在傳統(tǒng)服務(wù)器芯片市場(chǎng),,英特爾是個(gè)巨無霸,,無論是IBM Power還是ARM陣營,所占有的份額都微乎其微,。但戰(zhàn)線轉(zhuǎn)移到人工智能領(lǐng)域,,IBM似乎更有優(yōu)勢(shì),。
據(jù)外媒報(bào)道,近日IBM和NVIDIA聯(lián)手推出了新服務(wù)器IBM Power Systems S822LC for High Performance Computing(還有兩款產(chǎn)品分別為IBM Power Systems S821LC和IBM Power Systems S822LC for Big Data),,從這一串名字可看出,,這并不是一款普通的服務(wù)器,它是專門為人工智能,、機(jī)器學(xué)習(xí)和高級(jí)分析應(yīng)用場(chǎng)景而推出的,。
IBM官方宣稱,這款服務(wù)器數(shù)數(shù)據(jù)處理速度比其它平臺(tái)快5倍,,和英特爾x86服務(wù)器相比,,每美元的平均性能高出80%。
這款服務(wù)器比英特爾x86強(qiáng)在哪,?
據(jù)了解,,該款服務(wù)器使用了兩個(gè)IBM Power8 CPU和4個(gè)NVIDIA Tesla P100 GPU。Power8是目前IBM最強(qiáng)的CPU,,從之前媒體的評(píng)測(cè)數(shù)據(jù)來看,,其性能是要優(yōu)于英特爾E7 v3的,而Tesla P100是NVIDIA今年才發(fā)布的高性能計(jì)算(HPC)顯卡,,這樣的配置組合在處理性能上自然不弱,。
原因有兩個(gè):
其一,相比CISC指令集,,采用的RISC指令集的Power處理器可同時(shí)執(zhí)行多條指令,,可將一條指令分割成多個(gè)進(jìn)程或線程,交由多個(gè)處理器同時(shí)執(zhí)行,,因此并行處理性能要優(yōu)于基于CISC架構(gòu)的英特爾x86芯片,。
另外,這款服務(wù)器的巧妙之處還在于Power8和Tesla P100之間的“配合”,。
Power架構(gòu)的另一大特點(diǎn)就是具有充分發(fā)揮GPU性能的優(yōu)勢(shì),。
實(shí)際上,Tesla P100有兩個(gè)版本,,一個(gè)是NVIDIA今年4月推出的NVLink版,,另一個(gè)是6月發(fā)布的PCI-E版本,簡單來講,,前者是后者的加強(qiáng)版,,與IBM Power8配對(duì)的正是Tesla P100 NVLink版。
Tesla P100采用的是Pascal架構(gòu),,能夠?qū)崿F(xiàn)CPU與GPU之間的頁面遷移,,不過每塊NVLink版還配置了4個(gè)每秒40 GB NVIDIA NVLink端口,分部接入GPU集群。NVLink是OpenPOWER Foundation獨(dú)有的高速互連技術(shù),,其有效帶寬高達(dá)40GB/S,,堪稱PCIE的升級(jí)版,足以滿足多芯片并行計(jì)算的需求,。不過支持這一標(biāo)準(zhǔn)的CPU屈指可數(shù),,Power8則是其中之一(英特爾不在此之列)。
這就意味著,,Power8 CPU能夠和Tesla P100 GPU以更高的速度完成通信,,這一特性可讓IBM Power Systems S822LC for High Performance Computing中的CPU和GPU之間的連接速度遠(yuǎn)快于普通的在PCIe總線上交換數(shù)據(jù)的表現(xiàn)。
CPU,、GPU這樣協(xié)作更配,,IBM和NVIDIA新款人工智能服務(wù)器又把英特爾秒了
IBM表示,“這一功能意味著,,不同于在GPU處于PCI-E界面上的x86系統(tǒng)上,,數(shù)據(jù)庫應(yīng)用程序、高性能分析應(yīng)用程序和高性能計(jì)算應(yīng)用程序運(yùn)行能夠在要大得多的數(shù)據(jù)集上運(yùn)行,?!?/p>
另外,Tesla P100的半精度浮點(diǎn)運(yùn)算性能達(dá)到了每秒21萬億次 —— 比插入現(xiàn)代PCI-E插槽的GPU高出大約14%,,這樣的處理能力對(duì)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的重要性不言而喻,。
IBM還做了個(gè)縱向?qū)Ρ龋屠峡頟ower S822LC服務(wù)器的Tesla K80 GPU加速器相比,,新款服務(wù)器的加速能力提升了兩倍多,。
預(yù)計(jì)明年問世的IBM Power9會(huì)延續(xù)對(duì)CPU+GPU組優(yōu)化。
為何是“CPU+GPU”,?
眾所周知,在人工智能人工智能和深度學(xué)習(xí)等計(jì)算任務(wù)上,,CPU早已不堪重任,。因此,不少企業(yè)紛紛推出人工智能專用芯片概念,,例如谷歌的TPU(Tensor Processing Unit),;還有業(yè)內(nèi)人士力挺FPGA更適合深度學(xué)習(xí)的算法,這也是英特爾以高價(jià)收購Altera的主要原因,。
不過,,上述兩個(gè)替代CPU的方案都還未成熟,目前大多數(shù)企業(yè)采用的依然是“CPU+GPU”的組合,,或者稱為異構(gòu)服務(wù)器,。通常來說,在這種異構(gòu)模式下,應(yīng)用程序的串行部分在CPU上運(yùn)行,,而GPU作為協(xié)處理器,,主要負(fù)責(zé)計(jì)算任務(wù)繁重的部分。
因?yàn)楹虲PU相比,,GPU的優(yōu)勢(shì)非常明顯:
1.CPU主要為串行指令而優(yōu)化,,而GPU則是為大規(guī)模的并行運(yùn)算而優(yōu)化。所以,,后者在大規(guī)模并行運(yùn)算的速度更快,;
2。同等面積下,,GPU上擁有更多的運(yùn)算單元(整數(shù),、浮點(diǎn)的乘加單元,特殊運(yùn)算單元等等),;
3,。一般情況下,GPU擁有更大帶寬的 Memory,,因此在大吞吐量的應(yīng)用中也會(huì)有很好的性能,。
4.GPU對(duì)能源的需求遠(yuǎn)遠(yuǎn)低于CPU。
當(dāng)然,,這并不代表人工智能服務(wù)器對(duì)CPU沒有需求,,CPU依然是計(jì)算任務(wù)不可或缺的一部分,在深度學(xué)習(xí)算法處理任務(wù)中還需要高性能的CPU來執(zhí)行指令并且和GPU進(jìn)行數(shù)據(jù)傳輸,,同時(shí)發(fā)揮CPU的通用性和GPU的復(fù)雜任務(wù)處理能力,,才能達(dá)到最好的效果,通俗點(diǎn)說就是實(shí)現(xiàn)CPU和GPU的協(xié)同計(jì)算,。
雖然NVIDIA和Intel等芯片商正在為GPU和CPU孰強(qiáng)孰弱陷入了口水戰(zhàn),,但實(shí)際上這些企業(yè)已經(jīng)開始在異構(gòu)計(jì)算上加大了研發(fā)力度,至少在近期內(nèi),,CPU和GPU的結(jié)合將繼續(xù)成為人工智能領(lǐng)域最有效的方案,。