El chip AI maneja cargas de trabajo simultáneas

La compañía también pondrá a disposición de los desarrolladores sus modelos de inteligencia artificial para vehículos autónomos.

En la GPU Technology Conference (GTC) de la compañía en Suzhou, China, el CEO de Nvidia, Jensen Huang, subió al escenario para presentar Drive AGX Orin, el SoC de próxima generación en la cartera automotriz de la compañía.

Orin sigue a Drive AGX Xavier, lanzado hace poco menos de 2 años en CES 2018. Xavier es el actual SoC insignia de Nvidia para la aceleración de IA en vehículos.

Orin, con 17 mil millones de transistores, es casi el doble del tamaño de Xavier, que tenía 9 mil millones, y ofrece casi 7 veces el rendimiento (200 TOPS para datos INT8). A pesar de su tamaño, Orin también ofrece 3 veces la eficiencia energética de Xavier, dijo la compañía.

“[Esto es] un gran impulso [en el rendimiento], pero no se trata solo de TOPS, se trata de que la arquitectura esté diseñada para cargas de trabajo muy complejas, algoritmos muy diversos y redundantes que tienen que ejecutarse dentro de un vehículo autónomo, que será manejado por Xavier hoy y Orin en el futuro ”, dijo Danny Shapiro, director senior de automoción de Nvidia.

El director ejecutivo de Nvidia, Jensen Huang, presenta a Orin a la audiencia en la conferencia de tecnología GPU de la empresa en China (Imagen:Nvidia)

Orin utilizará 12 CPU Hercules ARM64 junto con núcleos de GPU Nvidia de próxima generación y nuevos aceleradores de visión por computadora y aprendizaje profundo, que la compañía no reveló.

Se utilizará en vehículos autónomos (en diseños desde el Nivel 2 al Nivel 5) y robótica donde muchas redes neuronales y otras aplicaciones deben ejecutarse simultáneamente, mientras se logran los niveles de seguridad ISO 26262 ASIL-D. Haciendo uso de la plataforma Nvidia Drive, Orin será un software compatible con Xavier.

La familia Orin incluirá una gama de configuraciones basadas en una única arquitectura y estará disponible para las ejecuciones de producción del cliente en 2022.

Aprendizaje federado

Nvidia también anunció una asociación con Didi. Didi es un proveedor de transporte basado en aplicaciones (similar a Uber), activo en Asia, América Latina y Australia.

Didi utilizará las GPU de Nvidia en su centro de datos para entrenar algoritmos de aprendizaje automático y la plataforma Nvidia Drive para la inferencia en sus vehículos autónomos de nivel 4. La compañía escindió su unidad de negocio de conducción autónoma en una empresa separada en agosto. También lanzará servicios en la nube de GPU virtuales para clientes basados ​​en GPU de Nvidia.

En un anuncio separado, Nvidia reveló que pondrá a disposición de los desarrolladores de vehículos autónomos modelos previamente entrenados para las redes neuronales profundas (DNN) que desarrolló para Nvidia Drive. Estos incluyen modelos para la detección de semáforos y señales, así como otros objetos como vehículos, peatones y bicicletas. También incluyen algoritmos de percepción de trayectoria, detección de mirada y reconocimiento de gestos.

Orin ofrecerá 200 TOPS, 7 veces el rendimiento de Xavier con 3 veces la eficiencia energética (Imagen:Nvidia)

Es importante destacar que estos modelos se pueden personalizar mediante las herramientas proporcionadas por la empresa y se pueden actualizar mediante el aprendizaje federado. El aprendizaje federado es una técnica en la que el entrenamiento se realiza localmente en el borde, preservando la privacidad de los datos, antes de que se actualice un modelo central con resultados de entrenamiento de múltiples fuentes.

"El vehículo autónomo de IA es un vehículo definido por software necesario para operar en todo el mundo en una amplia variedad de conjuntos de datos", dijo Jensen Huang, director ejecutivo de Nvidia. “Al proporcionar a los desarrolladores de AV acceso a nuestros DNN y las herramientas de aprendizaje avanzadas para optimizarlos para múltiples conjuntos de datos, permitimos el aprendizaje compartido entre empresas y países, al tiempo que mantenemos la propiedad y la privacidad de los datos. En última instancia, estamos acelerando la realidad de los vehículos autónomos globales ”.