Surround Vision 環繞立體視覺
9:37 PM – 車子在停車場裡找到停車位後，黃仁勳先生說還能用手機叫車子開回來。
黃仁勳先生最後說我們今天宣布了三件事情：全球首款 1 teraflop 級行動超級晶片 Tegra X1，需要有它才能打造第二件宣布的內容；開發數位儀表板技術的 DRIVE CX；還有打造自動駕駛車輛的 DRIVE PX 車用電腦平台。
更多關於 NVIDIA 參加 CES 展的資訊，請見 nvidia.com/CES2015。
9:34 PM – 在 Jim 進行總結時，他展示車輛如何自行在停車場裡以時速5英哩的速度找到停車位，觀眾們發出驚嘆聲和掌聲。
9:31 PM – 這些視覺內容轉變成視訊輸入內容，DRIVE PX 用以辨識四周環境。
Jim 接下來播放另一項演示內容。他展示稱為 NVIDIA DRIVE PX Auto-Valet 自動泊車功能。車輛在停車場裡移動，並且能看到四周的物體。這項車輛四周環境 3D 建模能力，成為車輛找路前行的重要基礎。
Jim 將這些資訊整合起來，展示如何產生所有影像，讓車輛能在停車場裡找到停車格。
9:26 – 他介紹 Surround Vision 功能。
NVIDIA 第三位研究人員 Jim 展示 NVIDIA 聖塔克拉拉總部停車場的模擬 3D 版本畫面，停車場內正行駛著一部亮紅色的吉普車。停車場經過重新設定，在不同停車格裡停放著各種車輛，且在同一個停車格裡進出不同款式的車輛。
吉普車的四側安裝有四具魚眼鏡頭攝影機，所拍攝出的畫面巧妙拼接成車身四周 360 度的鳥瞰畫面。
9:23 – 最後黃仁勳先生說…Audi 的自動車將搭載到目前為止所介紹的功能。
實際上路！Audi 的自動車將搭載這些功能
9:20 PM – Ricky 現在介紹自動駕駛。2014年10月，Audi 首次在 F1 試駕跑道上以時速 240 公里的速度進行自動駕駛。今天是我們開發自動駕駛技術的里程碑，邀請五位美國記者進行從矽谷到拉斯維加斯的首次長距離自動駕駛測試活動。他們已經完成第一天的路程，目前他們在貝克斯菲爾德，明天應該就會到拉斯維加斯。
9:17 PM – Ricky 介紹兩個月前在洛杉磯車展上推出的 Audi Prologue Concept 概念車，它擁有令人驚嘆的大型虛擬儀表板，中央有具觸控螢幕。
他說：「我需要 NVIDIA 的協助就是運算能力，這裡有很多像素需要運算。」黃仁勳先生則是回應道：「聽見有人需要很多像素的事宛如天籟。」
9:15 PM – 黃仁勳先生介紹 Audi 汽車電動車開發部門執行副董事長 Ricky Huddi。他的部門與 NVIDIA 擁有長期合作關係，引領發展多項當前最重要的車用科技。
Ricky 表示：「在 Audi 和 NVIDIA 兩家公司的 DNA 裡有著不少共同性。許多您提到關於視覺運算和駕駛輔助系統的事情，都是我們在過去兩年裡所做的內容。」
Ricky 說 Audi 最大的挑戰之一就是加快自動運算的開發週期，以滿足消費者的期待和需求，尤其是在車載資訊娛樂系統和數位儀表板方面。他談到 Audi 如何在一年內落實 NVIDIA 的先進技術。今年我們推出 Audi Smart Display 平板電腦，而在一年內我們會推出搭載 K1 的產品。「日後我們將對這個絕口不提。」
需要費時五年開發的產品如今僅需一年，讓 Audi 擁有與消費性電子產品公司相同的開發速度。
「這個速度和彈性水準…為汽車業創造了一項典範移轉內容。」Ricky 說。
深度學習準備就緒
