w88优德

电子圈

IC热门型号:
您所在的位置:w88优德 > 电子圈 > 电子资讯 > NVIDIA多方战略布局 力迎2020年资料中心新战役

在线老虎机真人娱乐场

出处 : 科技网 发布时间 : 2019/09/11 关键词: NVIDIA 阅读 : 30

摘要:NVIDIA近来游戏业务营收,遭遇挖矿热潮急速降温冲击,正在重新稳健未来营收步伐,另一方面似乎也正在为2020年抢攻全球资料中心市场做准备。

NVIDIA近来游戏业务营收,遭遇挖矿热潮急速降温冲击,正在重新稳健未来营收步伐,另一方面似乎也正在为2020年抢攻全球资料中心市场做准备。包括于3月收购资料中心网络大厂Mellanox、持续新一代GPU加速器的硬件研发与软件提升,以及在多个采用GPU驱动人工智能(AI)运算的产业领域建立更大客群基础等,让NVIDIA如今更象是一家资料中心领域业者,不只是游戏GPU供应商而已。


NVIDIA是怎么变成如今愈来愈象是一家资料中心业者的?

一切,始于美国加州史丹佛大学(Stanford University)约2006年时,运用GPU进行部分运算密集工作负载,提供比传统中央处理器(CPU)在每瓦效能上更大的提升效果。初期这类领域称为GPU运算(GPU Compute);与此同时,绘图也变得更为复杂,GPU也新增全功能的数学处理能力,当时NVIDIA内部部分人士意识到有扩大GPU应用范围潜力,并在HPC领域可发挥重要作用。


因此,NVIDIA开始将更多功能导入用于HPC工作负载的GPU中,并开发以Quadro专业工作站产品线为基础的「Tesla」产品线。NVIDIA并为其GPU开发CUDA程序架构,但从未支持任何其他GPU,如竞争对手超微(AMD)选择等待OpenCL进行开发。


之后NVIDIA便在全球HPC领域取得显著成功,在全球前500大超级计算机排行榜中,有多达127部超级计算机采用NVIDIA GPU运算;美国能源部旗下橡树岭国家实验室(Oak Ridge National Laboratory)的Summit、以及劳伦斯利佛摩国家实验室(Lawrence Livermore National Lab)的Sierra两大全球最快速超级计算机,都是采用NVIDIA GPU提供运算。


由于NVIDIA GPU运算在HPC领域的成功,部分AI领域研究人员开始决定采用NVIDIA GPU投入全新DCNN机器学习(ML)算法加速应用上。将全新DCNN与GPU结合,让AI神经网络的训练和推论更加快速且准确率更高,这带起由NVIDIA领军的全球AI研究与应用的爆炸式成长。


在此浪潮下,NVIDIA为其GPU新增新的数学功能、甚至是名为Tensor Cores的专用处理元素,借以让其GPU适应于AI运算的工作负载;此外,NVIDIA也开发一系列命名为「cuDNN」的软件库,为CUDA以及深度神经网络进行优化。


由于全球AI研究的爆炸式成长,各家云端供应商都开发了自己的语言,例如Google的TensorFlow、Facebook的Pytorch和Caffe 2等,即使仍呈现各自为政的发展态势,但这块领域仍在快速成长中。也由于新的算法仍持续开发,因此采取弹性的运算途径,让业者具备长期拥有成本下降的效益;而GPU或是FPGA这类具弹性优势的加速处理器,就很适合用于全新AI算法运算上。对此NVIDIA执行长黄仁勋称为「PRADA」,即单架构多元领域的可程序化加速,这类架构的兼容性有助让基础设施成本下降。


如同黄仁勋所言,资料科学如今是科学方法的第四个基础。NVIDIA也意识到全球资料科学家以及AI研究人员的不足,为强化其生产力,NVIDIA因此开发了内建CUDA-X工具与提供机器学习研究数据库的DGX工作站和服务器;NVIDIA也正透过来自惠普(HP)、戴尔(Dell)和联想(Lenovo)等系统OEM厂商的全新资料科学平台,扩大对资料科学家领域的影响力。


即使采用新系统与工具,业界仍面临如何处理极大量商业及科学领域全新和既有资料的挑战,这促使资料科学家尝试解决创生出愈来愈多资料量的问题,例如自驾车即会累积创造相当庞大数量的资料有待处理消化。这也是为何业界认为全球愈来愈多资料中心,有内建AI技术提供极庞大资料量分析处理的必要性。


在HPC应用上,NVIDIA聚焦于在规模化问题上极大化运算效能;超大规模资料中心(Hyperscale)通常会有相当多运算任务同时运行,而资料科学的需求则介于两者之间。为满足这些不同需求,NVIDIA此前与Mellanox开发许多服务器项目,随着Mellanox获致成功,也让Mellanox跃升为英特尔(Intel)、微软(Microsoft)等大型芯片或云端业者的潜在收购标的,最终则是与已有合作关系的NVIDIA结亲。



购并Mellanox创战略综效 料可获中国批准


Mellanox网络技术有助资料中心具备适应不断变化工作负载的弹性,为NVIDIA面向资料中心领域称为东西向(east-to-west)通讯的机架对机架(rack-to-rack)通讯市场创造了优势。除此之外,NVIDIA此前与安谋(Arm)在AI以及HPC软件方面的结盟,也都有助强化NVIDIA的领导地位。目前NVIDIA已掌握全球逾9成云端基础设施即服务(IaaS)市场,NVIDIA与Mallanox合计也支援全球前500大超级计算机中的250多部超级计算机。


