Murali Gopalakrishna--NVIDIA自主机器产品管理负责人，总经理

Murali Gopalakrishna负责NVIDIA（英伟达）自主机器人的产品管理。他还领导着专注于机器人、无人机、工业物联网和企业协作产品的业务开发团队。

在2016年加入英伟达之前，Gopalakrishna是平台和技术战略的全球负责人，领导索尼移动通信公司的CTO办公室。他负责的产品包括手机、平板电脑、可穿戴设备以及物联网平台。

Gopalakrishna拥有印度国家工程学院的工程学士学位。

随着经济学家预测机器人和自动化的更大用途，这可能意味着大量的新客户--你会告诉企业领导人如何开始使用自动化？

今天，加强自动化的组织必须接受人工智能（AI）的创新。在制造、运输、医药、科学、金融和能源领域，我们不再争论人工智能是否有效或它是否会发生。它现在就在这里，由NVIDIA GPU和AI技术驱动的产品--在充满活力的开发者社区和合作伙伴生态系统的支持下--正在推动各行业的生产力、可靠性和安全性。

企业领导人也意识到，没有足够的研究人员、数据科学家和工程师具备满足需求所需的技术专长水平。对于希望利用自动化的组织来说，提高人工智能和机器人技术的技能是成功的关键。

COVID-19大流行如何改变了供应链、商业运营、制造流程等领域的业务？

随着家庭和工作场所之间的界限变得模糊，机器人已经将无数的大流行病后的任务自动化，以解决社会距离、工人安全问题和远程工人的智能远程操作需求。此外，人工智能和深度学习（DL）使这些机器人能够在复杂的环境中作为 "协同机器人 "与人类紧密协作，包括仓库、零售店、医院和工业自动化。

无论是自主移动零件和产品，还是目视检查货物的缺陷，制造业的外包也加速了机器人技术部署和自动化的紧迫性。这种转变在以下应用中表现得尤为突出。

在物流，从 "就地取材 "到 "最后一公里配送"，随着对整个供应链和电子商务效率需求的增加，自动化已成为不可或缺的因素。

在医疗保健，为了最大限度地减少接触和支持人员和资源的短缺，机器人在公共和私人空间的药品/用品交付、病人监测、医疗程序、温度检测和紫外线消毒剂的应用中已成为关键。

在零售业，从清洁、库存和安全（温度检测、面具检测、社交距离）到货架扫描和自助结账，自动化已经改变了购物体验。

在制造业，公司正在使用人工智能/DL来创建未来的工厂，利用机器人和cobot进行无接触的制造和检查，以及实现零停机时间，以提高生产力和效率。

您从不断变化的客户群中了解到了什么，特别是在医疗保健、消费品、食品等领域向更多样化应用的转变？

强大的基于GPU的AI-at-edge计算，以及全方位的传感器，今天已经在现场广泛实施。在人工智能和DL的推动下，为实时决策提供感知能力的传感器技术已经彻底改变了自动化和机器人技术的若干领域的进展，包括导航、视觉识别和物体操纵。

在这些多样化的应用中，机器人正在被训练做什么--以及如何改进复杂的任务--最快可在几小时或一夜之间完成（而过去需要几周甚至几个月）。一次性学习、转移学习和模仿学习等人工智能技术不再局限于研究论文；今天，客户在现实世界的部署中使用了许多这些方法的自动化。

在你看来，你期望在未来十年内看到什么是自动化？

虽然自动化在过去十年中取得了重要的进展，但许多任务仍然没有实现自动化。其中许多任务将依赖于机器人变得更加自主的事实。这种从自动化到自主化的转变将推动未来十年的创新用例。英伟达公司正在提供将使世界变得更加自主的技术。随着感知技术、连接性和高性能边缘计算的改进，下一个十年将由全新的工作流程和人工智能工作负载提供动力，真正将自动化改变为零接触、零停机。

早期的机器人能力有限，而且存在安全风险，无法在工厂车间广泛采用。有了人工智能，这些系统将做出实时决策，以确保未来工厂的安全，同时保持和优化生产力。这包括训练机器人感知其环境并作出相应的调整--允许它降低速度、调整力/强度、检测不断变化的工作条件，或在干扰附近的人之前安全关闭。在许多行业中，我们将看到只有固定功能的机器人的日子即将结束，熟练的劳动力将在他们的家中/办公室里控制机器人。

什么因素会推动这些自动化的进步？

关键驱动因素之一是仿真技术能够模拟真实世界的速度。展望未来，像NVIDIA Omniverse和NVIDIA Isaac平台这样的仿真技术将被用于各个方面：从机械机器人的设计和开发，然后对机器人进行导航和行为训练，再到部署 "数字孪生"，在部署到现实世界中进行自主操作之前，在精确和逼真的环境中模拟和测试机器人。

