPU的显卡，A10、一个是A16。

　　其中，NVIDIA A10可以和NVIDIA RTX Virtual Workstation、Virtual Compute Server组合提升复杂工作流程的性能。A16则更多面向vPC场景，处理Office、在线视频、视频会议、多屏显示等应用，预计在下半年发货。配备A16 和NVIDIA vPC的GPU加速VDI，还提供了更高的帧率和更低的终端用户延迟，使得生产力应用和工具的响应速度变得更快，为远程工作人员提供优质的用户体验。

　　CloudXR

　　CloudXR是针对行业内的AR/VR/MR应用，愿景是能把任意地点里面产生的XR（AR/VR）渲染出来的内容，通过网络实时的传输到任意的设备上，包含一体式头盔、MR眼睛、任意的平板等。 

　　CloudXR与vGPU产品实际上是强绑定的，通过数据中心vGPU产生的VR或者AR的内容通过5G传输到任意终端设备上，这样一来用一些低端的笔记本也能够去跑VR内容了。

　　通过今年的GTC大会来看，作为GPU的创始人，NVIDIA通过GPU越发强大的计算能力，已经在专业可视化、云计算等软硬结合的领域蓬勃发展。