黄仁勋：英伟达豪赌GPU终获回报，但我更看好高性能计算

其实他在演讲中说的大多数挑战和解决方案大家都不陌生，不过我们可以理解他表现出的热情。因为GPU（或者更具体地说，是Nvidia 的GPU和CUDA），一直是HPC用以应对摩尔定律崩溃的关键手段。

深度学习热浪奔涌，Nvidia豪赌GPU终获回报

最近，基于加速器的异构架构的不断兴起，这在世界超级计算机Top 500榜单上表现得很明显。在最新的榜单上，有127台超级计算机系统中使用了Nvidia的产品，包括目前世界上运算速度最快的两台超级计算机Summit和Sierra。

同样，Nvidia对混合精度功能的支持，对于提升机器学习和深度学习性能至关重要，这在Nvidia在Volta100和T4 GPU上部署的Tensor Core技术中可见一斑。

无论是敏锐的远见也好，聪明的机会主义也罢，Nvidia对GPU的豪赌都取得了丰厚的回报。现在的GPU对传统的建模和仿真任务，以及新兴的数据驱动的AI任务的支持越来越广泛。

关于HPC和GPU如何协同工作还有很多事情需要解决，至少近期，基于加速器的异构系统可以作为两者共同的动力。黄仁勋将Nvidia作为先行者，进行了不拘一格的技术讨论，并宣布了一系列内容，包括HPC性能基准、产品对市场推动力、新合作伙伴的努力以及对开源的模式赞誉等。

横扫云平台和Top500榜单： Nvidia突破性的一年

世界超级计算机Top 500榜单中，Nvidia进步明显。现在，榜单中使用Nvidia GPU的系统数量同比增长了48％，是五年前的三倍。两台全球顶级超级计算机Summit（橡树岭国家实验室）和Sierra（劳伦斯利弗莫尔国家实验室）一共使用了超过40000个Nvidia V100 Tensor Core GPU。Top500榜单中的近一半计算力（702/1417 petaflops）来自加速系统。在10年前，榜单中根本没有出现加速系统。

容器业务扩展迅速。 Nvidia的NGC容器注册表现在提供41个框架和应用程序（去年为18个），用于深度学习，HPC及其可视化。最近增加的内容包括CHROMA，Matlab，MILC，ParaView，RAPIDS和VMD。 

Nvidia发布了新的多节点HPC和可视化容器，允许超级计算用户在大规模集群上运行工作负载。此外，NGC容器现在可以在Singularity本地使用，Singularity是一种在超级计算中广泛采用的容器技术。

其他值得一提的亮点。 Nvidia GPU也为欧洲和日本最快的超级计算机提供加速服务。今天发布的Green 500排行榜测试了世界上最快系统的能效，榜单显示，前25个“最环保”的系统中，有22个系统使用Nvidia的GPU。

“对于Nvidia来说，这是超级计算领域的突破性的一年。”黄仁勋在发布会上表示，事实确实如此。

服务器设计的适用范围从单个T4 GPU一直到单个节点中的20个GPU。 T4的多精度功能可提供四种不同精度级别的工作负载，FP32提供8.1 TFLOPS，FP16提供65TFLOPS，INT8提供130 TFLOPS，INT4提供260 TFLOPS。

在演讲的最后，黄仁勋激动地表示，英伟达最好的产品还没有到来。让我们拭目以待。

谷歌定向优化TensorFlow，寻求GPU性能极限

作为最早在云服务平台上应用Nvidia T4 GPU的企业，谷歌一直与Nvidia有着良好的合作关系。近日，谷歌的研究人员在 Medium上发布了一篇官方博文，题为《用XLA将GPU性能推向极限》（Pushing the limits of GPU performance with XLA）。

XLA 是 TensorFlow 图模型的编译器（complier），用于优化 TensorFlow 计算。虽然这篇博文中并未提到谷歌最新采用的英伟达T4 虚拟机，但很明显可以看出，谷歌在针对GPU做TensorFlow模型优化，未来也将如此。

公众号回复“IT派”，

邀你加入IT派 { 技术青年圈} 

文章知识点与官方知识档案匹配，可进一步学习相关知识CUDA入门技能树GPU架构及异构计算介绍GPU架构以及异构计算的基本原理1584 人正在系统学习中

来源：IT派