9:08 PM – 在超級電腦方面要介紹的內容是經過訓練的深度學習神經網路。NVIDIA DRIVE PX 內搭載的兩具 X1 可同時辨識75個物體，以掌握車身四周的路況。發現不明物體時會通知資料中心，透過深度學習功能來找出物體的面貌。一旦確認物體時，會藉由網路將資訊傳給品牌車隊裡的所有車輛。
9:04 PM- Mike 現在切換為在拉斯維加斯拍攝的日間街景。系統依車種辨識車輛，像是卡車、休旅車、房車、客貨兩用車。這些辨識內容會跳出來。
黃仁勳先生說要是我們要一一開發每個特徵檢測器，工作量會沒完沒了。我們使用深度學習神經網路來進行細部分類的工作，Tegra X1 花16個小時來「學習」。他現在展示系統如何辨識在後視鏡裡閃著車燈的警車。
現在我們能辨識行人、車輛、動物，就能提高對四周環境的警覺性。接著運用演算法來判斷車輛最佳的行進路線。
8:58 PM – 另一位 NVIDIA 的研究人員 Mike 展示以深度學習神經網路為基礎的電腦視覺功能如何辨識和閱讀速限牌的尺寸，還有如何辨識出行人。但他表示還有更多難以辨識的內容，像是部分被遮住的行人。他播放一則在聖荷西法院附近拍攝的場景，影片雖是稍早錄製的內容，深度學習神經網路依舊即時處理各項資訊。
黃仁勳先生指出儘管畫面裡有很多燈光，系統仍能辨識出紅燈、綠燈或黃燈。
Mike 現在切換播放在 UK 高速公路上拍攝天候不佳的夜景影片。系統能偵測到測速照相機，同時還能偵測到其它物體，包括前方塞車和違反交通規則的情況。
8:52 PM – 一旦訓練這套系統，可以問它什麼是車子，它會辨識不同種類的車輛，很快就會提高辨識效率。
他現在展示單層房舍老舊郊區十字路口的畫面，說明深度學習系統如何學習辨識行人，就算有車輛遮住行人部分的身體。他也介紹深度學習系統如何偵測你後面的車輛或救護車，或是你前方的校車。
「這些物體的四周環境極為重要。」他說。他現在展示 Tegra X1 最近如何學習辨識斑馬線的告示牌，並且從遠處就「看」到它。
8:48 PM – 黃仁勳先生走回來，介紹深度學習神經網路如何看見物體 – 它如何能瞄見一條移動的銀色條紋、透過層層學習內容來篩選，並且快速辨識出那是一部 Audi A7 房車。這個過程就像是大腦運作的方式，看到一團黑影，在進行大規模訓練後辨識出那是輪胎。需要進行大規模訓練才能學會如何辨識及分類物體。
8:45 PM – 在投入這些資料的情況下，電腦視覺技術就變得非常重要。我們將介紹深度學習神經網路偵測技術，它能學習辨識不同物體。過去得靠工程師編寫程式碼才能做到這一點。
但如果你要自己的車子能對四周環境提高警覺，它需要能偵測出比程式碼內所規定還要更多的物體。
根據《Wired》雜誌內近期一篇重要文獻指出，GPU 讓全球各地的研究人員能以更具生產力的方式來運用深度學習技術，而其它重要推手包括語音辨識及精密的新式演算法。然而 GPU 大幅提高深度學習技術的精準度，GPU 加速的深度學習技術能較多數人類擁有更佳的物體辨識能力。
介紹 NVIDIA DRIVE
8:40 PM – 全新發表的 NVIDIA DRIVE PX 可連接12具攝影機，即前方3具不同視野，其它則安裝於後方和側邊，拍攝到的畫面均投入 DRIVE PX。它能夠進行極為精密的影像處理作業，並且將資訊記錄到車內的資料儲存裝置 – 錄製兩個@30 Hz 的 4K 影片。
8:38 PM – 黃仁勳先生表示在車輛內使用強大的處理器，就能整合所有匯入的資訊，對於四周環境有更高的警覺能力。自動駕駛車輛必須做到這一點，還有即時更新軟體的能力。
