Сотрудник компьютерной фирмы Nvidia создаёт суперкар

Адам Пинтек (Adam Pintek), сотрудник компании Nvidia создаёт Суперкар GT90 .

Сколько Адам себя помнит, он был помешан на суперкарах. Он всегда мечтал владеть мощной спортивной машиной. Но мечты оставались мечтами. Из-за высокой стоимости спортивных машин, Адам не мог себе позволить приобрести вожделенный суперкар.

Однажды он подумал, что единственный путь осуществить свою мечту – сделать свой собственный спорткар самому.

Адам вырос в Портвилле (Porterville), штате Колифорния, где все его друзья были увлечены машинами и постоянно работали над какими-нибудь проектами. Это была отличная среда для обучения и было кому задать интересующие вопросы.

Во время учёбы в старших классах школы и после поступления в колледж, Адам постоянно занимался тюнингом машин, научился изготавливать панели кузова из стекловолокна, настраивал и форсировал двигатели. Теперь, после более десяти лет накопления опыта, он решил создать свой собственный суперкар. Его целью стало создание суперкара, который бы превосходил по своим характеристикам автомобили Bugatti, Koenigsegg и Lamborghini.

Суперкар Адама имеет двигатель V8 , объёмом 6.2 литра с двумя турбочарджерами, который располагается по середине машины.

Адам Пинтек работает в компьютерной компании Nvidia и вдохновился своим проектом, играя в Need For Speed 2, из которой впервые узнал о Ford GT90 1995 года. Он влюбился в эту машину. Дизайнеры GT90 в свою очередь взяли идею дизайна кузова с самолёта Стелс. Ford GT90 не походил не на одну машину. Этот автомобиль был анонсирован компанией Ford, как концепт, но никогда не выпускался серийно. Это дало Адаму огромный стимул для создания несуществующего автомобиля, единственного в своём роде.

Проект суперкара пока не завершён, но постоянно продвигается. Адам Пинтек сотрудничает с механиками Формулы 1 для обсуждения технических моментов при создании автомобиля. Он разделил процесс создания спорткара на стадии и в течении каждой стадии концентрируется на реализации конкретных запланированных вещей. Это помогает не распыляться и не затягивать общий процесс создания автомобиля мечты. Последняя стадия будет включать форсирование двигателя, настройку подвески, тестирование и дороботку всех механизмов и систем автомобиля.

По завершении проекта суперкар будет иметь следующие характеристики:

Двигатель V8 6.2 литра twin-turbo, расположенный по середине автомобиля.
Мощность 1000 лошадиных сил.
Стальная рама, сваренная из труб.
Вес около 1300 кг.
Многорычажная подвеска.
Задний привод колёс.
6 ступенчатая механическая трансмиссия.

Проект в целом нельзя назвать любительским, так как сам владелец будущего суперкара более 10 лет плотно занимается тюнингом автомобилей и постоянно советуется с профессионалами. На текущей стадии автомобиль уже очень похож на оригинальный концепт Ford GT90 .

Примечание: Ford GT90 – концепт автомобиля, который был впервые анонсирован в январе 1995 года на автошоу в Детроите. На шоу машину представили как «самый мощный суперкар». Максимальная скорость Ford GT90 составляла 407 км/ч. Мощность двигателя – 720 лошадиных сил. Концепт был оснащён двигателем V12 с четырьмя суперчарджерами. Производители рассказывали, что возникла необходимость изготавливать и ставить выпускную систему из керамики, так как металлическая так сильно нагревалась, что повреждала панели кузова.

Ford GT90 имел среднее расположение двигателя. Панели кузова были изготовлены из карбона.

Суперкар GT90 был сделан как секретный проект небольшой командой инженеров за 6 месяцев. Рама и подвеска были заимствованы от Jaguar XJ220 . Компания Ягуар в то время принадлежала Форду.

Копьютерная 3D модель суперка Ford GT90 присутствовала в составе гоночных моделей таких игр как Need for Speed 2, Ford Racing 2, Progect Gotham Racing 3 и пр.

Спорткар GT90 также засветился в программе TOP GEAR . Руководство компании гордилось этим концептом и планировало начать серийное производство, но по каким-то причинам Ford GT90 остался лишь концептом 1995 года.

Ещё интересные статьи:

Американец переделал болид Формулы‑1 для езды по дорогам общего пользования

Почему цвет бамперов отличается от цвета кузова?

Краткая история компании NVIDIA в видеокартах GeForce серий GT, GTX и RTX

Краткая история компании NVIDIA в видеокартах GeForce серий GT, GTX и RTX

Компания была основана в 1993 году. На III квартал 2018 года NVIDIA была крупнейшим в мире производителем PC-совместимой дискретной графики с долей 74,3% (статистика включает все графические процессоры, доступные для прямой покупки конечными пользователями — GeForce, Quadro и ускорители вычислений на базе GPU Tesla). По состоянию на январь 2018 года численность сотрудников превышала 11,5 тысяч человек. Штаб-квартира компании находится в городе Санта-Клара, штат Калифорния (США).

Название RIVA является акронимом Real-time Interactive Video and Animation, а цифра 128 указывает на разрядность шины. Главной “фишкой” GPU является технология рендеринга, основанной на квадратическом маппинге текстур, который не поддерживался в Direct3D.

В 1998 году была выпущена Riva TNT – комбинированный 2D/3D ускоритель

Суффикс TNT означал, что чип способен работать с двумя текселями одновременно, а TNT сокращение от TwiN Texel. Для справки: Тексель это минимальная единица текстуры 3D объекта, а пиксель наименьшая единица текстуры 2D объекта.

Riva TNT2
В начале 1999 года компания NVIDIA начала производство графического процессора пятого поколения.

Riva TNT2 была доработанным вариантом TNT: добавлена поддержка AGP интерфейса, техпроцесс уменьшился до 250-нм, а частота чипа выросла с 90 до 150 мегагерц.

GeForce 256
Всё в том же 1999 году появился первый GPU из линейки GeForce.

Название GeForce появилось в результате конкурса, который проводился компанией. Главной фишкой GeForce 256 являлось наличие встроенного геометрического процессора, а также появился аппаратный блок трансформации и освещения (T&L). Кроме того именно с GeForce 256 началось использование самой быстрой на тот момент памяти DDR.

GeForce 2
В 2000 году на свет появился новый графический процессор, ядро которого было самым совершенным и производительным на то время.

