北京赛车挂机方案|北京赛车挂机方案
datasheet

如果你認為英偉達僅是一家芯片公司,那你就錯了

2019-04-01來源: 半導體行業觀察 關鍵字:英偉達

在NVIDIA宣布將花費69億美元收購數據中心網絡公司Mellanox之后,讓很多人為此感到驚訝,當中包括了NVIDIA的長期觀察者。這是迄今為止NVIDIA有史以來最大的收購,相對而言,它以前購買的公司規模要小得多,而且往往是在對方甩賣的時候再出售。從規模上看,他們2001年出資拿下競爭對手3dfx資產的交易最為接近,因為當時NVIDIA是一家小得多的公司。


正如我在之前的一篇文章中所解釋的那樣。購買3dfx資產(以及雇傭100名員工)是一個更容易理解的舉措,因為新資產可以立即投入到NVIDIA的核心業務——PC圖形處理器上。多年Mellanox處于一個完全不同的業務——數據中心網絡。Mellanox的產品補充了NVIDIA的產品,沒有重疊。


通過此次收購,NVIDIA表示,他們不再是一家GPU公司。隨著加速器業務呈指數增長并進入網絡,NVIDIA現在是一家數據中心公司。


Mellanox首席執行官Eyal Waldman與NVIDIA首席執行官Jensen Huang共同出席了2019年的GTC舞臺 


收購Mellanox有很多有趣的方面,例如NVIDIA更深入地進入以色列的科技行業; Mellanox的其他計算相關資產(EZChip和Tilera); Jensen Huang的管理風格將如何在以色列發揮作用; Mellanox支持CCIX計算加速器連接協議與NVIDIA自己的NVLink。在后面的文章中,我們會一一深入探索這些不同。但現在,讓我們來探索一下這款全新的NVIDIA。


NVIDIA如何成為一家數據中心公司?


這一切都始于2006年左右的發現(在斯坦福大學)。那時候,斯坦福大學的人使用圖形處理單元(GPU)進行一些計算密集型工作負載處理,與傳統處理器或CPU相比,GPU提供的每瓦性能有了重大的提升。


事實證明,用于處理像素(紋理處理)的所有小計算元素都可用于粗略的科學計算。該領域最初被稱為GPU Compute。與此同時,圖形也變得越來越復雜,并且GPU中增加了全功能的數學處理功能。NVIDIA的一些人,包括Bill Dally教授和已故的John Nicholls,注意到有機會擴大GPU的使用范圍,并在高性能計算(HPC)市場中發揮重要作用。結果是,NVIDIA在以圖形計算的Quadro產品線為基礎,在其GPU中為HPC工作負載添加了更多功能,開辟了一條專門用來做數值計算的Tesla產品線。


該公司還為其GPU開發了CUDA編程框架,但從未支持任何其他GPU。作為主要競爭GPU供應商的AMD選擇等待OpenCL開發,但這個軟件的開發速度要慢得多。在這樣的基礎上,NVIDIA在HPC方面大獲成功,并在超級計算機TOP500排行榜中名列前茅。據介紹,他們為全球兩個最快的超級計算機提供動力。


NVIDIA首席執行官Jensen Huang展示了該公司在超級計算機上的增長 


由于NVIDIA在HPC的GPU計算方面的工作表現優越,AI領域的一些研究人員決定使用GPU來加速稱為深度卷積神經網絡(DCNN)的新機器學習算法。新的DCNN和GPU的組合使得AI神經網絡的訓練和推斷比以前更加快速和準確。這推動了原本處于寒武紀的人工智能研究和應用爆炸式增長,而NVIDIA引領這股潮流。該公司為這些新的工作負載快速調整了GPU,增加了新的數學函數,甚至加油稱為Tensor Cores的專用處理元素。NVIDIA還開發了一系列名為cuDNN的軟件庫,針對CUDA和深度神經網絡進行了優化。


由于人工智能研究的爆炸式增長,每個云供應商也都開發了自己的語言。谷歌擁有TensorFlow,Facebook擁有Pytorch / Caffe 2等。即使人工智能框架擁有碎片化的困境,但該領域仍在快速增長。因為大家還在繼續研究新算法,所以靈活的方法具有長期的擁有成本效益。這就是GPU(或FPGA)等靈活性加速器說擅長的,因為他們很容易適應新的算法。在他的GTC 2019主題演講中,Jensen將這種架構稱為“PRADA”,從一個架構中可編程加速多個域。該體系結構兼容性允許構建已安裝的軟件和系統基礎并降低基礎架構的成本。


