来SOLIDWORKS World体验NVIDIA Quadro RTX赋力的SOLIDWORKS Visualize

2019 年 8 月 30 日 作者 英伟达中国

通过将最新NVIDIA Quadro RTX GPU与SOLIDWORKS Visualize相结合所实现的渲染性能，能够让使用者在用户友好型界面上更加轻松地从SOLIDWORKS中导入模型，并且还支持逼真、基于物理的材质、光照和环境。

在本周举办的SOLIDWORKS World上，与会者将会先睹为快。

Quadro RTX GPU专为要求最为严苛的视觉计算工作负载而设计，例如用于产品、架构设计及可视化的工作负载。其突破性的技术远超上一代，包括加速光线追踪、AI、高级着色和仿真等。

莅临1031号NVIDIA展位，将了解到：

  • 在基于NVIDIA Iray的SOLIDWORKS Visualize技术演示中，具有实时光线追踪和AI降噪功能的Quadro RTX GPU如何生成即时逼真的图像。
  • SOLIDWORKS Visualize可在任何地点、任何客户端运行。由于数据保存在数据中心而非物理机器中，因此基于支持RTX的GPU的NVIDIA Quadro虚拟工作站可实现实时交互式光线追踪和更强的安全性。
  • 即使在移动工作站上也能快速操纵大型程序集。借助Quadro GPU，SOLIDWORKS 2019可显著提升图形性能：动态视图的操作速度显著提高，用户可在旋转大型模型时看到全部的模型细节，极少量的丢帧也避免了断断续续和抖动的可能。

莅临471号SOLIDWORK展位，将了解到：

  • 如何借助eDrawings Pro 2019 Direct VR实现仅点击按钮即可在VR中查看模型。这一新功能基于NVIDIA RTX GPU运行，目前正处于测试阶段。
  • 基于NVIDIA Iray的eDrawings可实现RTX加速的光线追踪。这一概念验证技术演示将展示如何为eDrawings中的任意模型带来逼真的可视化。
  • 基于NVIDIA Quadro RTX的SOLIDWORKS Visualize技术演示将展现更为强大的性能，使工作流程更加流畅，生成的图像也更为逼真。

莅临833号XR Zone展位，将了解到：

  • 借助NVIDIA Holodeck令人叹为观止的高性能沉浸式环境，团队仅通过一次点击即可围绕SOLIDWORKS Visualize模型展开合作。

查看NVIDIA Quadro RTX官方网页，了解更多NVIDIA Quadro RTX的最新功能。

NVIDIA面向数百万数据科学家推出全新高性能工作站

2019 年 8 月 30 日 作者 英伟达中国
NVIDIA面向数百万数据科学家推出全新高性能工作站

由惠普、戴尔、联想领衔的全球系统制造商推出集成NVIDIA Quadro RTX GPU和NVIDIA CUDA-X AI的工作站，以大幅提升生产力

美国加利福尼亚州圣何塞——GPU技术大会——太平洋时间2019年3月18日——NVIDIA与全球领先的OEM厂商和系统制造商合作推出强大的全新工作站，旨在助力数百万数据科学家、分析师和工程师更快速、准确地做出业务预测并提高生产力。

该系统专为数据分析、机器学习和深度学习而设计，提供了极强的计算性能和工具，可应对金融、保险、零售及专业服务等领域中的海量数据准备、处理和分析需求。

NVIDIA赋力的数据科学工作站基于强大的参考架构搭建，该架构由两颗高端NVIDIA Quadro RTX™ GPU和NVIDIA CUDA-X AI™加速数据科学软件构成，如RAPIDS™、TensorFlow、PyTorch和Caffe。CUDA-X AI是一个资源库合集，让现代化计算应用能够从NVIDIA的GPU加速计算平台中受益。

NVIDIA创始人兼首席执行官黄仁勋表示：“数据科学是计算机科学发展最快的领域之一，影响着每个行业的发展。企业都迫切希望能够利用机器学习释放其业务数据的价值，并前所未有地大量聘用数据科学家，而这些数据科学家正需要专门针对其需求设计的强大工作站。我们联手合作伙伴推出了NVIDIA赋力的数据科学工作站，这些工作站基于全新Turing Tensor Core GPU和CUDA-X AI加速库，使数据科学家能够开发出有望实现业务变革的预测模型。”