Всего на базе GeForce 2 появилось более десятка модификаций, отличавшихся друг от друга разными частотами и шириной шины памяти. Именно в линейке GeForce 2 появились первые вариации для старшего модельного ряда, обозначенные суффиксом Ti – Titanium. Основу бюджетной линейки составляли карты с приставкой MX. К слову, в основу первого чипсета для материнских плат nForce легли именно GeForce 2 MX.

Следуя своему 6-месячному циклу, уже в 2001 году, компанией было представлено новое поколение графических процессоров – GeForce 3.

Следует отметить, что в отличие от GeForce 2, у GeForce 3 не было GPU начального уровня, все вариации обладали высокими на тот момент частотами, 256-битной шириной шины памяти, а также 128 битной DDR памятью. Тогда же появился шейдерный движок nfiniteFX.

GeForce 4
В 2002 году появилось четвертое поколение видеокарт GeForce, под этим именем выпускалось две линейки карт, Ti – высокопроизводительные, и бюджетные с приставкой MX.

И если старшая линейка GF4 продолжала развивать архитектуру GeForce 3, то бюджетная линейка ограничилась архитектурой GeForce 2. Ядро бюджетной модели GeForce 4 MX легло в основу чипсета nForce 2.

GeForce FX. Пятое поколение процессоров GeForce появилось в 2003 году.

Приставке FX карты обязаны новой версии шейдеров Shader Model 2.0, на тот момент продвигавшими графику на новый кинематографический уровень.

GeForce 6. В 2004 году появилось шестое поколение микропроцессоров от компании NVIDIA.

Примечательной особенностью GeForce 6 являлась обработка видео PureVideo, наличие технологии SLI, а также поддержка Shader Model 3.0.

GeForce 7
Седьмое поколение графических процессоров NVIDIA появилось в 2005 году.

Линейка GeForce 7 не привнесла каких-либо революционных нововведений, однако вполне успешно продолжила развивать заложенные технологии в GeForce 6. Например, за счет изменений в поточно-конвейерной архитектуре удалось добиться повышения производительности в полтора раза, при том же количестве потоковых конвейеров.

GeForce 8
В 2006 году состоялся выпуск восьмой серии графических акселераторов GeForce.

Эта серия имела унифицированную шейдерную архитектуру, благодаря которой изменилось представление о специализированном графическом конвейере. Например, унифицированные процессоры могли проводить как геометрические, так и пиксельные, вершинные и даже физические рассчеты. Также GeForce 8 дал свет программно-аппаратной архитектуре параллельных вычислений, которая называется CUDA (Compute Unified Device Architecture).

В 2008 году появилось девятое поколение графических процессоров GeForce 9.

Новый графический чип использовал доработанную архитектуру Tesla, заложенную в предыдущей модели карт GeForce 8. Следует отметить, что эта архитектура послужила базой для карт серий: GeForce 8, GeForce 9, GeForce 100, GeForce 200 и даже GeForce 300, настолько успешной на тот момент оказалась Tesla. Относительно GeForce 9 примечательной особенностью было очередное уменьшение техпроцесса до 65нм, а позднее и до 55нм, что положительно сказалось на габаритах печатных плат, а также на энергоэффективности конечного решения.

GeForce 100
В 2009 году появилось десятое поколение графических процессоров семейства GeForce.

Самой младшей в линейке являлись карты сотой серии, о которых мало кто слышал у нас, по причине нацеленности карт на ОЕМ-рынок. Относительно технических характеристик, то G150 были урезаны вдвое относительно GTX9800, GT130 были немногим лучше GeForce 9600GSO, а G100 являлась картой начального уровня и уступала в возможностях GT9400.

GeForce 200
Всё в том же 2009 году на рынке появилось логическое продолжение карт 9 серии в лице GeForce 200.

Первыми свет увидели GTX 280 и GTX 250, которые поддерживали технологию CUDA версии 2.0, PhysX а также улучшенную PureVideo с поддержкой декодирования видео в формате H.264, VC-1 и MPEG-2. Кроме того картами поддерживался DirectX 10 и Shader Model 4.0. Позже вышедшие 210/G210, GT 220 и GT240 получили поддержку DirectX 10.1 и Shader Model 4.1

GeForce 400
В 2010 году появилось новое поколение графических процессоров, основанное на архитектуре NVIDIA Fermi, первом ускорителе в арсенале компании с поддержкой DirectX 11.

Примечательной особенностью чипа является поддержка технологий DirectCompute и OpenCL, позволяющих проводить вычисления компьютерной графики при помощи графического процессора. Также появилась поддержка Shader Model 5.0

GeForce 500
В 2010 году компания продолжила развивать архитектуру Fermi.

Графический процессор получил поддержку технологий: 3D Vision Surround, CUDA, PhysX, а также 3-Way SLI. Карты на базе GTX 590 получили поддержку NVIDIA Quad SLI. Следует отметить, что улучшения коснулись не только новых технологий, но и была проведена работа по повышению общей производительности, а также по снижению энергопотребления, по сравнению с картами предыдущего поколения.

GeForce 600
В 2012 году, спустя два года после своего анонса, миру были представлены первые графические процессоры на основе новой архитектуры Kepler.

Новая архитектура подразумевала под собой не только ряд нововведений, среди которых есть технология GPU Boost, динамически управляющая частотой чипа, но и поддержка Nvidia TXAA. Однако самой главной особенностью 600 серии является переход на 28нм техпроцесс, что благоприятно сказывается на эргономичности и энерегоэффективности конечных решений. К слову, карты 600 серии получили поддержку не только DirectX 11.0, но и частично еще не вышедшей DirectX 12

GeForce 700
В 2013 году появились карты семейства GeForce 700, которые были представлены как на базе предыдущей архитектуры Kepler, так и новейшего Maxwell.

Читать еще: Самодельные спорткары La Bala Стива Грабера

Следует отметить, что первыми ласточками в 700 серии стали карты GeForce GTX Titan и GTX 780 – флагманские карты, демонстрирующие всю мощь архитектуры Kepler. В 2014 году начали выходить карты GeForce GTX 750 и GTX 750 Ti на основе архитектуры Maxwell. Основной фишкой архитектуры можно назвать как динамическое разрешение для сглаживания неровностей без ущерба производительности, так и развитие технологии CUDA. Совместимость с DirectX 12 является немаловажным фактором как для геймеров, так и для разработчиков.