Jensen Huang解釋了他的首字母縮略詞PRADA


從芯片轉向系統


在黃仁勛的主題演講中他提出,數據科學是科學方法的第四個支持。NVIDIA意識到數據科學家和人工智能研究人員短缺,因此這些人的生產力非常重要。為了保持這種勢頭,將資源帶給更廣泛的開發人員非常重要。因此,該公司設計了一系列DGX工作站和服務器,滿載了用于ML研究的CUDA-X工具和庫。該公司正在利用來自多家系統原始設備制造商(包括戴爾,惠普公司和聯想)的新數據科學平臺,擴大其對數據科學家的影響力。


即使使用新的系統和工具,該行業仍然面臨著為商業和科學見解分類新的和現有數據的挑戰。這推動數據科學去解決數據過多的問題。當我們進入自動駕駛汽車時代,它們將產生需要處理的數十億字節的信息。這就是為什么英偉達認為越來越多的數據中心需要構建AI處理來對所有這些數據進行分類的原因。


超級計算機與HPC


在HPC的工作中,NVIDIA專注于提供最大計算性能解決非常大的問題。超大規模數據中心通常會同時運行許多計算任務(向外擴展)。數據科學的需求恰好介于兩者之間 - 大型數據集和許多用戶,并具有向上擴展和向外擴展的特征。


為了滿足這些不同的需求,NVIDIA已經與Mellanox建立了許多服務器項目,提供機架網絡。由于Mellanox的成功,它成為各種芯片公司和云公司的收購目標,當中包括英特爾和微軟等公司。然而,Mellanox不是去其中一家公司,而是尋求像NVIDIA這樣更友好的合作伙伴。黃仁勛也在有機會成為Mellanox的白衣騎士時,抓住了這個轉瞬即逝的機會。


隨著Hadoop,SPARC和RAPIDS等數據分析程序對工作負載的容器化和超大規模的不斷增加,他們看到通常被稱為數據中心的東西向通信的機架到機架通信呈指數增長。那就意味著低延遲網絡對于創建計算結構至關重要。


Mellanox的網絡技術可以使數據中心足夠靈活,以適應這些不斷變化的工作負載。Mellanox的關鍵開發是把網絡任務從CPU轉移到加速器,在未來它將為其交換產品添加AI以更有效地移動數據。


對于服務器擴展應用程序(如HPC),目標是使多個GPU像一個巨型GPU一樣工作。這就是NVIDIA的NVLink發揮作用的地方,將多個GPU捆綁在一起。對于更廣泛的基礎設施,可以部署Tesla T4卡。這些70W half-height PCIe PCIe卡適用于2U機架機箱,因此這些卡可以大量添加到現有數據中心。T4是NVIDIA最靈活的數據中心產品 - 它可用于推理,訓練(速度與V100速度不同),數據科學,視頻轉碼以及VDI(虛擬桌面)應用。


在未來,英偉達將更加重視云和邊緣應用程序的推理,這也是NVIDIA在英特爾競爭最激烈的領域,


雖然AI加速器的寶座上有許多競爭者,但NVIDIA依然是擁有最多安裝量的山頂之王。通過收購Mellanox,它們開辟了其數據中心領域。


關鍵字:英偉達

編輯:muyan 引用地址:http://www.bp0.com.cn/manufacture/2019/ic-news040127644.html
本網站轉載的所有的文章、圖片、音頻視頻文件等資料的版權歸版權所有人所有,本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如果本網所選內容的文章作者及編輯認為其作品不宜公開自由傳播,或不應無償使用,請及時通過電子郵件或電話通知我們,以迅速采取適當措施,避免給雙方造成不必要的經濟損失。

上一篇:華為加大資本支出,供應鏈崛起勢不可擋
下一篇:最后一頁

關注eeworld公眾號 快捷獲取更多信息
關注eeworld公眾號
快捷獲取更多信息
關注eeworld服務號 享受更多官方福利
關注eeworld服務號
享受更多官方福利

小廣播

About Us 關于我們 客戶服務 聯系方式 器件索引 網站地圖 最新更新 手機版

站點相關: 市場動態 半導體生產 材料技術 封裝測試 工藝設備 光伏產業 平板顯示 電子設計 電子制造 視頻教程

北京市海淀區知春路23號集成電路設計園量子銀座1305 電話:(010)82350740 郵編:100191

電子工程世界版權所有 京ICP證060456號 京ICP備10001474號 電信業務審批[2006]字第258號函 京公海網安備110108001534 Copyright ? 2005-2019 EEWORLD.com.cn, Inc. All rights reserved
北京赛车挂机方案