英伟达扩展超级计算基础设施 支持基于arm的芯片

计算机图形芯片制造商NvidiaCorp.宣布其人工智能和高性能计算基础设施将很快支持基于ARM的中央处理单元，为新一代超级计算机铺平道路。

该公司今天早些时候表示，其CUDA-XAI和HPC库、图形处理单元加速的AI框架和软件开发工具将在年底前全部支持基于ARM的机器。 这是一个重要的步骤，因为基于ARM的超级计算机应该能够更大的规模，因为他们更高的动力效率，该公司说。

“随着传统计算缩放的结束，电力将限制所有超级计算机，”Nvidia首席执行官黄延森（见图）表示。 “Nvidia的CUDA加速计算和ARM的节能CPU体系结构相结合，将使HPC社区提升到exascale，”这个术语指的是每秒可以进行五分之一操作的计算机。

在一次新闻发布会上，Nvidia的总经理兼加速计算副总裁伊恩·巴克(Ian Buck)表示，支持ARM CPU的决定是由于对该行业的广泛和日益增长的兴趣而作出的。

“使手臂有趣的是它非常开放，”巴克说。 “[它为连接CPU和GPU以及进行更节能计算提供了]灵活性。

nvidia的基础设施已经被用于世界上最节能的25台超级计算机中的22台，这要归功于它对x86和基于POWER的计算机芯片的支持。 它说，随着对ARM芯片的额外支持，Nvidia希望增加其在HPC空间的存在，以支持更先进的人工智能工作负载。

nvidia还希望将其超级计算能力扩展到特定的用例中，包括训练自动驾驶汽车的人工智能系统。

为了做到这一点，它今天发布了它所说的世界上第22个最快的超级计算机DGX超级POD，以及一个参考架构，为希望在自己或外部数据中心部署它的公司。

nvidia说DGX超级POD的设计是为了提供部署大规模自动驾驶汽车车队所必需的人工智能培训基础设施。 这台新机器是在短短三周内建成的，由Nvidia的96台旧DGX-2H超级计算机组成，这些超级计算机是利用新的数据中心互连技术集成的，这是该公司今年早些时候收购MellanoxInc.时获得的。

该公司表示，DGX超级POD的设计是为了训练自动驾驶汽车的神经网络，这样他们就能理解“道路规则”，并每秒提供9.4个petaflops或4,000万个浮点操作，这是衡量处理能力的标准指标。 这是一个惊人的力量-如此之多，以至于它可以将流行的图像分类ResNet-50AI算法的训练时间从25天缩短到不到两分钟，官员说。

NvidiaA I基础设施副总裁克莱门特？ “几乎没有什么人工智能挑战像训练自动驾驶汽车一样苛刻，它需要对神经网络进行数万次再训练，以满足极端的精度需求。

从罗伯特·霍夫的报告

显示您对我们的任务的支持，我们的一键订阅我们的优管频道（下面）。 我们拥有的用户越多，你就越能向你推荐相关的企业和新兴技术内容。 谢谢！

支持我们的使命：>；>；>；SUBS CRIBE NOW>；>；>；到我们的优管频道。

我们还想告诉你我们的使命，以及你如何帮助我们完成它。 硅谷媒体公司的商业模式是基于内容的内在价值，而不是广告。 与许多在线出版物不同，我们没有付费墙或经营横幅广告，因为我们希望保持我们的新闻开放，没有影响或需要追逐流量。 硅谷的新闻、报道和评论-以及我们硅谷工作室的现场、未经剪辑的视频和CUBE的环球视频团队-需要大量的艰苦工作、时间和金钱。 保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。

如果您喜欢这里的报道，视频采访和其他无广告内容，请花点时间查看我们的赞助商支持的视频内容样本，推特您的支持，并继续回到硅安格尔。