GeForce 900
Новейшая линейка видеокарт 900 серии основана на архитектуре Maxwell.

На данном этапе на рынке представлены две карты высшего ценового диапазона, относящихся к 900 серии – это GTX 970 и 980, а также среднего ценового диапазона GTX 960. Энергоэффективность на ватт у карт существенно возросла в отношении предшествующей линейки карт, а также снизилась теплоотдача, что выгодно сказалось на температурных режимах.

GeForce GTX 10 – Совершенство для игр

8 июля 2016 года была представлена видеокарта среднего ценового диапазона GeForce GTX 1060, сопоставимая по производительности с GeForce GTX 980, но потребляющая намного меньше энергии.

22 июля 2016 года компания NVIDIA представила профессиональную видеокарту NVIDIA TITAN X (Pascal) (не путать с видеокартой предыдущего поколения GeForce GTX Titan X (GM200), однако она не относится к игровой серии видеокарт, несмотря на то, что она основана на новом флагманском чипе GP102. Однако по обещаниям компании в дальнейшем должен выйти игровой аналог новинки.

1 марта 2017 года в ходе мероприятия GDC 2017 компания NVIDIA представила видеокарту GeForce GTX 1080 Ti, которую глава компании назвал самым мощным игровым графическим ускорителем в мире. По словам NVIDIA, новинка на 35 % производительнее GeForce GTX 1080 и обходит даже Titan X Pascal.

GeForce RTX 20 Series — семейство графических процессоров NVIDIA, представленное 20 августа 2018 в рамках конференции Gamescom. Чипы семейства GeForce RTX 20 основаны на новой архитектуре Turing, названной в честь английского математика, логика и криптографа Алана Тьюринга. Заявлено увеличение производительности до 6 раз в области трассировки лучей по сравнению с графическими процессорами предыдущего поколения. В продаже с 20 сентября 2018 года.

Серия GeForce RTX 20 поддерживает трассировку лучей в реальном времени, которая реализована с помощью новых RT-ядер. Для увеличения детализации изображения используются решения на базе искусственного интеллекта

Ещё больше интересного материала, качественного косплея и превосходных артов вы сможете найти здесь!

А какой была ваша первая видеокарта?

Как Хуанга отправили не в ту школу

Хуанг родился (под именем Жень-Сюнь Хуан) 17 февраля 1963 г. в г. Тайнань (Тайвань), потом родители перебрались в Таиланд. В 1973 г. в Таиланде начались волнения, которые переросли в революцию 14 октября. Родители отправили девятилетнего Хуанга с 10-летним братом в безопасное место – в США, к дяде и тете. Те недавно мигрировали в Такому (Вашингтон) и плоховато знали язык. Они-то думали, что отдают племянников в пансионат, готовящий к поступлению в колледж. А на самом деле устроили их в баптистский колледж коммуны Онайда для трудных подростков. Его основали в 1890 г., чтобы подростковые банды перестали резать друг друга. С тех пор нравы смягчились, но все равно у ребят в кармане были ножи, которые они пускали в ход, если дело доходило до драки. Порезы были нередким делом, вспоминал Хуанг в интервью радио NPR.

Детей со всей округи пугали, что, если они будут хулиганить, их отправят в колледж Онайды. Местных ребят туда принимали бесплатно, но никаких поблажек не давали. Хуанг вспоминает, что приучился работать не покладая рук. Учебой их буквально заваливали, а в свободное время школьники должны были работать. Брат трудился на табачной фабрике. Хуанг не вышел возрастом для такой работы, поэтому он драил все туалеты в общежитии.

Хуанг не был хулиганом. Но школа приучила его держать удар, подниматься, если тебя сбили с ног, и не бояться жестко высказываться, уверял сооснователь Nvidia Крис Малачовски. И, несмотря на другой разрез глаз, братья не стали объектом для издевательств. Отчасти благодаря Хуангу, который научился заключать альянсы со старшеклассниками. Он попытал силы в роли наставника: учил читать своего 17-летнего соседа по комнате, всего покрытого тату и шрамами от ножа.

Как возникла Nvidia

Прошло еще полтора года. Родители Хуанга сами перебрались в США и вместе с детьми обосновались в Орегоне, где те пошли в нормальную школу. Еще в колледже Онайды он подружился с парнем, наполнявшим автоматы газировкой и снеками, и тот обучил его игре в настольный теннис. Этот вид спорта так увлек Хуанга, что чуть не стал его карьерой. В 14 лет Хуанг появился как юное спортивное дарование на страницах журнала Sports Illustrated, а в 15 лет занял 3-е место в парной игре на турнире US Open.

Другим его увлечением стали компьютеры. Тяга к технике – дело семейное: отец работал инженером-химиком и метрологом (специалист по измерительным приборам). Сам Хуанг окончил Университет Орегона с дипломом инженера-электрика.

Хуанг уверен, что к 2028 г. автопилот для машины станет обыденной вещью. Но не верит, что он полностью вытеснит человека из-за руля: «Машина, которая полностью автономна везде, в любых условиях, – эта фантастическая машина не будет создана через 5–10 лет Как взять все эти вещи, которые называют навыками вождения, и закодировать их для машины? Это довольно непросто К тому же эти компьютеры не должны давать сбоев. Мой лэптоп время от времени зависает Как вы создадите компьютер, который обнаруживает, что завис, и продолжает работать? Который, зависая, не зависает?» К тому же Хуанг любит сам гонять за рулем. В его гараже побывали Ferrari 430, Ferrari 599 и шведский суперкар Koenigsegg CCX. «Мы не прекратим водить. Но мы можем водить меньше» (цитаты по Fortune).

Главным итогом обучения в вузе он считает женитьбу. С будущей миссис Хуанг они вместе работали в лаборатории. Супруги перебрались в Кремниевую долину, где Хуанг стал сотрудничать в компаниях – разработчиках процессоров AMD и LSI Corporation, воспитывал двух детей и заочно получал второе образование в Стэнфорде. При такой загрузке ему понадобилось восемь лет, чтобы получить диплом. Магистром он стал в 1992 г., будущее казалось предопределенным: 29-летний работник крупной компании с хорошими карьерными перспективами.

