Avec la plateforme Drive PX 2, Nvidia préfère la voiture autonome à la mobilité

La puissance du Drive PX 2 est démentielle avec 8 Tflops assurés par deux GPU Pascal (les successeurs de Maxwell), mais aussi par l’intermédiaire de deux processeurs totalisant 12 cœurs (huit Cortex-A57 d’ARM et quatre cœurs Denver). Nvidia précise que la plateforme fait la part belle aux calculs de deep-learning avec une puissance de 24 Tops. Malgré la gravure en 16 nm FinFET, la consommation de la plateforme est de 250 watts, ce qui oblige Nvidia a avoir recours à un système de refroidissement liquide.

L’équivalent de 150 MacBook Pro dans le coffre

La taille reste modérée – Nvidia fait le parallèle avec une boîte à déjeuner – alors que la puissance serait équivalente à 150 MacBook Pro. Nvidia met l’accent sur le deep learning pour sa nouvelle plateforme. Celui-ci est déjà utilisé sur de nombreux services, comme chez Google, Facebook, Microsoft ou encore IBM avec Watson. Ces services ont tous le point commun d’utiliser des GPU Nvidia. Pour Jen-Hsun Huang, la conduite autonome passera donc par le deep learning.

La carte bancaire d’exception gratuite*

Découvrez enfin une carte bancaire de prestige : la World Elite Mastercard de Fortuneo est conçue pour vous offrir des services adaptés à votre style de vie et toutes vos envies

Sponsorisé

Découvrir les avantages de la carte World Elite

Justement, le deep learning a récemment fait la une de l’actualité dans le domaine de l’automobile. Le célèbre hacker geohot a créé une solution de voiture autonome basée justement sur le machine learning. Une plus grande puissance de calcul permet ici d’accélérer l’apprentissage des voitures, qui seront toutes reliées entre elles pour apprendre des erreurs ou des réussites les unes des autres.

Drivenet : le réseau d’intelligence artificielle de Nvidia

Nvidia a créé une plateforme de référence pour donner l’exemple aux constructeurs automobiles : Drivenet. La plateforme de Nvidia utilise le réseau d’apprentissage Nvidia Digits pour rapidement apprendre à détecter de nombreux types d’objets : le taux de détection de la plateforme de détection est passé de 39 % en juillet 2015 à 88 % en décembre dernier. L’intérêt du deep learning est de permettre à un système d’apprendre rapidement de lui-même, sans avoir besoin d’écrire des milliers de lignes de code, en économisant des mois, voire des années de travail. La plateforme de développement a ainsi pu apprendre à reconnaître 120 millions d’objets en un mois par l’intermédiaire des caméras.

Les constructeurs utilisent la solution de Nvidia

Audi a utilisé le réseau de Nvidia pour « apprendre » aux voitures les signes de la route. En 4 heures, le système disposait d’un taux de reconnaissance de 96 %. Un score énorme comparé aux systèmes conventionnels qui ont mis des années à s’approcher de ce taux. BMW et Chrysler souhaiteraient eux aussi utiliser ces systèmes à l’avenir. Ford va aussi utiliser le réseau de Nvidia pour améliorer la détection des piétons. Mais Volvo est le premier constructeur (et pour le moment le seul) qui embarquera le Drive PX 2 de Nvidia dans plusieurs modèles de voitures pour la conduite autonome.

La mobilité mise de côté

Avec son Drive PX 2 et son réseau Digit, Nvidia mise clairement sur l’automobile pour son futur. On ne peut malheureusement pas cacher notre déception de ne voir aucune annonce du côté du monde de la mobilité, avec par exemple un Tegra Y1 utilisant un GPU Pascal avec une gravure en 16 nm pour une consommation inférieure aux Tegra K1 et X1 ou encore tout simplement la fameuse Tablet X1 en développement. On espère alors que Nvidia n’abandonnera pas le domaine de la mobilité et notamment le marché des tablettes et des box Android TV dans lesquels elle parvient à secouer les autres concepteurs de puces avec une puissance GPU largement supérieure comme sur la Shield Android TV ou la Shield Tablet Tegra K1.