文/李卫忠
10月19日,2017全国高性能计算学术年会在安徽合肥拉开帷幕。NVIDIA派出庞大阵容参与了此次盛会,其开创的GPU市场也受到多位专家、厂商的赞誉。
中国工程院院士廖湘科在主旨报告中梳理了GPU应用的发展脉络。
中国工程院院士廖湘科
从超算、人工智能到大数据,GPU日益发挥出关键作用
随着CPU+GPU异构融合的天河1号(2009年排名第5)、天河1A号(2010年排名第1)、美国泰坦(2011年排名第1)的推出,GPU在超算领域开始逐渐崭露头角。
随后,科学家借鉴GPU在超算领域的成功应用,将GPU引入人工智能领域,使GPU对人工智能重新崛起发挥了重要作用。目前,各大公司均采用GPU作为主流的深度学习训练平台,无论在大规模训练、高吞吐并发的重型AI领域,还是在无人机、嵌入式等轻型AI领域都发挥越来越重要的作用。
而物联网、移动互联网、云计算、大数据等新技术的发展,进一步推动了GPU的广泛应用。大数据促进了HPC数据中心化;AI促进了加速器集群的发展,并对传统科学与工程计算产生了深刻的影响;云上HPC和定制HPC也日益普及。
榜单公布,人工智能热助NVIDIA成为大赢家
而在刚刚公布的2017中国高性能计算TOP 100排行榜中,NVIDIA Tesla GPU 以28套取得惊艳的成绩,尤其值得一提的是,其中高达22套为Tesla P100。
NVIDIA GPU主导的数据分析/机器学习领域,则以56%的比率高居HPC应用第一名。
人工智能推动HPC不断取得新突破
NVIDIA副总裁暨中国区企业事业总经理沈威
回顾GPU的发展历史,2006年NVIDIA通过CUDA的推出闪亮登场;2008年开始,全球超大计算中心纷纷采用GPU;数据显示,2012年,CUDA的应用为45000个,到2017年已经高达615000个,成为最广泛的HPC加速平台;2014年,采用NVIDIA的AI为1500个,到2017年已经到达39637个,NVIDIA GPU成为最广泛的AI加速平台。
2015年,天文学家首次观察到引力波,就是利用GPU进行深度学习推开了认识太空的一扇新大门。
除了HPC领域,基于GPU的深度学习也在渗透到互联网服务、医疗、媒体娱乐、安防、自动机械等各个行业。
沈威还提到,Google、Amazon等互联网巨头对深度学习都进行了海量的部署,这源于市场对计算能力的需求呈指数型增长。而NVIDIA的TESLA平台正成为HPC和AI数据中心最佳的加速平台。特别是今年5月推出的TESLA V100性能令人惊艳。
在NVIDIA展台,笔者进一步感性地了解到了NVIDIA在高性能计算和人工智能领域的创新。
将计算力移到桌面DGX工作站
采用液冷制冷的DGX工作站,工作声音极其安静,4块TESLA把计算和渲染能力完美地结合在一起,为高校科研人员、商业设计人员提供了强大的个人桌面高性能机,也是私有云的最佳选择之一。
实时仿真方案ANSYS Discovery Live
与ANSYS联合开发四年,采用Quadro GP100专业显卡,将于明年2月推出的ANSYS Discovery Live,基于GPU首次在行业实现了实时仿真可视化在,以替代原来需要几天才能看到结果的传统工作方式,尤其适合概念设计阶段,大大降低CAE工作的门槛。
淋漓展现解码能力的DEEPSTREAM
运行在单块GPU上的DEEPSTREAM 可实现30路高清频道解码、实时分析和元数据提取,淋漓尽致地展示了GPU的解码和推理能力。这是NVIDIA中国团队历时5个月的研发成果,用户只需做好训练即可在此基础上快速开发和部署基于视频和图像场景的深度学习应用。
超分辨率算法
除了工具类产品的研发,NVIDIA也有一批技术人员研究前沿技术应用,例如:超分辨率算法,利用深度神经网络,对低分辨率游戏视频进行超分辨率处理,大大提升了玩家的视觉体验。