NVIDIA GPU加速数据科学工作站

数据科学问题涉及海量数据，需要极高的处理能力。NVIDIA赋力的数据科学工作站使科学家能够轻松、快速且准确地进行模型的准备、训练和部署。其特性和优势包括：

  • 两颗高端Quadro RTX GPU — 基于最新NVIDIA Turing™ GPU架构，专为企业级部署而设计。借助NVIDIA NVLink®互联技术，双Quadro RTX™ 8000和6000 GPU可实现高达260 teraflops的计算性能和96GB的内存。Quadro RTX赋力的数据科学工作站所提供的容量和带宽能够处理最大规模的数据集和计算密集型工作负载，且其图形功能能够满足包括VR在内的大规模数据集的三维可视化需求。
  • 数据科学软件堆栈 — 基于Linux操作系统和Docker容器构建：
    • NVIDIA CUDA-X AI — 一组NVIDIA GPU加速库合集，用于加速深度学习、机器学习和数据分析。CUDA-X AI包括用于加速深度学习原语的cuDNN、用于加速机器学习算法的cuML、用于优化训练模型以进行推理的TensorRT™、以及其他15个以上的库。它们能够与NVIDIA Tensor Core GPU无缝协作，加速端到端工作流程，以开发和部署基于AI的应用。CUDA-X AI可被集成到TensorFlow、PyTorch和MXNet等深度学习框架中，以及AWS、Microsoft Azure和Google Cloud等领先的云平台中。
    • NVIDIA RAPIDS — 一组GPU加速库分析平台，用于数据准备、传统机器学习和图形分析。
    • Anaconda™ Distribution — NVIDIA联手Anaconda公司推出Anaconda Distribution，这是一种帮助数据科学家实施Python / R、数据科学、AI和机器学习的新方法。
  • 企业级支持 —与工作站制造商一同进行测试和优化，以满足任务关键型企业级部署的需求。
  • 可选的软件支持 – NVIDIA开发的软件和容器（包括深度学习和机器学习框架）让用户倍感轻松。

NVIDIA赋力的数据科学工作站让数据科学家能够自由地在本地开展工作，可谓是对NVIDIA的数据科学产品组合的理想补充。

LMT RMS首席数据科学家Mike Koelemay 表示：“NVIDIA赋力的数据科学工作站使我们的数据科学家能够以前所未有的速度在大规模数据集上运行端到端数据处理管线。利用RAPIDS将更多的数据处理管线交予GPU，可缩短模型开发时间，从而更快速地完成部署并获得业务洞察。”

广泛的生态系统支持和采用

NVIDIA赋力的数据科学工作站可以帮助OEM厂商及领先数据科学软件供应商满足对不断增长的GPU加速数据科学功能的需求，并为基于AI展开探索的客户提供强大的全新选择。

了解其他合作伙伴和客户的反馈，如BlazingDB、BOXX、Charter Communications、 Datalogue、戴尔、Graphistry、H2O.ai、惠普、Kinetica、联想、MapR、麻省理工学院和OmniSci等，请访问https://nvidianews.nvidia.com/_gallery/get_file/?file_id=5c8ea5bf2cfac264d16a56e4&ir=1 。

供货

面向数据科学家的NVIDIA赋力的系统现已通过全球工作站供应商供货，如戴尔、惠普和联想，以及区域系统制造商，包括AMAX、APY、Azken Muga、BOXX、CADNetwork、Carri、Colfax、Delta、EXXACT、Microway、Scan、Sysgen和Thinkmate。

关于NVIDIA

NVIDIA（纳斯达克股票代码：NVDA）在1999年发明的GPU激发了PC游戏市场的增长，重新定义了现代计算机显卡，并且对并行计算进行了革新。最近，通过将GPU作为可以感知和理解世界的计算机、机器人乃至自动驾驶汽车的大脑，GPU深度学习再度点燃了全新的计算时代——现代人工智能。更多信息，请访问http://nvidianews.nvidia.com/ 。

# # #

媒体咨询，请联络：

何京

NVIDIA 公司中国区公关经理

Email: Justinh@nvidia.com

白禹

北京科闻一百咨询服务有限公司

电话：(8610) 59006800-512

Email：kara.bai@text100.com.cn

本新闻稿中的部分声明包括但不限于有关以下内容的声明：全球系统制造商及OEM与NVIDIA合作，集成NVIDIA Quadro RTX GPU和NVIDIA CUDA-X AI；NVIDIA GPU加速数据科学工作站、NVIDIA Quadro RTX GPU和NVIDIA CUDA-X AI的优势、影响、性能、功能和特性；CUDA-X AI使现代计算应用能够受益于NVIDIA的GPU加速计算平台；企业渴望以前所未有的速度释放机器学习和分析的优势并聘用数据科学家；NVIDIA GPU加速数据科学工作站为企业提供处理能力，以构建自己的机器学习模型，大力推进人工智能加速的发展，使数据科学家能够阐释并管理数据，解决复杂问题并提供有价值、具有可操作性的见解；基于NVIDIA技术的数据科学工作站使科学家能够轻松、快速且准确地使用模型；基于NVIDIA技术的数据科学工作站是NVIDIA数据科学产品组合的理想补充；采用NVIDIA技术数据科学工作站使数据科学家能够前所未有地在大型数据集上快速运行端到端数据处理流程，并利用RAPIDS更快速地完成部署并获得业务洞察；采用NVIDIA技术的数据科学工作站可助力OEM和数据科学软件提供商为客户带来强大的新产品选择；以及面向数据科学家的基于NVIDIA技术的系统的可用性等均为前瞻性声明，存在风险与不确定性，且最终结果可能与预期存在极大差异。可能导致实际结果出现极大差异的重要因素包括：全球经济状况；我们在制造、组装、包装和测试产品方面对第三方的依赖性；技术发展和竞争的影响；新产品和技术的发展或对我们现有产品和技术的改良；市场对我们的产品或合作伙伴产品的接受情况；设计、制造或软件缺陷；消费者偏好或需求的变化；行业标准和界面的变化；将我们的产品或技术集成到系统中时意外损耗的性能；以及 NVIDIA近期提交给美国证券交易委员会 (SEC) 的报告（包括但不限于 Form 10-K年报及Form 10-Q季报）中屡次具体说明的其他因素。提交给 SEC 的报告副本会发布在公司网站上且可免费从 NVIDIA 获得。这些前瞻性声明不能保证未来的表现，仅在规定日期有效。除非法律另有要求，否则 NVIDIA 对更新这些前瞻性声明以反映未来事件或环境不承担任何责任。