А вот у его приятелей Кертиса Прэма и Малачовски случилась беда. Оба работали в Sun Microsystems (производитель ПО и компьютерного оборудования, поглощена Oracle) и заспорили с начальством, в каком направлении развивать их исследования. Дело кончилось заявлениями об уходе. Безработные приятели задумались о собственном бизнесе. Они встретились с Хуангом в ресторане, чтобы обсудить, чем бы заняться с пользой и прибылью. Разговор имел два важных последствия. Первое – все трое были завзятыми игроманами и сошлись на том, что рынок видеоигр быстро растет, а его главная проблема – ущербная графика. Выпуск видеокарт – перспективнейшее направление бизнеса. Второе – Хуанг уволился, троица собрала сбережения (получилось $40 000 и еще $20 млн собрали от инвесторов, в частности Sequoia Capital) и была основана компания Nvidia.

Почему Nvidia называется Nvidia

Название для компании долго не придумывалось. Вместо него писали NV – аббревиатуру next version («следующий вариант» – англ.). Когда бренд понадобился позарез, друзья сели и перебрали разные слова, где было сочетание NV. Им понравилось латинское invidia – «чувство зависти», «ревность», – которое напоминало слово «видео». На том и порешили.

Первый офис компании располагался в небольшом здании около скоростного шоссе в Калифорнии. Сотрудники обедали на столе для пинг-понга и делили туалет с работниками соседней фирмы. Место было неспокойное. Общую с отделением банка Wells Fargo парковку Nvidia несколько раз грабили, пока они были соседями.

Через два года работы, в 1995 г., Nvidia выпустила первую видеокарту NV1. После этого компании пришлось списать $10 млн и уволить половину сотрудников. NV1 неплохо просчитывала трехмерную графику, но уступала конкурентам в обработке двухмерных изображений и звука. Стартапу подложил свинью и Билл Гейтс: в том же году Microsoft представил технологию для разработки трехмерных игр DirectX 1.0, основанную немного на других принципах, чем видеокарта Nvidia. Хуанг добавил в свою карту поддержку DirectX, но программно, а не аппаратно, так что скорость обработки графики оставляла желать лучшего.

IT-компания
Акционеры (данные Refinitiv):
Дженсен Хуанг (3,5%), крупнейшие институциональные инвесторы – Fidelity Management & Research Company (8,01%), Vanguard Group (7,3%), в свободном обращении – 95,8%.
Капитализация (на 24 декабря) – $77,5 млрд.
Финансовые показатели
(девять месяцев финансового года, закончившиеся 28 октября 2018 г.):
выручка – $9,5 млрд,
чистая прибыль – $3,6 млрд.
Основана в 1993 г. Производит графические процессоры, которые применяются в индустрии видеоигр, автопроме, сфере профессиональной визуализации и др.

Хуанг терпеть не может сидеть в одном и том же кабинете и мигрирует по компании, обустраивая себе офис то в одной переговорной, то в другой. Он охотно болтает с работниками, помнит, как зовут их жен, и интересуется детьми. Но попробуйте допустить ошибку – он проедется по вам катком. «Вы прососали? Тогда просто встаньте и признайтесь», – цитирует один из его разносов Wired. Команду, которая не достигает поставленных целей, он берет под личное кураторство. Журнал советует: если возникает проблема, менее болезненно попросить Хуанга о помощи, нежели скрывать трудности.

Bloomberg считает, что Хуанг по-прежнему управляет Nvidia как будто стартапом. Он моментально принимает решения и требует их немедленного исполнения. Во время совещания он может прервать руководителя, позвонить его подчиненному – инженеру и напрямую уточнить техническую информацию.

Но его компания славится тем, что редко ошибается и практически никогда не делает этого дважды. На сложном рынке графических процессоров это залог выживания. Cirrus Logic, 3dfx Interactive, Pseng Labs, s3, Rendition, Chips and Technologies – все они когда-то были лидерами этого рынка, а теперь канули в небытие или зарабатывают в других сферах, перечисляет Wired.

Nvidia осмыслила первый неудачный опыт. Еще через два года, в 1997 г., компания выпустила следующую видеокарту, которая быстро стала народной – RIVA 128. Хуанг приказал своим инженерам внедрить аппаратную поддержку Direct3D, и это заложило почву для дальнейшего сотрудничества с Microsoft. Позже Гейтс выберет Nvidia поставщиком графических процессоров для игровой консоли Xbox. На разработку чипа Хуанг получил аванс в $200 млн – больше, чем Intel за адаптацию процессора Pentium III для этой же приставки. Еще позже Sony станет устанавливать на PlayStation 3 видеокарты Nvidia.

В беседе с Wired один из топ-менеджеров Nvidia объяснил ее успех просто: технологии очень важны, но важнее всего календарь выпуска новых продуктов. В какой-то момент компания поняла, что пульс компьютерного рынка бьется четко и предсказуемо. Дважды в год производители компьютеров выпускают новинки. Поставщиком для них они возьмут компанию, которая способна разработать для них видеокарту точно в срок, без опозданий.

Но ни Хуанга, ни Nvidia особо не знали за пределами Кремниевой долины до тех пор, пока Fortune не назвал его бизнес-персоной 2017 г. Хуанг стал первым в списке 20 гендиректоров – благодаря рентабельности бизнеса он обогнал таких грандов, как Джефф Безос, Марк Бениофф и Марк Цукерберг, отмечало американское интернет-издание Observer.

Читать еще: Самодельный норвежский автомобиль Scorpione 1972 года

Хуанг рассчитывает снять сливки и с революции на рынке видеоигр. Сейчас играть в продвинутые игры со сложной графикой можно с мощных персональных компьютеров и игровых консолей вроде PlayStation. А что если все вычисления будут производиться не на аппаратуре пользователя, а в облаке – а пользователь будет получать только видеокадр? Тогда игроманам не нужны будут мощные и дорогие устройства, достаточно будет хорошего интернет-соединения. Играть с высоким качеством разрешения графики можно будет и на телефоне, и на дешевом планшете, и на древнем ноутбуке. Это резко увеличит аудиторию видеоигр. Nvidia тестирует подобный сервис под названием GeForce Now. Уже год он доступен в тестовом режиме владельцам PC и Mac.

Как Хуанга подвели криптовалюты

Не все рынки покорялись Nvidia. Например, попытка оседлать революцию смартфонов с помощью чипа для мобильных телефонов и модема оказалась не очень удачной, утверждает Forbes. Эти продукты проиграли конкуренцию ветеранам отрасли вроде Qualcomm. Но часть технологий для смартфонов Хуанг использовал при создании процессора для самоуправляемых автомобилей. «Он не убивает своих любимцев, а переквалифицирует их», – говорил Forbes один из аналитиков.

