Редактирование: Nvidia (раздел)

== GeForce Experience ==

2013 году компания выпустила утилиту GeForce Experience, которая оптимизирует производительность ПК с видеокартами Nvidia в играх, проверяет актуальность установленных на устройстве драйверов, добавляет функцию записи и трансляции игрового процесса и прочие возможности для комфортного игрового процесса. GeForce Experience поддерживает графические процессоры компании начиная с GeForce 400, выпущенного в 2010 году. Утилита автоматизирует проверку и обновление драйверов, в том числе драйверов Game Ready, оптимизированных для конкретных игр, а также задаёт оптимальные настройки для наилучшей производительности в играх на основе параметров конкретного ПК. Во время игры GeForce Experience работает как оверлей, предоставляющий доступ к дополнительным инструментам.

В их число входит инструмент записи и трансляции игрового процесса ShadowPlay, реализованная на базе аппаратного энкодера Nvidia NVENC, интегрированного в графический чип процессоров с архитектурой Kepler и выше. ShadowPlay позволяет вести запись в разрешении HD, Full HD, 2K и 4K с частотой кадров 30 или 60 в секунду и битрейтом от 10 до 50 мегабит в секунду, поддерживает отображение изображения с веб-камеры в углу экрана и захват экрана и несколько режимов записи, в том числе сохранение записи до 20 уже прошедших минут игры. Видео сохраняются с кодированием в H.264 в формате MP4, также ShadowPlay поддерживает стриминг в подключённые учётные записи Twitch, Facebook и на YouTube. В 2017 году ShadowPlay был дополнен технологией Highlights, которая автоматически сохраняет в формате 15-секундных видеоклипов или GIF важные игровые моменты — выполнение квеста, одновременное убийство нескольких противников, победу над сложным боссом.

В 2016 году в состав Nvidia Experience вошёл инструмент Ansel, созданный совместно с разработчиками игр и названный в честь американского фотографа Энселя Адамса. Ansel предоставляет пользователю расширенные возможности по созданию скриншотов включая стереоизображения, 360-градусные панорамы и стереопанорамы. Ansel позволяет в любой момент времени остановить игру, перемещать и настраивать камеру для выбора ракурса, использовать хромакей, проводить пост-обработку. Снимки сохраняются в формате OpenEXR с поддержкой расширенного динамического диапазона. Режим Super Resolution позволяет с помощью ИИ масштабировать изображения до разрешения 63360×35640 без сглаживания. В августе 2018 года с выходом новых графических процессоров с аппаратной поддержкой трассировки лучей компания представила Ansel RTX, который рассчитывает в 30 раз большее число лучей света, чем движок игры в реальном времени и позволяет получать фотореалистичное изображение.

В январе 2018 года компания представила в составе GeForce Experience технологию Freestyle, которая позволяет на уровне драйвера экспериментировать с шейдерами, меняя цветовую гамму, резкость и другие параметры изображения, наподобие инстаграм-фильтров. Пользователю были доступны предустановленные наборы параметров, включая комбинации для дальтоников, и 38 настроек. Ещё одной экспериментальной функцией GeForce Experience является режим GameStream Co-op, который позволяет игроку временно передать управление другому пользователю или пригласить его присоединиться к кооперативному режиму. При этом игра будет запущена только на компьютере первого игрока, а второй будет получать трансляцию игрового процесса по Сети.