©2019 NVIDIA Corporation。版权所有。NVIDIA、NVIDIA徽标、CUDA-X、NVIDIA Turing、NVLink、Quadro RTX、RAPIDS 和 TensorRT是NVIDIA Corporation在美国和其他国家/地区的商标和/或注册商标。其他公司和产品名称可能为与之相关的各自公司的商标。功能、价格、供货情况和规格如有变更，恕不另行通知。

分类: 新闻

厨房机密：机器人初创公司为食品服务业推出餐具清洗自动化服务

2019 年 8 月 29 日 作者 Lauren Finkle

餐具清洗让人忙得天旋地转，至少食品服务业因此而焦头烂额。

对于商用厨房的顺利运转而言，洗碗工是其中关键一环，但该岗位的劳动力短缺率和人员流失率却高于任何其他行业。洗碗工平均仅在职 42 天，但招聘和培训又会产生高昂成本，这为商业食品行业带来了持续挑战。

Dishcraft Robotics 是一家总部位于硅谷的初创公司，其致力通过自身研发的自动洗碗技术，以将商业食品服务行业面临的此类问题一扫而光。

餐具清洗不仅难度高，还有可能带来危险。水中滑跌可能是消暑的不二之选，但在厨房却非如此，因为水槽附近的湿滑地面是造成商业食品行业人身伤害的主要诱因。除了滑倒和摔伤，餐具洗涤工作所带来的重复劳动、肌肉劳损以及工作期间频繁发生的热水烫伤事件也让人精疲力竭。

因此，许多企业转而使用一次性或可堆肥餐具。但这会为企业和环境带来更棘手的难题，因为随着每天产生的垃圾数量不断增长，监管部门也在采取愈发严厉的管制措施。

Rethink Disposable 2017 年研究表明，绝大多数可堆肥餐具最终都进入了垃圾填埋场。

为解决这些劳动、安全和环境问题，Dishcraft 正致力推出餐具运送服务，即使用专属机器人和 AI 技术，以便宜的价格每天为食品服务企业提供可重复使用的干净餐具。该项运送服务名为 Dishcraft Daily，它不仅有助于提升企业效率和生产力，同时还能减少垃圾产生。

Dishcraft 创始人兼首席执行官 Linda Pouliot 和首席技术官 Paul Birkmeyer 均扎根机器人行业多年。两人曾在商业洗碗间亲自体验洗涤工作，以便寻找这项工作的挑战，并探索机器人所能提供的解决方案。凭借这段亲身经历以及对自动化的远见卓识和创新精神，Linda Pouliot 和 Paul Birkmeyer 最终创立了 Dishcraft。

Dishcraft 从餐巾服务模式中获得灵感，每天会从公司所设的其中一处洗碗中心向餐厅运送干净的商用餐具，同时回收脏餐具。

该公司使用自制餐具，其中均装有磁铁，便于餐具清洗机器人轻松拿起和擦洗餐具并进行摆放。之后，Dishcraft 机器人会使用摄像头检查餐具，然后通过深度神经网络分析相关数据，以进行更高效地清洁。Birkmeyer 表示，餐具清洗过后，机器人系统会使用基于视觉的网络执行质量检查步骤，然后再将餐具退出系统。

每个系统都会产生大量数据，并需要内部 GPU 助力的实时推理。该初创公司目前正在对机器人试验 GeForce RTX 2080 Ti 显卡。

机器人系统使用本地 NVIDIA GPU 进行深度学习训练，并偶尔使用搭载 NVIDIA V100 Tensor 核心 GPU 的 AWS。

构建用于商用餐具清洗作业的机器人并非易事。您可以类比感恩节晚餐过后家庭厨房中热火朝天的繁乱场面，只不过商用厨房的餐具会更多。Birkmeyer 表示，商用厨房是一个快节奏而又不可预测的环境，因此构建可以预测复杂情景的机器人颇具挑战。

他说道：“若没有在 NVIDIA 硬件上训练和部署的深度神经网络，我们将无法提供客户所需的持续、可靠的运营服务。”

自 2015 年成立以来，Dishcraft 不足 50 人的团队已经获得超过 2500 万美元的风险投资。目前，Dishcraft Daily 已服务多家公司，其雇员数量多在 300 至 2500 人之间。

Dishcraft 的客户主要是旧金山湾区的餐饮服务商，他们经营堂食、餐饮承办或送餐业务。该公司还计划日后为大学和医院提供服务。