英伟达公司继续研究如何利用人工智能/DL以及基于物理的强化学习（RL）和逼真的模拟，在虚拟环境中训练机械手，然后将其部署到现场。以前将RL应用于机器人和自动化的大部分工作涉及到成千上万的CPU集群；现在我们可以在单个GPU上训练其中的一些RL策略，只需一小部分的时间。

同样，人工智能和DL创新将在明天的机器人和自动化的发展中变得越来越重要。它将使多功能机器人能够动态地配置自己来完成各种任务。所有这些，同时保持同样的速度和效率，如果不是更多的话。

虽然我们都知道停机时间可以帮助缓解压力，但一些有科学依据的研究证实，当你花时间享受办公室以外的生活时，你实际上提高了生产力。你在空闲时间最喜欢做什么事情？

有趣的是，尽管我的孩子们早已长大，但我发现没有什么比看经典动画片的重播和听上一代人的音乐更让人放松了。

NVIDIA 提供完整的端到端机器人平台，以支持现代 AI 机器人的开发。从数据生成到模拟到应用程序开发再到部署，NVIDIA 的完整产品将有助于引领下一波自主机器。用于边缘部署的 NVIDIA Jetson 节能、紧凑、可扩展，并且与 ROS 原生兼容。Isaac sim 平台支持在物理精确模拟环境中训练和测试基于 ROS 的机器人。它还可以提供合成数据生成以增强训练。NVIDIA AI 机器人研究实验室专注于机器人操作、基于物理的模拟和机器人感知等领域，以推进创新和解决现实世界的问题。

VIDIA（Nvidia Corporation，/ɛnˈvɪdiə/；中国台湾与香港繁中名为輝達，中国大陆简中名为英伟达），创立于1993年1月，是一家以设计和销售图形处理器为主的无厂半导体公司。NVIDIA亦会设计游戏机核心，例如Xbox和PlayStation。NVIDIA最出名的产品线是为个人与游戏玩家所设计的GeForce系列，为专业CGI工作站而设计的Quadro系列，以及为服务器和高效运算而设计的Tesla系列，虽然起家于PC电脑的显卡业务，英伟达也曾涉及移动芯片Tegra的设计，但智能机市场对此响应不大，不过近年却利用这些研发经验，目前朝向人工智能和机器视觉的市场发展，也是图形处理器上重要的开发工具CUDA的发明者。不过NVIDIA的发展过程也是非议不断，批评多集中于滥用排他性商业合作、不正当营销方式、对业界开放标准和自由软件运动的拒斥等。

NVIDIA的总部设在美国加利福尼亚州的圣克拉拉位于硅谷的中心位置。

历史

NVIDIA创办人兼首席执行官兼总裁黄仁勋

黄仁勋、克里斯·马拉科夫斯基和卡蒂斯·普里姆于1993年4月美国加州创办了NVIDIA（随后成为特拉华州企业）。NVIDIA保持低调到1997－1998年，当时它发布了RIVA个人电脑绘图处理器产品线。并于1999年1月在纳斯达克挂牌上市；同年5月，售出第一千万个绘图处理器。于2000年收购了一代王者3dfx的知识产权。3dfx是1990年代中期其中一间最大的图形处理器厂商。NVIDIA与许多OEM厂商，和一些组织创建起密切关系，最知名的包括台积电。2002年2月，NVIDIA售出第一亿个绘图处理器。

目前NVIDIA和AMD供应了市场上大部分独立显卡。NVIDIA最著名的GeForce绘图处理器产品线于1999年首次亮相。现在GeForce产品线已经扩展至桌面型和笔记本电脑。移动设备方面，NVIDIA拥有Tegra产品线。它能提供高性能，同时保持低电源消耗。此类产品通常用于无线通信设备。

2020年4月 27日，NVIDIA宣布已完成对Mellanox Technologies, Ltd.（迈络思科技有限公司）的收购，成交价70亿美元。

2020 年 7 月，有报导称英伟达正在与软银谈判以 320 亿美元收购英国芯片设计公司安谋。 2020 年 9 月 13 日，英伟达宣布将以 400 亿美元的价格从软银集团手中收购 Arm Holdings，但须接受通常的审查，后者保留英伟达 10% 的股份。

2021年6月11日，英伟达宣布收购自动驾驶汽车高清地图开发商 DeepMap, Inc.。

产品制造

作为一家无晶圆IC半导体设计公司，NVIDIA于自己的实验室研发芯片，但将芯片制造工序分包给晶圆代工厂。以往，NVIDIA从其他厂商，例如IBM、意法半导体、台积电（NVIDIA目前最重要的代工合作伙伴）和联华电子获得硅芯片生产能力。芯片的供应链需涉及数间第三厂：制造完毕的晶圆由集成电路封装厂进行初步测试与封装作业，之後交由测试厂的测试部门进行深度测试并根据性能分类。依据存货清单，NVIDIA必须提早数月订购芯片，并将之存储起来等待使用。