我們的願景是將這些資訊投入一部行動超級電腦，而它就是 NVIDIA DRIVE PX。他手拿一塊約是半張紙大小的板子。
上面有兩顆 Tegra X1 處理器，運算能力為 2.3 teraflop，可連接多達12具攝影機，處理速度為每秒13億個像素。
8:36 PM – 當攝影機的技術日漸進步，我們可以想像智慧攝影機會慢慢取代雷達輔助系統，它們能提醒我們道路上的告示牌、行人、後方接近的車輛。當感應器愈來愈強大時，效率也有所提升。將感應器更換為攝影機，並且整合攝影機收到的各項資訊，讓我們能達到神奇的結果。那正是開發自動駕駛車輛的道路。
8:34 PM – Justin 跑上舞台，開始播放 DRIVE CX 演示內容，其中介紹了硬體、中介軟體、創意工具及 Tegra X1 的運算能力。
黃仁勳先生開始介紹最新的 ADAS 先進駕駛輔助系統，讓開車時更為安全。這套系統包括偏離車道警示、防碰撞系統、盲點偵測等，在開發期間出現重大演進，甚至還有路邊停車輔助功能。在搭配雷達（無論日夜都有廣泛的偵測範圍）、超音波（低成本又能在近距離進行感應）與更大的視覺範圍（安裝攝影機）的情況下，我們開發出這套系統。
每具偵測器都是獨立自主運作，但會逐漸使用表現更佳的攝影機來取代感應器。
8:30 PM – Justin 現在展示看起來像是使用拋光鋁金屬、陶瓷和車漆製成的測量儀表板，在一瞬間進行切換，依舊出現陰影和極為細膩的畫面。這是在 Tegra X1 上進行數學運算的結果，顯示光線如何在個別材質上反射的情況。
8:28 PM – 儀表板映照出針的陰影，但能在髮絲紋金屬鋁或髮絲紋金屬銅等不同材質上重現。
Justin 現在透過舞台上的小實驗室，展示如何利用車漆、竹子、粉末塗料、鋁、陶瓷、碳纖維這些實際材質樣本，成為儀表板表面算繪的主題。
8:25 PM – 活力十足的 Justin 將介紹儀表板。我們視這裡是車內重點部分，能夠施展各種高超的圖形設計能力，運用真實材質算繪能力創造出逼真的 3D 儀表板，看起來像是依某個角度轉動、經過細心加工的 3D 輪盤，呈現出細膩的玻璃和金屬質感。
8:22 PM – 他展示可以將資訊放在螢幕上的任一處。這套導航系統採用流暢的 3D 畫面，加上搭配環境遮蔽技術讓駕駛人更清楚掌握車輛四周的路況，享受猶如電影《創：光速戰記》裡的駕駛體驗。
8:21 PM – 黃仁勳先生現在介紹將車載資訊娛樂系統和虛擬儀表板整合在一具電腦裡的 NVIDIA DRIVE Studio，並且支援各種作業系統。
他現在介紹 NVIIDA DRIVE Studio 項目工程師 Justin。Justin 描述 DRIVE Studio 是一個讓協力廠商能整合自家技術的平台，如此才能將他們對下一代車輛科技的展望化為實際。
他先展示車載資訊娛樂系統，包括媒體整合、文字轉語音、語音控制、導航等內容。
8:17 PM – DRIVE CX 採用 X1 處理器，另搭配 DRIVE Studio 軟體，讓設計人員能獲得這項出色的處理能力。黃仁勳先生說 DRIVE CX 將電腦繪圖提升到嶄新層次，現在的車用地圖看起來像是卡通畫面，這個情況很快就會改變。
8:15 PM – 目前先進車款的車載資訊娛樂系統使用100萬像素，十年後會成長到2000萬像素以上。NVIDIA 今日發表 NVIDIA DRIVE CX 數位車用電腦，能處理相當於兩具 4K 螢幕的1700萬像素內容，以解決上述的成長需求。
更多關於 NVIDIA 參加 CES 展的資訊，請見 nvidia.com/CES2015。