=== Quadro ===

Развитие направления профессиональных графических карт Quadro для высокопроизводительных рабочих станций началось в 1999 году с выхода первого решения на базе ядра NV10, использованного в GeForce 256. Карты Quadro основаны на тех же процессорах, что и карты игровой (потребительской) линейки GeForce, но отличаются более надёжными компонентами, рассчитанными на длительную эксплуатацию при пиковых нагрузках, а драйверы Quadro имеют сотни профилей для работы в специализированных приложениях с максимальной производительностью. Например, редактор трёхмерной графики Autodesk Softimage использует физический движок PhysX для ускорения расчётов на ядрах CUDA при создании реалистичных эффектов, например, воды, огня или взрывов. Autodesk 3ds Max поддерживает отрисовку сцен на рендер-движке Nvidia iRay, который обращается напрямую к графическому процессору в обход центрального процессора, тем самым ускоряя время отрисовки на порядок. И iRay, и V-Ray от компании Chaos Group поддерживают прорисовку сцен в режиме реального времени за счёт ресурсов графического процессора. Autodesk AutoCAD в сочетании с Quadro позволяет использовать аппаратные шейдеры при построении изображений. Поддержку специализированных технологий Nvidia также имеет ПО CATIA, SolidWorks, PTC Creo, Solid Edge, «Компас», Revit, Civil, ArchiCAD, Autodesk Maya, Adobe Photoshop, Adobe Premiere Pro, MSC Nastran, ANSYS. В Quadro реализован ряд технологий, недоступных пользователям GeForce — сглаживание до x64 (и до x128 при подключении нескольких видеокарт по технологии Nvidia SLI), управление множественными рабочими столами с настраиваемыми границами экранов, коррекцию ошибок в памяти для высокоточных вычислений и полную очистку памяти при переходе к новым задачам, точное распределение вычислительной нагрузки между несколькими графическими картами, расширенные возможности удалённого администрирования и мониторинга.

=== nForce ===

В 2001 году Nvidia выпустила свой первый чипсет для системных плат. Первые поколения — nForce, nForce2 и nForce3 — работали только с процессорами AMD. Последующие поколения (nForce4, nForce 500, nForce 600, nForce 700, GeForce 8000/9000 и nForce 900) получили поддержку процессоров Intel. В феврале и марте 2009 года Intel и Nvidia обменялись исковыми заявлениями. Intel считала, что сделка 2004 года по кросс-лицензированию технологий больше не действует и Nvidia не может производить чипсеты с поддержкой шин DMI / QPI и, как следствие, процессоров нового поколения Nehalem. Nvidia же считала, что вторая сторона этим запретом нарушает всё ещё действующее лицензионное соглашение. Ввиду потери рынка карт для процессоров Intel в октябре 2009 Nvidia объявила о заморозке инвестиций в разработку новых чипсетов. Через год, в ноябре 2010 года компания полностью отказалась от чипсетного бизнеса. Причинами был и конфликт с Intel (суд завершился победой Nvidia в 2011 году) и то, что спрос на nForce год от года снижался, так как интегрированные графические решения перемещались из отдельных чипсетов в центральные процессоры.

=== Tesla ===

Линейка ускорителей вычислений Tesla была представлена летом 2007 года, вскоре после релиза унифицированной вычислительной архитектуры CUDA, позволяющей на Си-подобном языке программирования писать код для вычислений на графическом процессоре. Первый ускоритель Tesla C870 был основан на графическом процессоре G80, уже представленном в картах GeForce 8-й серии, и основанном на унифицированной шейдерной микроархитектуре, также носящей имя Tesla. Также были представлены решения с 2 картами в «настольном суперкомпьютере» и 4 картами в форм-факторе блейд-сервера формата 1U. C870 поддерживала вычисления с одинарной точностью с производительностью 518 гигафлопс. С переходом на новую микроархитектуру графических процессоров компания обновляла линейку ускорителей Tesla, причём в случае Fermi, Pascal, Volta и Turing ускорители Tesla становились первыми продуктами на новой архитектуре, представленными широкой публике. В 2011 году компания представила технологию Maximus, позволяющую комбинировать в рамках одной рабочей станции ускорители Tesla и профессиональные графические карты Quadro для максимально эффективного распределения вычислительных ресурсов. Для этого в рамках технологии Maximus компания представила универсальный драйвер для обеих карт, оптимизированный как для решения более стандартных задач на базе Quadro, так и для специализированных вычислений на базе Tesla.

Наиболее современным на октябрь 2018 года был ускоритель вычислений Tesla T4 на микроархитектуре Turing, новшеством которого стала поддержка более широкого диапазона точности, что кратно увеличило производительность в вычислениях, не предъявляющих высоких требований к точности — например, при применении обученных моделей нейросетей. В результате Nvidia удалось достичь производительности в 8,1 терафлопс в вычислениях с одинарной точностью (FP32), 65 терафлопс в смешанных вычислениях с одинарной и половинной точностью (FP16/FP32), 130 триллионов операций в режиме INT8 и 260 триллионов в режиме INT4.