在最终产品上（指显卡、主板等），NVIDIA会推出所谓原厂“公版”（Reference）产品（称为参考样卡或参考模板）供展示及测试之用，早期产品是由台湾的微星和斯博科、美国的威竣（VisionTek）和新美亚（Sanmina-SCI）、德国的埃尔莎代工，目前由新加坡的伟创力与台湾的鸿海（富士康）、华硕和捷波代工或设计。在零售市场上，NVIDIA会把顶级型号的“原厂”公版产品给各个第三方厂商贴牌，如GeForce 7950 GX2、Quadro FX 5600、nForce 680i SLI等等，这些厂商的产品设计用料完全相同，均由一家厂商代工。在OEM市场上，亦有部分“原厂”公版产品存在。2008年后NVIDIA允许了旗舰级产品的“非公版”（Non-Reference）设计，但只有极少数有实力的厂商（如华硕、技嘉、微星、影驰等）会推出自己设计的产品。2010年10月初，NVIDIA曾透过BestBuy少量销售由富士康代工的NVIDIA品牌“原厂”产品。

主要产品

NVIDIA的产品组合包括绘图处理器、个人电脑平台（主板逻辑核心）芯片组和数字媒体播放器的软件。在Mac/PC用户社区中，NVIDIA的"GeForce"产品线最为人熟悉。除了独立型显卡外，还有微软的Xbox游戏核心和nForce主板（已停产）的核心技术，NVIDIA最近进入的领域是用于手机和平板电脑的ARM芯片，品牌为Tegra至今已推出5代。

在2004年12月，NVIDIA宣布会协助索尼设计PS3的绘图处理器（RSX）。NVIDIA只会负责设计，Sony会负责制造该绘图处理器。根据合约，NVIDIA会使用索尼的芯片厂（索尼和东芝）来制造RSX，并将制程提升至65纳米。这与微软的协议是互相违背的，因为NVIDIA会透过第三者制造Xbox的绘图处理器。（其间微软选择了AMD去提供Xbox 360的绘图硬件的IP设计。任天堂的GameCube和Wii亦采用ATI的绘图处理器。）

2008年2月11日，NVIDIA发布了用于手机平台的APX 2500应用处理器。该处理器集成了一个ARM处理器和一个显示核心。这款处理器是由NVIDIA和微软联合研制，方面应用于使用Windows Mobile的电话中，提高Windows Mobile平台的多媒体处理能力。芯片的制程是65nm，核心频率750 MHz，并集成256KB的L2缓存。芯片亦内置GeForce核心，支持OpenGL ES 2.0和Direct3D Mobile标准。APX 2500属于ARM架构，其低耗电设计，使手提电话可以长时间播放音乐或720p高清晰视频。

NVIDIA于2008年12月发布了一支持Intel Atom处理器的NVIDIA ION移动平台，主打轻薄桌面型市场，可以支持DirectX 10的内置显示芯片性能是原本英特尔官方945GSE芯片组的5倍，让迷你电脑也有部分游戏能力；它解决了Atom没有GPU、无法支持高清、无法支持数字显示、屏幕需小于10英寸、不能支持更高版本的Windows Vista的种种问题。

在2011年1月5日的CES上，NVIDIA宣布将自行设计与研发基于ARM架构的台式机CPU，产品代号Project Denver（丹佛项目）。其处理器能够支持微软下一代桌面系统Windows 8以及行动平台上的Android、苹果iOS等。相比之前的Tegra产品，NVIDIA总裁表示这将是一颗高度定制的“ARM兼容CPU”，即获得ARM指令集授权，但处理器微架构则完全由NVIDIA自行开发，以更高性能面向桌面、服务器甚至高性能计算市场。届时NVIDIA基于ARM架构的处理器将在市场上与英特尔和AMD等基于X86架构的处理器直接竞争。

在GTC 2020主题演讲中，NVIDIA宣布推出Ampere架构，是NVIDIA 8代GPU历史上最大的一次性能飞跃，包含超过540亿个晶体管，是有史以来最大的7纳米芯片，性能相较于前代提升了高达20倍，

NVIDIA A100是首款基于NVIDIA Ampere架构的GPU，全新多实例GPU技术可将单个A100分割成最多七个独立的GPU来处理各种计算任务；第三代NVIDIA NVLink技术能将多个GPU组合成一个巨型GPU；全新结构化稀疏功能将GPU的性能提高一倍。具有TF32的第三代Tensor Core核心 ，其功能经过扩展后加入了专为AI开发的全新TF32，它能在无需更改任何代码的情况下，使FP32精度下的AI性能提高多达20倍。此外，Tensor Core核心现在支持FP64精度，相比于前代，其为HPC应用所提供的计算力比之前提高了多达2.5倍。

2020年，NVIDIA发布软件开发包NVIDIA Maxine。