近期ISC High Performance发布的报告指出,Mellanox的乙太(Ethernet)交换系统为全球前500大超级计算机中,最多采用的内部系统、达247部;其次才是计算机网路通讯标准InfiniBand、有140部系统采用。


目前NVIDIA收购Mellanox已获得美国政府监管机关核准,惟仍需中国以及欧洲的监管机关审核,但预期不太可能遭遇高通(Qualcomm)此前收购恩智浦(NXP)不成的结果,因NVIDIA与Mellanox各自领域不同,且未对全球通讯产业形成显著国家安全威胁风险,加上中国是NVIDIA AI应用一大输出国,双方顺利合并对中国才有利。


外界分析,NVIDIA战略目标应是要缩短GPU与FPGA的差距,毕竟FPGA提供更佳的效能及低延迟性,不过FPGA开发难度也相对更高。因此,NVIDIA显然是为提升其GPU作为资料中心运算领域最佳芯片才买下Mellanox,而不只是为了取得InfiniBand和乙太技术。在有助提升NVIDIA GPU竞争力下,也同时有助略为减低业者对采用英特尔、超微CPU的需要。



多年GPU投入HPC 助攻深化开拓更广泛客群


黄仁勋在NVIDIA最新一季财报上表示,正看到AI趋势从云端走向企业、边缘以及自驾车系统等领域,由于企业采用AI运算,带动芯片制造商资料中心营收开始好转,AI边缘应用和对话界面应用将有助驱动NVIDIA短期营收成长,也是两大带动成长契机。


黄仁勋也指出,NVIDIA正在多个采用GPU驱动AI运算的产业领域,开发更广泛的客户基础,例如大型零售商等,这类业者运用资料中心GPU,减低从周到小时产品需求预测模型的开发时间。另也有愈来愈多新创企业以GPU开发以AI为基础的产品及服务,例如交货机器人、个人数位助理等。


过去10年来NVIDIA Tesla GPU的快速迭代,让全球HPC以及IT产业中的AI领域,已习惯于每隔几年就见到全新运算引擎的推出。早期阶段NVIDIA曾经相当对外开放,但随着在全球资料中心发展日益成熟,NVIDIA对未来的计划蓝图也变得对外部较为保守。


黄仁勋指出,NVIDIA预期Volta架构在2020年可持续取得成功,软件也将持续改善,仅一年时间NVIDIA便提升Volta的AI效能约80%,而要打造所有Tensor Cores、所有连结GPU的NVLink、以及与构建超级计算机有关的大量节点,所有用于打造这些大范围系统的软件开发是相当困难的,而这些软件构建也是硬件芯片发展上的一项艰巨任务。


随着过去10多年NVIDIA将其GPU运算,导入传统HPC模拟与建模、机器学习、数据库加速,以及如今进军资料科学领域,让NVIDIA如今在全球资料中心领域拥有一个业务基础,因而能持续扩大深入布局全球资料中心市场,掌握全球HPC资料中心、超大规模资料中心以及云端供应商的投资资出市占。


虽然NVIDIA截至7月28日的2020会计年度第2季整体营收年减25.8%、至25.8亿美元,不过资料中心业务同期衰退幅度没有整体或游戏本业来得明显,仅年减13.8%、甚至季增约3%。2019年上半的衰退,与超大规模资料中心及云端业者支出趋缓有关,因而冲击所有系统供应商营收。但预期在DGX获得业界更多部署机会下,预料将有助NVIDIA资料中心业务创造稳定收入,但预期不会出现过去几年的爆炸式成长、而会是渐进升温成长态势。


NVIDIA资料中心业务包括Tesla GPU加速器、NVSwitch ASIC以及NVIDIA直接面向客户端销售的DGX-1与DGX-2系统,外界预估DGX系统营收约占过去1年NVIDIA资料中心业务26.7亿美元营收的2成,这有其实质意义,让NVIDIA成为全球一大超级计算机元件供应商。


黄仁勋日前称NVIDIA推论运算业务正在成长,这很大受惠于成功在图灵(Turing)架构中采用相同的Tensor Core单元,这也是NVIDIA面向游戏市场的动态光线追踪(Ray Tracing)技术,以及在超大规模资料中心、云端等领域推论引擎渲染技术的关键技术。


此推论业务如今也是NVIDIA资料中心业务一大组成部分,占过去1年约3亿~4亿美元营收规模。这有赖NVIDIA Tesla T4加速器具备推论效能,并能与目前在机器学习推论领域占主导地位的CPU和FPGA竞争所赐。但由于CPU与FPGA并未放弃这块市场,这也是NVIDIA必须更加积极回应的竞争领域。


外界分析,NVIDIA已拥有更强大的GPU技术供机器学习训练,并有在机器学习训练领域维持庞大领先优势潜力,特别是在同时进行HPC、AI运算,以及不久后投入资料科学和分析的领域,除非未来遭遇具备可训练及推论的新架构带来新挑战。

免责声明:凡注明来源本网的所有作品,均为本网合法拥有版权或有权使用的作品,欢迎转载,注明出处。非本网作品均来自互联网,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。