По итогам 2018 года Tesla были самыми популярными ускорителями в области высокопроизводительных вычислений и использовались в 127 суперкомпьютерах, входящих в Top500 — рейтинг самых мощных устройств этого класса. Для сравнения, в рейтинге 2015 года присутствовало 66 устройств, использовавших ускорители Tesla, 26 устройств с Intel Xeon Phi на базе процессоров общего назначения и 3 суперкомпьютера с AMD FirePro. На ускорителях вычислений Tesla были основаны два самых мощных на 2018 год суперкомпьютера мира — Summit в Национальной лаборатории Окриджа и Sierra в Ливерморской национальной лаборатории Министерства энергетики США. Также вычисления на ускорителях Tesla были внедрены в суперкомпьютере Tsubame Токийского технологического института (29-е место на конец 2008 года); суперкомпьютере Tiānhé-1A, спроектированном китайским Оборонным научно-техническим университетом НОАК (1-е место на октябрь 2010 года); суперкомпьютере Titan, установленном в Национальной лаборатории Окриджа Министерства энергетики США (1-е место на ноябрь 2012 года); суперкомпьютере Cray CS-Storm (10-е место в 2014 году); суперкомпьютере Piz Daint, размещённом в Швейцарском национальном суперкомпьютерном центре (3-е место на ноябрь 2017 года). Среди российских суперкомпьютеров, использующих вычисления на графических процессорах общего назначения на базе ускорителей Nvidia Tesla — «Ломоносов», установленный в Московском государственном университете, и «Лобачевский», расположенный в Нижегородском государственном университете. Также по ситуации на 2018 год Nvidia Tesla были в основе 22 из 25 наиболее энергоэффективных суперкомпьютеров рейтинга GREEN500.

=== GRID ===

Nvidia занялась разработкой платформы удалённой обработки данных в середине 2000 годов, и в мае 2012 года представила свои разработки в этом направлении — платформу VGX для виртуализации рабочих мест с производительностью полноценной рабочей станции и GeForce GRID — технологическую платформу для запуска игр в облаке. VGX была основана на 3 компонентах — блейд-серверах на базе графических процессоров Nvidia, собственном гипервизоре Nvidia, который интегрировался в коммерческие гипервизоры и обеспечивал виртуализацию графического процессора и систему распределения ресурсов между пользователями. Впоследствии компания представила аппаратные решения для VGX — графические карты для виртуализации большого числа рабочих мест VGX K1 и решение для одновременного запуска 2 рабочих мест для работы со сложной графикой и обработки 3D-задач в приложениях Adobe, Autodesk и SolidWorks — VGX K2. В марте 2013 года компания представила готовое решение для дизайнеров, архитекторов, проектировщиков и инженеров GRID VCA (Visual Computing Appliance, букв. англ. оборудование для визуальных вычислений), включающее сервер в форм-факторе 4U, клиентское ПО и гипервизор. В конце 2013 года сервера GRID были внедрены в Amazon Web Services. Представленное в том же году серверное решение для облачного гейминга работало по схожему принципу, предоставляя пользователям фиксированный объём вычислительной мощности для стабильной производительности системы в современных играх. Для снижения сетевой задержки реализовано сжатие видео на собственных серверах и оптимизированы драйверы как для серверного, так и клиентского оборудования. Потребителями решений Nvidia для операторов игровых сервисов были многие игровые сервисы — Gaikai, Playcast, Ubitus, CiiNow, G-cluster, LiquidSky и Playkey. Собственные решения компания использовала в собственном облачном сервисе для владельцев игровых устройств линейки Shield — GeForce GRID (впоследствии — GeForce NOW).