Другой ошибкой компании стала ставка на бум криптовалют: видеокарты отлично подходят для майнинга и на пике увлечения биткойном оказались в дефиците. В августе этого года Nvidia опубликовала отчетность за II квартал. Выручка от продаж графических процессоров для майнинга оказалась $18 млн, тогда как компания рассчитывала на $100 млн. После этого стоимость акций упала на 6%.

Несмотря на это, в последнем рейтинге лучших гендиректоров мира Harvard Business Review Хуанг занял 2-е место (рейтинг выходит в конце октября – начале ноября; в прошлом году Хуанг был в нем третьим). Решающую роль в методике играл совокупный доход акционеров.

Но стоимость акций падает на глазах. Настоящий обвал случился после публикации данных за III квартал и прогнозов на IV квартал. В конце лета котировки, пробив $250 за акцию, стремились вверх. Осенью начали падение и сейчас торгуются ниже $130. Опрошенные CNN аналитики считают, что компанию подкосил не крах криптовалют, а чрезмерный оптимизм, с которым она прогнозировала собственную выручку. На Nvidia с одной стороны давит AMD на рынке обработки больших данных, а с другой – Intel с ее проектами для беспилотных автомобилей. Финансовые показатели Nvidia нельзя назвать плохими. В III квартале выручка увеличилась по сравнению и со II кварталом (на 2%), и с III кварталом 2017 г. (на 21%). Увы, этого оказалось недостаточно для уверенности биржевых игроков в будущем компании.

«Сейчас великое время!» – не терял оптимизма Хуанг в беседе с Barrons. Продажи микрочипов для компьютерных игр, самоуправляемых машин, дата-центров постоянно растут. А выпуск чипов для искусственного интеллекта (искин) увеличивается «более чем трехзначными темпами».

Уже сейчас треть покупок в Amazon делается по рекомендации искина, роль этой технологии для ритейла будет становиться все более важной по мере того, как компьютеры смогут обрабатывать все большие массивы данных, объясняет Хуанг, доказывая, что у его компании отличные перспективы роста (цитата по британскому интернет-изданию Compelo).

«Нечто невероятное, что случится на следующем этапе развития, – искусственный интеллект научится самостоятельно создавать искусственный интеллект», – цитирует Хуанга Fortune. В будущем у компаний будет собственный искин, наблюдающий за всеми операциями, от разработки продукта и закупки сырья до клиентского сервиса, уверен основатель Nvidia. Может оказаться, что во многих из них постоянно повторяется определенный паттерн. Искин напишет программное обеспечение для создания искусственного интеллекта, который автоматизирует этот процесс. «Потому что мы [люди] не в состоянии этого сделать. Это слишком сложно», – заключает Хуанг.

Естественно, это грозит потерей рабочих мест. Немало людей останется без работы, так как «грузовики, такси, автобусы – каждое движущееся средство станет автономным в течение ближайших 10 лет». «Практически каждая индустрия, о которой мне известно, сейчас работает над самоуправляемыми механизмами Миру нужно по меньшей мере вдвое больше водителей грузовиков, вдвое больше фермеров и, наверное, вдесятеро больше строительных рабочих. Автоматизация требуется в важнейших отраслях В некоторых из них сократится количество рабочих мест, мы точно не знаем, как изменятся эти профессии. Но возникнут новые профессии – например, обучать компьютеры рутинной работе, которой мы не хотим заниматься, и дело кончится тем, что рабочих дней у человека станет меньше», – мечтает Хуанг (цитата по Compelo).

Новости про NVIDIA и суперкомпьютеры

NVIDIA выпускает Jetson Xavier NX

Компания NVIDIA выпустила новый ускоритель, который она назвала «самым маленьким и мощным суперкомпьютером ИИ для роботов и передовых встраиваемых вычислительных устройств».

Будучи меньше кредитной карты, энергоэффективный модуль Jetson Xavier NX обеспечивает производительность серверного уровня, до 21 триллиона операций в секунду при современной ИИ-нагрузке. При этом он потребляет лишь 10 ватт.

Модуль NVIDIA Jetson Xavier NX

В качестве сферы применения, разработчики называют малые коммерческие роботы, дроны, средства оптического контроля, сетевые видеорекордеры, портативные медицинские устройства и прочие промышленные системы интернета вещей.

Характеристики Jetson Xavier NX таковы:

Модуль Jetson Xavier NX будет доступен с марта 2020 года по цене 400 долларов.

NVIDIA ускорила свой «самый большой в мире GPU»

В ходе GTC 2018 исполнительный директор NVIDIA Дзень-Хсунь Хуан, или как его традиционно зовут Дженсен, представил миру самый большой GPU , систему для вычислений под названием DGX-2.

Этот сервер содержит 16 графических процессоров Tesla V100 и 512 ГБ видеопамяти HBM2, образуя вместе один гигантский графический процессор с общей памятью. Вся эта мощь предназначена для центров обработки данных и искусственного интеллекта, и теперь DGX-2 стал чуточку быстрее за счёт повышения лимитов энергопотребления.

Ускоритель NVIDIA DGX-2 на базе процессоров Tesla V100

Изначально энергопотребление Tesla V100 декларировалось на уровне от 300 Вт до 350 Вт. Теперь же лимит поднят до 450 Вт. Процессоры сервера также стали другими. Вместо Intel Platinum 8168 компания установила куда более быстрый Intel Platinum 8174.

Ускоритель NVIDIA DGX-2 на базе процессоров Tesla V100

Увеличение лимита подняло общее энергопотребление системы с 10 кВт до 12 кВт. Производительность же возросла с 2 петафлопс до 2,1 петафлопса. Не сильно впечатляет. Однако повышение частоты GPU должно значительно поднять производительность, так что в таком случае повышение энергопотребление может оказаться вполне оправданным.

Цена не первую версию DGX-2 составляла 400 000 долларов. Изменится ли стоимость теперь — пока неизвестно.

NVIDIA обновила свой суперкомпьютер на базе GPU

Дженсен Хуан, глава NVIDIA, в ходе GTC представил обновлённую систему машинного обучения, построенную на ускорителе Tesla V100, однако в отличие от прошлогоднего решения, новый модуль содержит 32 ГБ памяти HBM2.

