CobiNet(寧波)推薦文章：

隨著數據需求工作負載滲透到并覆蓋傳統(tǒng)的CPU性能，GPU各供應商已經為數據中心補充了全新的設備和顯示卡。

最近、人工智能以及機器學習的潮流正在企業(yè)服務器之間形成連鎖反應。因為傳統(tǒng)的微處理器難以有效地處理這些來自要求苛刻的工作負載的信息，因此數據中心圖形處理器轉移至該領域填補相關的資源空白。

自70年代以來，圖形處理單元最初被用于從中央處理器處理視頻和圖形處理任務。與典型的CPU相比，這些系統(tǒng)具有不同的底層設計，GPU是為在單一數據流上最大化高速流水線上吞吐量而構建的。CPU也被設計為支持快速切換，并將信息從一個地方快速移動到另一個地方，如從主存儲到某一存儲系統(tǒng)。然而GPU具有不同的結構：它們可以并行處理并支持多個高速連接。這些微處理器有多組數據路徑進行大量的數據處理，這與圖形應用程序的需求非常吻合。

擴展數據中心GPU應用范圍

GPU在完成少量任務方面做得很好，但隨著任務要求逐漸擴大，相關相應也逐漸完成擴展。Nvidia傾向于把GPU與其他半導體供應商區(qū)分開來，并為GPU尋找更廣泛的用途。

首先，這些產品開始進入高性能計算領域。然而最近，GPU供應商專門為數據中心服務器設計了設備和顯示卡產品。專為服務器優(yōu)化的GPU使用高帶寬內存，并作為模塊集成到專用服務器設計中，或作為外圍組件互連快速（Peripheral Component Interconnect Express）附加卡的方式提供。但是，與游戲顯卡不同，這些顯示卡并未提供圖形化界面。

服務器各供應商將GPU與CPU連接起來，以充分利用CPU的優(yōu)勢。當CPU性能無法滿足處理數據密集型任務時，會提高CPU（與GPU的集成）性能（滿足任務需要）。

大數據、機器學習和人工智能應用程序具有很高的處理要求，需要處理大量的信息和不同的數據類型。這些特點與GPU的設計初衷非常吻合。

AI和機器學習各供應商均使用GPU來支持處理訓練神經網絡所需的大量數據。Gartner公司的分析師Alan Priestley表示，在這一領域的市場之中，相比于將程序部署到具有GPU的高性能服務器之上，擁有GPU的PC設備可用性可幫助軟件開發(fā)人員能夠在臺式電腦上開發(fā)他們的算法。

GPU在數據中心領域的應用

數據中心GPU的應用將來可能會不斷深入。GPU是任務關鍵型工作負載的重要基礎設施特性。Priestley說，IT組織可推行采購商品化的GPU，并且借助標準庫的使用，他們可以很容易地將其納入應用程序。

因此，服務器各供應商提供集成GPU模塊的專用服務器或支持GPU附加卡的產品。據Gartner公司的調查，面向服務器優(yōu)化的GPU顯卡和使用性能最高的處理器的模塊通常的成本在1，000美元到5，000美元之間。

已有相關產品的供應商開始將這些附加產品納入其產品線。

戴爾同時支持AMD公司的FirePro系列GPU以及Nvidia公司的GPU，專為虛擬臺式基礎設施和計算應用而設計，并具有支持高達1792個GPU核心的處理能力。Hewlett Packard Enterprise（HPE）ProLiant系統(tǒng)可與Nvidia Tesla，Nvidia GRID和Nvidia Quadro GPU協(xié)同工作。HPE Insight集群管理實用程序（HPE Insight Cluster Management Utility）將安裝并配置GPU驅動程序，可提供如溫度等GPU運行狀況的監(jiān)控。

為了準備數據中心GPU深入使用，管理員需要掌握如何管理這些處理器的專業(yè)知識。他們應該找到熟悉這項技術的有關人員，當然這絕非易事，因為技術不同于傳統(tǒng)的微處理器設計，而且盡管Nvidia提供了一些培訓材料，相關的課程仍然比較少。

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發(fā)生產超五類，六類,七類線，屏蔽模塊，配線架及相關模塊配件的研發(fā)和生產。

歡迎來電咨詢0574 88168918,郵箱sales@cobinet.cn，網址m.czchengbang.com