=== GeForce NOW ===

GeForce NOW образца 2018 года — третья по счёту итерация сервиса облачных игр (потоковая трансляция ПК-игр из облака), разработку которого фирма вела с начала 2010-х годов. В 2012 году компания выпустила серверное решение GeForce GRID, которое позволяло запускать игры на высокопроизводительном оборудовании компании и стримить игровой процесс на устройство пользователя. Первым партнёром Nvidia, внедрившим GeForce GRID в своих серверах, стал сервис цифровой дистрибуции Gaikai, впоследствии выкупленный Sony. Бета-тестирование собственного облачного сервиса, предназначенного для пользователей устройств линейки Shield, компания начала осенью 2013 года. Как отмечало издание о технологиях The Verge, уже тогда GRID (как сервис потоковой трансляции игр) значительно превосходил альтернативы в лице Gaikai и OnLive. На протяжении всего времени тестирования Grid оставался бесплатным для пользователей, а на апрель 2015 года библиотека сервиса включала 47 ПК-игр, главным образом класса AAA. По окончании многомесячного тестирования осенью 2015 года компания перезапустила сервис потоковой трансляции игр под брендом GeForce NOW с платной подпиской на игры встроенного каталога и возможностью приобретения других игр через сервис цифровой дистрибуции. География работы GeForce NOW на момент перезапуска включала Европу (в том числе, западную часть России), Северную Америку и Японию. GeForce NOW неоднократно получал высокие оценки в игровой прессе, а главная претензия к нему сводилась к недоступности вне экосистемы Shield. В 2017 году компания начала тестирование GeForce NOW по модели службы аренды вычислительных ресурсов для запуска игр, доступной на любых устройствах, включая ПК под управлением OS X и Microsoft Windows (при этом пользователи Shield вновь получили бесплатный доступ к сервису). В 2017 году началось тестирование нового GeForce NOW на Mac, в январе 2018 года бета-версия сервиса стала доступна владельцам ПК на Windows. Благодаря использованию графических ускорителей Tesla P40 с 24,5 гигабайтами VRAM в серверной части сервис смог обеспечить производительность в графики эквивалентную использованию GeForce GTX 1080 на устройстве пользователя с разрешением до 2560×1600. В новом GeForce NOW пользователи потеряли доступ к каталогу игр по подписке, но получили возможность запускать на виртуальном компьютере любые игры из сервисов цифровой дистрибуции Steam, Uplay или Battle.net.

=== DGX ===

Новый рынок для компании открылся в 2009 году, когда сразу несколько исследовательских групп обнаружили, что графические процессоры гораздо эффективнее для задач, связанных с глубоким обучением нейросетей. Профессор Стэнфордского университета Эндрю Ын тогда отмечал, что основанные на GPU решения могут быть в 100 раз эффективнее, чем решения на базе центральных процессоров с архитектурой x86.

Первый суперкомпьютер для решения задач по глубокому обучения ИИ DGX-1 компания представила на конференции GTC в апреле 2016 года одновременно с анонсом ускорителя вычислений Tesla P100. В первой версии DGX-1 было установлено 8 карт P100 с совокупной производительностью 170 терафлопс. Его конфигурация включала 2 линии 10-гигабитного Ethernet и 4 InfiniBand с шиной EDR и скоростью около 100 гигабит в секунду. DGX-1 стал первым комплексным решением для глубокого обучения и поставлялся с пакетом специализированного ПО, в том числе платформой Deep Learning GPU Training System (DIGITS) и библиотекой CUDA Deep Neural Network library (cuDNN). В продажу компьютер поступил в июне 2016 года по цене 129 тысяч долларов. Спустя год вместе с анонсом ускорителей Tesla V100 на новой архитектуре Volta компания представила обновлённый DGX-1 с 8 картами V100, а также DGX Studio с 4 картами V100 и меньшим объёмом оперативной памяти. Обновлённый DGX-1, поступивший в продажу по цене 149 тысяч долларов, имел производительность в 960 терафлопс при выполнении задач глубокого обучения, DGX Station с производительностью 490 терафлопс получил цену в 69 тысяч.