В прошлом году NVIDIA представила суперкомпьютер для искусственного интеллекта DGX-1. Новая модель DGX-2 имеет удвоенное количество процессорных модулей Tesla V100. При этом DGX-2 имеет вдвое больше доступной памяти.

Суперкомпьютерынй модуль NVIDIA DGX-2

Кроме увеличения производительности вычислений и памяти, NVIDIA также обновила и шину связи. Она заменена новой технологией NVSwitch, которая представляет собой ткань интерконнекта, позволяя связывать до 16 GPU и создавать общее пространство памяти. Прошлая версия позволяла объединять только 8 GPU .

По словам разработчиков, технология NVSwitch в 5 раз быстрее PCI Express , объединённая скорость которой достигает 2,4 ТБ/с.

NVIDIA представила суперкомпьютер Jetson TX2

В ходе Open Compute Summit, прошедшего в калифорнийском Сан-Хосе, компания NVIDIA представила крошечный суперкомпьютер Jetson TX2, который предлагает «вычисления для искусственного интеллекта на передовой».

Система размером с кредитную карту предназначена для промышленных роботов, коммерческих дронов и смарт камер. Новая версия обладает вдвое большей производительностью, по сравнению с предшественником, при энергопотреблении лишь 7,5 Вт.

Наборы разработчиков NVIDIA Jetson TX2 начнут поставляться 14 марта.

NVIDIA представила самый энергоэффективный суперкомпьютер

Известный производитель графических процессоров, компания NVIDIA, представила своё новое вычислительное решение DGX SaturnV, которое по мнению компании является наиболее энергоэффективным суперкомпьютером на планете.

Компьютер был построен для программы искусственного интеллекта NVIDIA. При этом технология даст огромное преимущество любой компании.

«Поэтому мы собрали самый эффективный в мире и один из самых мощных суперкомпьютеров, чтобы оказать помощь в нашей работе», — отмечена компания.

Суперкомпьютер SaturnV помогает NVIDIA в создании ПО для автомобильного автопилота, который является ключевой частью платформы NVIDIA DRIVE PX 2 для автоматического вождения. Также компания занята обучением нейронной сети для понимания конструирования чипсета и крупномасштабной интеграции. В результате, инженеры компании могут работать быстрее и эффективнее. «Да, мы используем GPU , которые помогают нам создавать GPU ». Представитель отметил: «Более важно, что мощь SaturnV даст нам возможность обучать и создавать новые сети глубокого обучения быстрее».

NVIDIA предсказывает общедоступность суперкомпьютеров

В ходе недавней конференции в Остине, штат Техас, исполнительный директор NVIDIA Дзень-Хсунь Хуан рассказал, что видит широкие возможности для распространения суперкомпьютеров во многих отраслях промышленности.

NVIDIA представила ускоритель Tesla K40

В ходе конференции SC13 компания NVIDIA представила самый производительный в мире видеоускоритель Tesla K40, сделав это вслед за AMD Firepro S10000 12 GB.

Как и положено ускорителям Tesla, он предназначен для суперкомпьютеров и он на целых 40% превышает по производительности Tesla K20X. Кроме того, этот ускоритель в 10 раз быстрее самого быстрого на сегодня CPU . Таким образом, ускоритель Firepro S10000 12 GB пробыл на вершине всего несколько дней.

В пресс-релизе компания указала, что «ускоритель Tesla K40 обходит остальные ускорители по двум главным показателям вычислительной производительности: 4,29 терафлопса с обычной точностью и 1,43 терафлопса пиковой производительности с двойной точностью». Надо сказать, что это не совсем правда, поскольку AMD удалось сделать свой ускоритель с производительностью в 1,48 терафлопса при двойной точности вычислений.

Несмотря на недавний анонс, у NVIDIA уже есть первый клиент на новые платы. Им стал Техасский современный вычислительный центр в Остине, который планирует запустить новую интерактивную систему удалённой визуализации и анализа данных, под именем Maverick, уже в январе будущего года.

NVIDIA ускоряет суперкомпьютер «Ломоносов»

Суперкомпьютерные ресурсы МГУ используется в первую очередь для выполнения фундаментальных научных исследований, предполагающих ресурсоемкие вычисления. Среди таких задач масштабные работы по глобальному изменению климата и динамике мирового океана, постгеномной медицине, механизмам формирования галактик и др.

«Для наших исследований требуются огромные вычислительные ресурсы, и мы должны обеспечить необходимую производительность максимально эффективным способом»,— отметил Виктор Садовничий, академик РАН, ректор Московского государственного университета. «Единственно возможный способ добиться этих целей одновременно – использование гибридных вычислительных систем на базе GPU /CPU », добавил он.

Суперкомпьютеры с процессорами NVIDIA возглавили Top-500

Три вооружённых чипами NVIDIA суперкомпьютера оккупировали верхние строчки списка.

Ноябрьский список Top500 принёс ожидаемое первое место китайскому суперкомпьютеру Tianhe-1A, 2,7 петафлопа которому обеспечили вычислительные модули NVIDIA Tesla. Однако, он оказался не единственным GPU -ускоренным суперкомпьютером в верхних строчках списка. На третьем месте расположился предтеча Tianhe-1A, суперкомпьютер Nebulae, также оснащённый модулями Tesla, c общей производительностью в 1,27 петафлоп. Четвёртое место занял еще один новичок в списке, суперкомпьютер Tsubame 2.0 из Японии, в результат которого в 1,19 петафлоп основной вклад внесли процессоры NVIDIA Tesla.

Читать еще: Необычные самодельные спорткары от итальянца

Продукты компании Cray Inc продолжают удерживать половину верхней десятки списка, но такими темпами перевес скоро окажется не на их стороне и количественно.

Глава NVIDIA поделился видением будущего GPGPU-технологий

Глава NVIDIA Jen-Hsun Huang в интервью британскому отделению издания ZDNet ответил на вопросы о будущем GPGPU -технологий. Мы приводим выдержку высказанных им суждений:

Будем надеяться, что в погоне за раскрывающими перспективами облачных сред и распределённых вычислений компания не забудет совсем про сегмент, собственно, видеокарт для конечных ПК.

Китайский суперкомпьютер Tianhe-1A достиг быстродействия в 2,5 петафлопс используя NVIDIA Tesla

Микросхемы от NVIDIA приводят в действие самый мощный на сегодняшний день суперкомпьютер.

