Nvidia nutzt die GPU Technology Conference GTC 2018, um mit AGX Xavier einen hochintegrierten KI-Autocomputer vorzustellen. Die Leistungswerte sind beeindruckend.
Die Drive AGX-Plattform von Nvidia wird das autonom fahrende Automobil schneller auf die Straße bringen.
Andreas Burkert
"Die erfolgreichsten Geschäftsmodelle sind datengetrieben", erklärt Jen Hsun Huang gleich zu Beginn seiner Grundsatzrede, die er anlässlich der GTC 2018 in München hält. GTC 2018 steht für GPU Technology Conference und ist für Entwickler aus jenen Bereichen die wohl wichtigste Veranstaltung im Jahr, die sich mit der grafischen Bildverarbeitung befassen.
In der vom 10. bis 11. Oktober von Nvidia geleiteten Veranstaltung stehen Anwendungen und Technologien von Grafikchips in Industrie, Wissenschaft und Spielen im Mittelpunkt, werden präsentiert und diskutiert. Und an diesem Mittwoch hat Huang auch eine besondere Nachricht für die Automobilbranche.
Ihnen verspricht er, dass sie künftig die Funktionen rund um das autonome Fahren nicht nur mit einer höheren Qualität, sondern vor allem mit einer enorm höheren Geschwindigkeit entwickeln können. Mit beiden Händen präsentiert er dazu die Rapids Open-Source GPU-Acceleration-Plattform.
Ausgestattet mit der neuesten Generation einer Grafik Prozessor Einheit (GPU), die gegenüber herkömmlichen CPUs um ein Vielfaches leistungsfähiger ist. Laut Nvidia haben interne Benchmarks ergeben, eine 50-fache Beschleunigung im Vergleich zu Nur-CPU-Systemen ergeben. Das CPU-Computing hat seine Grenzen erreicht.
Autonome Fahrfunktion läuten das Ende der CPU ein
Wie deutlich sich das Ende der CPU abzeichnet, zeigt der Bedarf an Rechenleistung für bereits herkömmliche Level 2-Systeme. Laut Christian Schumacher, Vice President Program Management Systems bei Continental BU Advanced Driver Assistance Systems, werden dafür 2,7 kDMIPS benötigt. DMIP ist ein nach dem Dhrystone-Benchmark ermittelter MIPS-Wert (MIPS, Millionen Instruktionen pro Sekunde). Schon beim nächsten Schritt auf Level 2 Premium (L 2+) sind 19 kDMIPS nötig. Zwar können solche Fahrfunktionen auch mit CPU-Systemen abgebildet werden. Aber Qualität und Geschwindigkeit halten sich in Grenzen. Wer allerdings Level 3/4-Systeme marktreif entwickeln möchte, der muss mehr 270 kDMIPS vorweisen können.
Für das wissenschaftliche Computing und Deep Learning Ansporn, sich der Nvidia-GPU-Beschleunigung zu zuwenden. Welche Ergebnisse bereits mit Rapid erzielt wurden, haben mehrere Fachvorträge gezeigt. So demonstrierte etwa Stan Boland, CEO des Startups Five AI Inc, wie sich ausschließlich mit Aufnahmen der Verkehrsüberwachung in London ein digitaler Zwilling einer vielbefahrenden Kreuzung inklusive aller Verkehrsteilnehmer erstellen lässt, der realistischer wirkt als die Szene live vor Ort. Auch weil Boland per Knopfdruck verschiedene Wettersituationen darstellen kann.
Volvo nutzt hohe Rechenleistung
Five AI zeigt damit beeindruckend, wie leistungsstark mittlerweile die grafische Bildverarbeitung ist. Das Nvidia-System ist seiner Ansicht nach ein besonders leistungsstarkes Instrument, um enorme Datenmengen analysieren zu können. Davon werden auch Entwickler von autonom fahrenden Automobilen profitieren, die pro Testfahrt mehrere Terabyte an Daten auswerten müssen, um die Fahrfunktionen mittels maschinellen Lernens zu optimieren. Für Henrik Green, dem Entwicklungschef von Volvo, war dies auch der Grund dafür, den Grafikkartenhersteller als Partner zu wählen. Während der Rede von Huang wurde er auf die Bühne gebeten, um dort bekanntzugeben, künftig das Drive AGX Xavier System in die nächsten Generation seiner Fahrzeugmodellen zu verwenden.