Принципиального прорыва в производительности до 2 петафлопс компания добилась в DGX-2, продемонстрированном на GTC в марте 2018 года. В новом компьютере были использованы 16 ускорителей вычислений Tesla V100, объединённых новым интерфейсом NVSwitch с пропускной способностью 2,4 терабайта в секунду — по характеристике Дженсена Хуанга, этой скорости было бы достаточно для одновременной трансляции 1440 фильмов. В совокупности в новинке было 82 тысячи ядер CUDA, более 100 тысяч ядер Tensor и 512 гигабайт памяти с высокой пропускной способностью стандарта HBM 2. На презентации компания отметила, что смогла достичь в 10 раз большей производительности, чем в DGX-1, и в 500 раз большей, чем в собственных решениях 5-летней давности. В продажу DGX-2 поступил по цене в 399 тысяч долларов.

=== Tegra ===

Разработкой систем-на-чипе (SoC), предназначенных для использования в мобильных устройствах, компания занялась после приобретения в 2003 года компании-разработчика дискретной графики для КПК MediaQ. Её наработки были использованы для создания линейки чипов GoForce, которые нашли применение в устройствах Motorola и других производителей. В 2006—2007 годах фирма также приобрела софтверную графическую компанию Hybrid Graphics и фаблес-компанию PortalPlayer, в прошлом — поставщика систем-на-чипе для Apple iPod. Накопленный опыт и приобретённые технологии были использованы в новой линейке чипов Tegra, которые объединяли процессор общего назначения с архитектурой ARM и собственный энергоэффективный графический процессор. В первом поколении своих SoC, представленном в 2008 году, компания выпустила две серии чипов — Tegra APX 2500 для смартфонов и модели 600 и 650, призванные составить Intel Atom конкуренцию в нише мобильных интернет-устройствах (то есть КПК, ориентированных на веб-сёрфинг и развлечения) и смартбуках. Tegra первого поколения нашли применение в медиаплеерах Zune HD от Microsoft и Samsung YP-M1 а первым смартфоном на платформе стал Microsoft KIN. Однако широкого применения первое поколение Tegra не получило: сказалась ставка на смартбуки и продвинутые КПК, которые не нашли массового рынка.

Намного более успешной оказалась система-на-чипе Tegra 2, представленная в 2011 года. Производительная Tegra 2 с поддержкой 3D-графики получила применение во многих 10-дюймовых планшетов и смартфонах Acer, Asus, Motorola, LG, Toshiba и других производителей и оставалась актуальной даже спустя несколько лет. Успех второго поколения SoС повторила Tegra 3, получившая более мощный графический ускоритель и дополнительное процессорное ядро для простых вычислений. Tegra 3 устанавливался в Google Nexus 7, планшеты Lenovo, Asus и Acer, смартфоны HTC и LG, а также ноутбуки-трансформеры под управлением операционной системы Windows RT — Microsoft Surface и Lenovo IdeaPad Yoga 11. В 2013 году компания представила Tegra 4, на основе которого разработала собственные игровые консоли, выходившие под брендом Shield. Однако постепенно компания утратила интерес к конкурентному массовому рынку потребительских устройств и переориентировалась на области, где высокая производительность Tegra была востребована — игровые консоли и автомобильный рынок. В 2012 году NVIDIA договорилась с Audi об использовании Tegra в панелях управления и развлекательных системах автомобилей, а в 2013 году — начала сотрудничество с Tesla и Lamborghini.

Долгий производственный цикл автопроизводителей оказался удобен для Nvidia, которая нашла в автомобилях применение как для новых разработок, так и для более старых Tegra 2 и Tegra 3. Представленная в 2014 году система-на-чипе Tegra K1 изначально позиционировалась как платформа для бортовых компьютеров и систем беспилотных автомобилей, а следующее поколение Tegra X1 вообще не предназначалось для применения в мобильной электронике.

