威海经开区设立5亿元政府引导基金
06-18
在传统服务器芯片市场，英特尔是巨头，IBM Power和ARM阵营的份额都非常小。
但战线已经转向人工智能领域，IBM似乎占据优势。
据外媒报道，IBM和NVIDIA最近联合推出了一款新服务器——IBM Power Systems SLC for High Performance Planning（还有另外两款产品，分别是IBM Power Systems SLC和IBM Power Systems SLC for Big Data）。
从这份名单中，你可以看出这不是一台普通的服务器，它是专门针对人工智能、机器学习和高级分析应用场景推出的。
IBM官方宣称这款服务器的数据处理速度比其他平台快五倍，平均每美元性能比Intel x86服务器高80%。
这款服务器比 Intel x86强 好在哪里？据了解，这款服务器采用了两个IBM Power8 CPU和四个NVIDIA Tesla PGPU。
Power8是目前IBM最强大的CPU。
从之前的媒体评测数据来看，其性能优于Intel E7 v3，而Tesla P是NVIDIA今年刚刚发布的一款高性能计算（HPC）显卡。
这样的配置组合自然在处理性能方面也不弱。
原因有二：一是与CISC指令集相比，使用RISC指令集的Power处理器可以同时执行多条指令，并且可以将一条指令划分为多个进程或线程交给多个处理器执行同时。
，因此并行处理性能优于基于CISC架构的Intel x86芯片。
另外，这款服务器的巧妙之处在于Power8与Tesla P的“合作”。
Power架构的另一大特点是充分发挥GPU性能的优势。
事实上，Tesla P 有两个版本，一个是 NVIDIA 今年 4 月推出的 NVLink 版本，另一个是 6 月份发布的 PCI-E 版本。
简单来说，前者是后者的增强版，搭配IBM Power8就是Tesla PNVLink版本。
Tesla P 采用 Pascal 架构，可以实现 CPU 和 GPU 之间的页面迁移，但每个 NVLink 版本还配备了四个每秒 40 GB 的 NVIDIA NVLink 端口，部分连接到 GPU 集群。
NVLink 是 OpenPOWER 基金会独特的高速互连技术。
其有效带宽高达40GB/S。
堪称PCIE的升级版，足以满足多芯片并行计算的需求。
不过，支持该标准的CPU屈指可数，Power8就是其中之一（Intel不在其中）。
这意味着Power8 CPU可以以更高的速度与Tesla PGPU通信。
这一特性使得 IBM Power Systems SLC for High Performance Planning 中的 CPU 和 GPU 之间的连接速度比普通 PCIe 总线快得多。
交换数据的性能。
IBM表示，“这一功能意味着数据库应用程序、高性能分析应用程序和高性能计算应用程序可以在比GPU位于PCI-E接口的x86系统上大得多的数据集上运行。
“此外，Tesla P 的半精度浮点运算性能达到每秒 21 万亿次运算，比插入 PCI-E 插槽的现代 GPU 高出约 14%。
这样的处理能力非常适合训练深度神经网络。
重要性不言而喻，IBM还做了纵向对比，与老款Power SLC服务器的Tesla K80 GPU加速器相比，预计即将发布的IBM Power9的加速能力提升了一倍以上。
明年，将继续优化CPU+GPU组合。
为什么要“CPU+GPU”？众所周知，CPU在人工智能、深度学习等计算任务上已经不堪重负，因此很多公司都推出了AI专用芯片。
概念，比如谷歌的TPU（张量处理单元）；一些业内人士支持更适合深度学习的FPGA算法，这也是Intel高价收购Altera的主要原因。
尚未成熟。
目前，大多数企业仍然采用“CPU+GPU”的组合，即异构服务器。
一般来说，在这种异构模型中，应用程序的串行部分运行在CPU上，GPU充当协处理器，主要负责计算任务的繁重部分。
因为与CPU相比，GPU的优势非常明显：1、CPU主要针对串行指令进行优化，而GPU针对大规模并行运算进行优化。
因此，后者在大规模并行运算中速度更快； 2、相同面积下，GPU拥有更多的计算单元（整数、浮点乘法和加法单元、特殊计算单元等）； 3.一般情况下，GPU拥有较大的Memory带宽，因此在高吞吐量的应用中也会有良好的表现。
4.GPU的能源需求远低于CPU。
当然，这并不意味着人工智能服务器对CPU没有需求。
CPU 仍然是计算任务中不可或缺的一部分。
在深度学习算法处理任务中，还需要高性能CPU来执行指令并向GPU传输数据，同时还要发挥CPU的多功能性和GPU的复杂任务处理能力才能达到最佳效果。
通俗地说，就是CPU和GPU的协同计算。
尽管英伟达、英特尔等芯片厂商围绕GPU和CPU的优劣展开口水战，但这些公司实际上已经开始加大异构计算方面的研发力度。
至少在不久的将来，CPU和GPU的结合将继续成为人工智能领域最有效的解决方案。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-18
06-18
06-18
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态