介紹 NVIDIA Tegra X1
8:14 PM – 密切注意這些動態的人都知道，X1 的開發代碼是 Erista，但現在的問題是它要如何運作?答案就是車輛，車輛將會擁有比其它東西更強大的運算能力。側柱可以化身為弧形顯示器，讓您能看進車內；後座也可以是顯示器，我們認為車內的顯示器數量將大幅增加。
8: 12 PM – 比較 Tegra X1 與 Intel Core i7，就會知道 X1 只使用十分之一的電量，在許多方面卻更強大。
8:11 PM – Tegra X1 擁有與高端 PC 及下一代遊戲機相同的繪圖引擎。TX1 是首款提供 teraflop 級處理能力的行動晶片，這相當於西元2000年時全球最快超級電腦的運算速度，但該系統的耗電量為100萬瓦。如今我們能將它的運算能力放到一枚微小的晶片上。
8:09 PM – 擁有無比處理效率的 Maxwell 架構，能用飛快速度來處理作業。去年發表下一代遊戲機時，在運行 Unreal Engine 的《Elemental》演示內容時耗電量為100瓦特，如今在 X1 上運行時的耗電量僅10瓦特。演示內容為流動的火瀑和看起來像是將一座火山吃乾抹淨、身上到處噴著火的生物。
8:07 PM – 黃仁勳先生現在介紹超省電的 Tegra X1。依 GFXBench 3.0 的基準測試結果來看，Tegra K1 在能源使用效率方面已奠定新標準，X1 的效率更是提升兩倍。
8:06 PM – TK1 雖是一年前發表的產品，即使跟剛發表的 Apple A8 相比，表現依舊十分出色…Tegra X1 卻是完全擊敗它。
8:04 PM – 它擁有256個核心的 GPU和一個8核心64位元 CPU，能夠處理 H.265/VP9 的10位元影片。
8:04 PM – 黃仁勳先生說一年前我們在 CES 推出 Tegra K1，這是重要的一步，它讓行動裝置做到許多我們難以想像的事情。
他說花了兩年將 Kepler 架構搬到 TK1 上。我們在四個月前推出 Maxwell 架構 GPU，效能是 Kepler 架構的兩倍。現在我們宣布在相同的 Maxwell 架構 GPU 搬到行動晶片裡，也就是 Tegra X1 行動超級晶片。
8:02 PM – 毫無意外地黃仁勳先生穿著招牌黑色皮夾克上台。燈光變暗。觀眾安靜下來， 掌聲響起。
8:00 PM – 黃仁勳先生一向很準時，再一下就要開始了。神之聲透過喇叭要晚到者就座。
7:57 PM – 在狹長的舞台後方播放著很酷的投影片，NVIDIA 的商標襯著綠黑白三色腦突觸的圖片，讓人覺得大腦一陣抽痛。
7:56 PM – CES 要到週二才正式開展，但就像陣亡將士紀念日也不是美國正式展開暑假的日子、黑色星期五也不是正式展開節慶季購物活動的日子，還有燕子飛回卡皮斯特拉諾也不正式代表春天到來一樣，NVIDIA 的年度週日記者會也不代表 CES 正式展開。
7:55 PM – 現在在四季酒店的記者會現場，離黃仁勳先生上台還有五分鐘。目前會場擠滿了媒體和來賓，還有一些位子是空著的，大部分人都是站著。後方有一整排的攝影機。很多記者現在正整理著稿子。
我們等不及要開始了。
NVIDIA 執行長黃仁勳先生在週日晚間八點（太平洋時間），正式展開我們在拉斯維加斯2015年國際消費性電子用品展的記者會。
我們不會讓各位敗興，不過請密切注意，我們會在整場活動中即時於部落格上進行更新。按下瀏覽器上的「更新」鈕，就能獲得最新訊息。
更多關於 NVIDIA 參加 CES 展的資訊，請見 nvidia.com/CES2015。