nv100 英伟达为人工智能定制的GPU有何不同？

本站讯 4月12日消息，据国外媒体报道，在位于加州圣何塞（San Jose）召开的2016 GPU全球技术大会(GTC)上，英伟达（NVIDIA）宣布了数项基于该公司最新GPU架构Pascal的新产品。一直以来，每年都会有一些GPU加速运算技术领域领先的研究员参加这个大会，过去几年该大会越来越多地将关注目光投向“深度神经网络”（Deep Neural Networks，DNN）。这种网络是研究人工智能（AI）和认知计算的最新重点。过去3年，在GPU的帮助下，AI研究取得了巨大进步。谷歌、微软、IBM、丰田、百度等企业都在尝试利用深度神经网络来帮助解决大量复杂的分析性、数据丰富的问题。英伟达正帮助上述企业利用其生产的GPU来加速这些系统所需要实施的深度学习。由于很早就参与到深度神经网络的研究中并且最近推出了新的GPU硬件，因而英伟达目前在利用硅产品来加速深度神经网络方面处于领先地位。

专为深度神经网络而生的GP100

最新公布的这款GPU名为GP100，是英伟达旗下Pascal家族产品的头炮，该产品系列使用来自台积电（TSMC）的16纳米FinFET技术，并采用英伟达最新的GPU架构。GP100首先是针对使用英伟达Tesla运算卡的数据中心而设计的，这种运算卡专门用于深度神经网络、云端、企业和其他高性能计算机。外界预期GP100将最终进入消费者市场（进行多番调整后以游戏运算卡形式出现），但该产品的主要目的仍然是作为一款企业加速处理器来提供服务。得益于Pascal所具备的性能、威力和软件能力，这款产品将开始挑战由CPU驱动的深度神经网络。这款产品还利用了英伟达最新的CUDA 8编程语言，自大约10年前诞生以来，该编程语言实际上已经成为GPU计算领域的标准。

运算能力大幅提升

正如IBM、谷歌以及百度在为“深度神经网络”工作负载选择GPU时所明确表明的，在培训方面GPU目前是比FPGA更好的选择。FPGA可能承认承担一定的角色，但该类型产品或许会在生产方面发挥更大用处。GP100 GPU实质上是一个包含153亿个晶体管的芯片，采用台积电最新的16纳米FinFET工艺，由英伟达把这153亿个晶体管排列在一个610平方毫米的芯片内。Pascal实际上是前一代产品Maxwell的压缩版，后者仅能够将80亿个晶片排列在610平方毫米乘芯片内。Pascal还增加了FP32 CUDA核心的数量，从3072增加至3584，这个增长量意义重大，帮助实现10万亿次浮点运算的表现。

对高性能计算机和数据中心而言，真正重要的提升来自于FP64 CUDA核心，从Maxwell时代的96个增加至1792个。这个增长提高了Pascal GP100的双精度能力，从213 GFLOPS提升至5.3 TFLOPS，绝对算得上是大幅提升。一直以来，Maxwell并不受那些需要双精度的人士的钟爱，因此很多人为了获得双精度，还必须继续忍受Kepler这一代的Tesla加速卡。随着GP100以及Pascal产品线推出，这种局面将发生改变。

通过HBM2提升内存带宽及性能

GP100还采用了第二代高带宽显存（HBM2，High Bandwidth Memory 2），这是一种新的内存技术，首先由AMD通过推出具有HBM的Fiji系列显卡而实现创新。HBM2带来了更多带宽和运算能力，因而基于GP100的运算卡可以拥有16GB内存，而Fiji系列产品每个GPU只有4GB内存空间。这种新的内存技术还能够节省大量电力和节约空间，从而使基于GP100的显卡可以减小尺寸同时变得更为节能。配备GP100 GPU的P100 Tesla运算卡拥有16GB HBM2，其运行速度达到720GB每秒，从而避免了内存成为这款GPU发展瓶颈的情况，同时也自然而然地起到支持ECC的作用。

通过NVLink提高扩展性

英伟达并不满足于宣布推出一个新架构、16纳米FinFET工艺以及HBM2，该公司还介绍了NVLink，这款产品的设计目的是在英伟达GPU相互连接期间，提供更多带宽并实现比PCIe 3低的延时，并且帮助英伟达GPU直接与IBM Power8+及新推出的CPU向连接。

HPC企业数据中心领导者

戴尔、IBM、惠普和Cray等高性能计算机厂商都将采用配备GP100的P100 Tesla运算卡。企业对这些运算卡的需求肯定不会少，更重要的是看英伟达能否成功地满足这些需求。

有一点非常重要的是，这不算是开创一个新时代，我们远未达到这个程度。

DGX-1是具有超级计算机性能的“兔子”

OEM厂商需要花时间才能将他们的系统准备好。为了加快Pascal进入大学、企业和云计算服务提供商的速度，英伟达还宣布一项基于P100的服务器设备，名为DGX-1.

DGX-1是一种完全整合的解决方案，包括两个Xeon处理器以及7TB固态硬盘空间，还有8张P100 Tesla运算卡，其目的是提供最佳的性能表现。这种服务器设备并不是要替代OEM解决方案，而是让希望在自己的“深度神经网络”上使用Pascal的用户能够尽快启动。

很有可能很多英伟达的Pascal客户最终会设计自己的解决方案，英伟达可以让早期采用者购买一个DGX-1服务器设备以为OEM解决方案大范围供应做好准备。英伟达目前对DGX-1设定的售价为12.9万美元，并且将在今年夏天交货。

英伟达称一个DGX-1服务器设备将取代250个基于CPU的节点，这些节点通常会被用于“深度神经网络”。除了替代250个节点外，该公司还表示Pascal的速度比“深度神经网络”的前一代GPU快12倍。虽然能提供如此强大性能，但DGX-1仅采用紧凑的3U、3200瓦特服务器。对于考虑进行大量“深度神经网络”培训的用户，这可能意味着帮助节省大量空间以及高额成本。

结论

英伟达对由GPU加速的“深度神经网络”的发现可能只是运气、偶然或者源于该公司与研究社区的密切关系及投资。最终，这个问题的答案是什么并不重要，因为英伟达现在显然已经是这个领域的领导者，该公司也将很多的技术重点放在了这个领域，英伟达需要完美地执行GP100，并且及时地交付这些GPU以及相应软件，如果能提早就更好了。CPU目前是这个领域的主导，但GPU已经非常受欢迎了，不过FPGA也想要分一杯羹。英伟达目前处于领先地位，不过他们不能吃老本、让其他人迎头赶上。英伟达具有非常好的交货路线图，其安排已经达到2017年第一季度了，因此关键的是在那之前他们可以获得哪些主要的设计胜仗。（楚慎）

via：forbes