Китайский суперкомпьютер «Tianhe-1A» достиг быстродействия в 2,507 петафлопс, используя 7168 чипов NVIDIA Tesla M2050 и 14336 процессоров Intel Xeon. Это выше предыдущего рекорда (который тоже, кстати, поставлен в Поднебесной) суперкомпьютера «Nebulae», где также использовались чипы NVIDIA Tesla, обеспечившие производительность в 1,271 петафлопс.

Кроме того, по заявлению источника, представители NVIDIA заявили, что суперкомпьютер «Tianhe-1A» не только самый быстрый в мире, но и самый «зелёный», так как использует для своей работы всего лишь 4,04 мегаватта энергии. А это почти в 3 раза меньше для достижения аналогичной производительности при использовании в системе только CPU .

По заявлению менеджера по маркетингу чипа Tesla NVIDIA Sumit Gupta, приложения данного «open science project» будут использоваться для исследовательских работ в области астрофизики, биохимии и других прикладных наук.

Стоимость одних использованных карт Tesla для построения системы составила почти 18 миллионов долларов, но одна из самых мощных экономик мира легко может позволить себе такие затраты на фундаментальные научные исследования. Предположительно, «Tianhe-1A» займёт первую строчку в следующем выпуске рейтинга суперкомпьютеров TOP-500, скинув с пьедестала все суперкомпьютеры США и Европы.

Nebulae, китайский суперкомпьютер, использующий Fermi, ворвался в TOP-500

Недавно на конференции International Supercomputing Conference в Гамбурге был обновлён список Top-500 самых быстрых суперкомпьютеров мира. Главной неожиданностью стал выход на вторую строчку нового китайского суперкомпьютера Nebulae, установленного в Государственном суперкомпьютерном центре (Shenzhen Supercomputing Center).

Киитайский суперкомпьютер Nebulae вошёл в Топ-500 впервые и занял сразу второе место. Система обладает производительностью в 1,27 петафлопс (по данным теста Linpack), уступая американскому суперкомпьютеру Jaguar с показателем 1,76 петафлопс. В то же время китайская система является лидером по теоретической пиковой производительности с показателем 2,98 петафлопс. Nebulae работает на базе blade-системы Dawning TC3600 (производства Dawning China) с использованием процессоров Intel X5650 и графических чипов Nvidia Tesla C2050. Jaguar же был построен компанией Cray на базе преимущественно шестиядерных процессоров Opteron 2,6 ГГц каждый, и насчитывает 224162 ядер. У Nebulae количество ядер вдвое меньшее, чем у Jaguar — 120640.

На третьем месте оказался бывший лидер рейтинга — сконструированный в IBM первый в мире петафлопсовый суперкомпьютер Roadrunner из Национальной лаборатории в Лос-Аламосе. Он работает на процессорах PowerXCell 8i 3.2 ГГц и Opteron DC 1.8 ГГц.

Процессоры Tesla на базе Fermi уменьшат стоимость суперкомпьютеров в 10 раз

Корпорация NVIDIA представила новую 20-ю серию параллельных процессоров Tesla, созданную для рынка высокопроизводительных систем и серверов и основанную на новой архитектуре Fermi.

Компания утверждает, что её решения позволяют сократить затраты на создание суперкомпьютера в 10 раз в сравнении с традиционными микропроцессорами при уменьшении энергопотребления в 20 раз.

Стоит отметить: в пресс-релизе говорится, что параллельные процессоры Tesla нового поколения будут доступны лишь во второй четверти следующего года. Не говорит ли это об очередной отсрочке выхода игровых видеокарт, ведь NVIDIA обещала одновременный запуск GeForce, Quadro и Tesla на базе чипа Fermi? Однако пока официально выход видеокарт GeForce нового поколения намечен на первую четверть 2010 года.

Семейство Tesla 20-й серии включает в себя:

Tesla C2050 и C2070 обойдутся в 2500 $ и 4000 $, а Tesla S2050 и S2070 — в 13 000 $ и 19 000 $.

Fermi будет использоваться в создании суперкомпьютера

ORNL — крупнейший научно-исследовательский центр США, находящийся в г. Окридже (родине атомной бомбы), штат Теннесси, занимающийся широким спектром исследований, в том числе в области атомной энергии, биологии и защиты окружающей среды. Новое поколение архитектуры видеоускорителей с поддержкой CUDA , получившее кодовое имя «Fermi», будет положено в основу создания суперкомпьютера с производительностью в 10 раз превышающей самый быстрый на сегодня вычислительный центр.

ORNL сообщила о намерении создать особый консорциум «Hybrid Multicore», целью которого объявляется сотрудничество с основными разработчиками научного программного обеспечения для обеспечения работы их продуктов на новом поколении суперкомпьютеров, построенных на основе графических процессоров.

История компании NVIDIA: успех без компромиссов

Если искать компанию, которая могла бы стать хрестоматийным примером истории успеха, именно NVIDIA могла бы оказаться лучшим кандидатом на эту роль.

Фирма, с самого начала сделавшая акцент на нишевом продвижении, выбрала для себя не слишком богатый на чудеса кластер компьютерной графики по 3D-технологиям. Разумеется, в 1993 году новая компания, созданная тремя инженерами-энтузиастами, вряд ли могла бы на равных тягаться с гигантом электронной индустрии 3dfx, производившим большую часть видеокарт, устанавливаемых на ПК.

Впрочем, старт своей карьеры трое основателей строили не на пустом месте. У каждого из них был свой багаж за плечами:

Джесен Хуанг имел отношение в работе в AMD;
Кертис Прэм был инженером по микроэлектронике в Sun Microsystems;
Крис Малачовский был коллегой Прэма по Sun Microsystems.

Соответственно, основателям новой компании хоть и пришлось начать работу в сложных условиях высококонкурентной борьбы, трудностей NVIDIA могла не опасаться благодаря послужным спискам своих владельцев. Уже к 1995 году компания наладила бизнес по производству видеокарт NV1.

Правда, добиться успеха сразу не вышло. Рынок отметил несовершенство двухмерной графики, которая у компании вполне очевидно хромала, а Microsoft и вовсе сделала все, для того чтобы выжить амбициозных новичков с рынка. Свою вторую попытку покорения рынка NVIDIA сделала спустя 2 года.

Открытый доступ и выпуск драйверов

1997 год принес NVIDIA возможности для старта продаж видеокарт Riva. Они успешно работали с OpenGL, DirectX, но не могли использоваться на все 100% своей мощности там, где требовалось адаптироваться к технологиям Glide API.