=== Drive ===

На Consumer Electronics Show в январе 2015 года вместе с анонсом системы-на-чипе Tegra X1 фирма представила собственное комплексное решение для автомобильной промышленности — компьютер для приборной панели Drive CX на базе чипа X1, инструментарий для разработки интерфейсов приборной панели Drive Studio и бортовой для автопилотов Drive PX, в котором использовались сразу 2 SoC X1. В отличие от ADAS (Advanced driver assistance system, рус. передовая система помощи водителю), представленных на рынке на тот момент, Drive PX был ориентирован на использование в автомобилях, начиная со средней ценовой категории. С первой версии Drive PX поддерживал работу сразу 12 отдельных HD-камер, информация которых обрабатывалась искусственной нейронной сетью, и распознавал другие транспортные средства, пешеходов, дорожные знаки и другую информацию. На конференции GPU Technology Conference весной 2015 года представители NVIDIA рассказали о процессе обучения ИИ Drive PX и отметили, что на основе опыта множества смоделированных аварий научили его избегать преград и учитывать все возможные препятствия.

Drive PX первой версии имел производительность расчётов в 2,3 терафлопс, а в представленном на CES 2016 компьютере Drive PX 2 этот показатель удалось довести этот показатель до 8 терафлопс. Этой производительности уже было достаточно для автоматического пилотирования автомобиля на основе данных 12 камер, радара, лидара и других датчиков. Обновлённый Drive PX 2 научился выводить подробную информацию об окружении автомобиля на экран в реальном времени, а при подключении к интернету — дополнять их сведениями о дорожной обстановке, состоянии дорожного полотна и других факторах. На GPU Conference в апреле 2016 года NVIDIA были представлены демо-автомобили Audi, Volvo и BMW, оснащённые Drive CX и Drive PX. В январе 2017 года на CES 2017 NVIDIA и Audi объявили о планах к 2020 году выпустить серийный автомобиль с ИИ (предположительно, Audi Q7). Также компания-разработчик представила собственный беспилотный автомобиль BB8, названный в честь астромеханического дроида из вселенной «Звёздных войн», и применяемый для апробирования технологий автономного вождения.

В феврале 2017 года состоялась тестовая гонка чемпионата беспилотных электрокаров Roborace, в котором команды представлены технологически идентичными болидами с различными управляющими программными платформами. Обе машины тестового заезда, DevBot 1 и DevBot 2, работали на базе Drive PX 2. Осенью 2017 года на конференции GPU Conference в Мюнхене компания представила прототип автономного почтового фургона, разработанный ZF Friedrichshafen AG совместно с Deutsche Post DHL, а представители российской технологической компании «Яндекс» рассказали о собственном самоуправляемом автомобиле на базе Toyota Prius V и Drive PX 2. Кроме того, на конференции Дженсен Хуанг представил расширенную версию Drive PX — Drive PX Pegasus, разработанное совместно с 25 другими технологическими компаниями и автопроизводителями и при производительности в 320 терафлопс позволяющее создать беспилотный автомобиль 5-го уровня автономности (не требующий участия человека в управлении). Также вплоть до августа 2018 года компьютеры линейки Drive PX использовались в электрокарах Tesla.

В марте 2018 года после смертельного ДТП, в ходе которого самоуправляемый автомобиль Uber сбил велосипедистку, ошибочно посчитав её незначительным препятствием, которое не требует реакции, фирма объявила о прекращении тестирования собственных беспилотных автомобилей на дорогах общего пользования. Спустя неделю на собственной технологической конференции компания представила облачную платформу Drive Pegasus, предназначенную для тестирования алгоритмов автопилота в смоделированных условиях. Система основана на двух компонентах. Первый — сервер на базе графических процессоров Nvidia, на котором запущена среда симуляции Drive Sim, создающая потоки данных для камер, радара, лидара и других датчиков машины и фотореалистично тестовое окружение. Второй — бортовой компьютер Drive Pegasus для запуска ИИ-автопилота. Эта связка позволяет моделировать любые ситуации на дороге, включая маловероятные сценарии и экстремальные погодные условия и проводить миллионы тестов в день без риска для других участников дорожного движения.

=== SHIELD ===

В начале 2013 года на Consumer Electronics Show фирма анонсировала собственную игровую консоль под кодовым названием Project Shield. К поступлению устройства в продажу слово Project в названии было опущено. SHIELD получил формат геймпада с откидным 5-дюймовым сенсорным экраном, работал под управлением операционной системы Android, позволял загрузку игр из магазина Google Play, собственного магазина цифрового контента TegraZone, а также поддерживал технологию GameStream — потоковую трансляцию игр с ПК, оснащённого графическим процессором GeForce на микроархитектуре Kepler. Помимо игры на собственном экране SHIELD позволял выводить изображение по HDMI на монитор или экран телевизора, что делало его устройством с самой большой библиотекой игр и самыми широкими игровыми возможностями на рынке. В список игр, получивших поддержку контроллера SHIELD, вошли около 2 десятков названий, включая AAA-проекты, такие как Bioshock Infinite, Need for Speed: Most Wanted, Call of Duty: Black Ops 2, Team Fortress 2, Grand Theft Auto: Vice City и ARMA Tactics.

В 2014 году компания представила Shield Tablet, выполненный в форм-факторе традиционного планшета с беспроводным контроллером и ставший одним из наиболее производительных Android-устройств на рынке. Помимо GameStream устройство получило поддержку облачного игрового сервиса Grid для потоковой трансляции ПК-игр из облака Nvidia (впоследствии переименованного в GeForce Now), а также было оптимизировано для графического движка Unreal Engine. На момент релиза SHIELD Tablet оказался сравнительно дорогим устройством, а из-за проблем с перегревом аккумулятора компании пришлось заменить пользователям часть устройств. В 2015 году компания выпустила обновлённую модель с исправленными «детскими болезнями» под индексом K1, которая при идентичной предшественнику конфигурации имела значительно меньшую цену в розничной продаже.

Кроме того, в 2015 году фирма выпустила игровое устройство в формате потокового медиаплеера (телевизионной приставки), получившее название SHIELD Android TV или просто SHIELD (оригинальный SHIELD 2013 года был переименован в SHIELD Portable). Новый SHIELD стал первым устройством на базе процессора Tegra X1, работал на базе Android TV, поддерживал GameStream и Grid (GeForce Now) и вывод видео в разрешении Ultra HD (4K). Помимо контента Android TV устройство получило поддержку стриминговых сервисов Netflix, Hulu Plus, YouTube, Amazon Instant Video и Sling TV, российских Okko, Megogo.net, Amediateka, Rutube и многих других, а также поддержку стриминга с Android-устройств Google Cast. В обновлении 2017 года SHIELD получил на 40 % более компактный корпус, поддержку новых стриминговых сервисов, полную интеграцию с голосовым помощником Google Assistant и поддержку системы умного дома на платформе Samsung SmartThings в режиме хаба, через который организовано подключение и взаимодействие устройств и датчиков.

=== Jetson ===

В марте 2014 года компания представила свой первый специализированный компьютер для встраиваемых систем Jetson TK1 на базе процессора Tegra K1, предназначенный для использования в автономных дронах, умных камерах, роботах и других интеллектуальных устройствах. Несмотря на скромные размеры, Jetson TK1 с производительностью в 326 гигафлопс был сравним по мощности с традиционными рабочими станциями, что позволило позиционировать новинку и последующие версии Jetson как «первые мобильные суперкомпьютеры». В Jetson TX1 на базе системы-на-чипе Tegra X1 производительность выросла до 1 терафлопс, а размер самого устройства удалось сократить до размера пластиковой карты. В Jetson TX2 на основе обновлённого процессора Tegra X2 NVIDIA удалось удвоить производительность при сохранении прежнего уровня энергопотребления. Принципиального прорыва в вычислительной мощности компания достигла в июне 2018 года в компьютере Jetson Xavier, основанном на следующем поколении чипов Tegra. Система с производительностью 30 терафлопс при энергопотреблении втрое меньше, чем у лампы накаливания, была представлена как первый в мире компьютер для интеллектуальных роботов. На плате Jetson Xavier разместились 8-ядерный процессор ARM для выполнения общих вычислений, графический процессор с тензорными ядрами, предназначенный для задач, связанных с глубоким обучением, и специализированные блоки для обработки видео. Jetson Xavier был представлен в составе платформы Isaac, также включающей набор API и инструментов разработки для подключения к 3D-камерам и датчикам Isaac SDK, библиотеку ускорителей ИИ Isaac IMX и виртуальную среду для обучения и тестирования ИИ Isaac Sim.