Зато «выстрелил» другой проект бренда – драйверы Detonator, в которых была использована технология 3DNow! С ними трехмерные игры AMD начали демонстрировать превосходную скорость работы. А спустя всего два года компания запустила свою первую профессиональную линейку видеокарт Quadro.

Еще одно революционное открытие для рынка – представленный в 1999 году GPU, первый на планете графический чип с названием GeForce 256. А в 2007 году NVIDIA делает еще один прорыв в карьере, решая сосредоточиться на производителях суперкомпьютеров, презентуя для них свои видеокарты с названием Tesla.

Своей политикой сегодня компания называет поиски новых решений и постепенное укрупнение производства за счет взаимовыгодного слияния с конкурентами.

Nvidia DGX Суперкомпьютеры

Содержание

2018: Nvidia DGX-2

В конце марта 2018 года компания Nvidia представила суперкомпьютер DGX-2, обладающий производительностью около двух петафлопс, и предназначенный для задач глубокого обучения. По утверждению компании, одиночный сервер DGX-2 способен заменить 300 обычных серверов, занимающих 15 стоек в дата-центрах при в 60 раз меньшем размере и в 18 раз большей энергоэффективности. [1]

В основе суперкомпьютера лежат 16 видеоускорителей Tesla V100, сочетающих в себе графический процессор Nvidia GV100 на архитектуре Volta и 32 ГБ памяти HBM2.

Для связи графических ускорителей используется интерфейс NVSwitch, позволяющий «общаться» двум GPU на скорости до 300 Гбит/с. Данная шина вместе с NVLink 2 позволяет объединить все 16 Tesla V100 в один гигантский видеоускоритель с почти 82 тысячами ядер CUDA, более чем десятью тысячами ядер Tensor и 512 ГБ памяти HBM2 с предельной пропускной способностью в 14,4 Тбайт/с.

Остальные спецификации суперкомпьютера Nvidia DGX-2 включают два процессора Intel Xeon Platinum (конкретные модели не называются), до 1,5 Тбайт оперативной памяти DDR4, а также NVMe-накопители суммарным объёмом от 30 до 60 Тбайт. Кроме того, на борту присутствует интерфейс InfiniBand наряду со 100-гигабитным Ethernet. Энергопотребление устройства в нагрузке составляет 10 кВт.

Суперкомпьютер Nvidia DGX-2 был оценён производителем в $400 тыс., поставки начнутся в третьем квартале. [2]

2016: Nvidia DGX-1

5 апреля 2016 года компания NVIDIA сообщила о создании DGX-1 с целью поддержки разработок в сфере искусственного интеллекта.

NVIDIA DGX-1 – система, разработанная специально для задач глубокого обучения. Она оснащена необходимым аппаратным обеспечением, программным обеспечением для глубокого обучения и инструментами разработки для быстрого разворачивания системы. В ее основе графические процессоры, которые обеспечивают скорость обработки данных, сравнимую с 250 серверами x86 архитектуры.

Использование GPU-ускоренных вычислений обеспечивает исследователям в области данных создание умных машин, способных учиться, видеть и воспринимать мир как человек. Система обладает значительной вычислительной мощью, позволяя запускать приложения искусственного интеллекта. Она сокращает время исследователей на обучение больших и сложных глубоких нейронных сетей.

Нейронные сети позволяют создавать новые типы приложений, работающих с колоссальными объемами информации и, соответственно, требующих более высокого уровня вычислительной производительности.

В набор ПО DGX-1 входят:

NVIDIA Deep Learning GPU Training System (DIGITS), интерактивная система для создания глубоких нейронных сетей (DNN),
NVIDIA CUDA Deep Neural Network (cuDNN) версии 5, GPU-ускоряемая библиотека примитивов для создания DNN.

В составе системы оптимизированные версии нескольких широко используемых фреймворков глубокого обучения— Caffe, Theano и Torch. DGX-1 предоставляет доступ к облачным инструментам управления, обновлениям ПО и банку приложений-контейнеров.

Пиковая производительность до 170 терафлопс вычислений половинной точности (FP16)
Восемь GPU-ускорителей Tesla P100, с 16 ГБ памяти на борту каждого GPU
NVLink Hybrid Cube Mesh
7ТБ SSD DL Cache
Dual 10GbE, Quad InfiniBand 100Gb
3U – 3200 Вт

Суперкомпьютер NVIDIA DGX-1 – это первая в мире система, разработанная специально для задач глубокого обучения и ускоренного анализа данных в области искусственного интеллекта. Суперкомпьютер позволяет обрабатывать и анализировать информацию в 100 раз быстрее по сравнению с традиционными вычислительными системами, что приводит к значительной экономии на формировании и обслуживании ИТ-инфраструктуры.

Система построена на ускорителях Tesla P100, высокоскоростное соединение между которыми обеспечивает интерфейс NVIDIA NVLink, способный увеличить скорость обмена данными между GPU до 12 раз по сравнению с шиной PCI-E. Комплекс программного обеспечения системы выключает NVIDIA DIGITS GPU Training System, NVIDIA Deep Learning SDK (CuDNN, NCCL), NVIDIA Dockerдля быстрого создания и обучения глубоких нейронных сетей (DNN). Помимо этого, система включает оптимизированные версии широко используемых фреймворков глубокого обучения — Caffe, Theano, Torch и не только. NVIDIA DGX-1 также имеет доступ к облачной системе управления, необходимой для создания и развертывания контейнеров, системных обновлений и доступа в хранилище приложений.

Источники:

http://kuzov.info/sozdayot-supercar-svoimi-rukami/
http://overclockers.ru/blog/cosplay/show/23694/kratkaja-istorija-kompanii-nvidia-v-videokartah-geforce-serij-gt-gtx-i-rtx
http://www.vedomosti.ru/technology/articles/2018/12/26/790474-a
http://nvworld.ru/news/tags/nvidia/%D1%81%D1%83%D0%BF%D0%B5%D1%80%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D1%8B/
http://progress.online/korporacii-i-startapy/1663-istoriya-kompanii-nvidia-uspeh-bez-kompromissov
http://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%BE%D0%B4%D1%83%D0%BA%D1%82:Nvidia_DGX_%D0%A1%D1%83%D0%BF%D0%B5%D1%80%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D1%8B

голоса

Рейтинг статьи

Сотрудник компьютерной фирмы Nvidia создаёт суперкар