江苏龙网

  1. 首页 > 资讯 > 科技 > >

AI人工智能|AI最新趋势 | 我从MLPerf基准测试中读出这些( 二 )


浪潮就在A100发布时同步推出了5款AI服务器 ， 可支持8到16颗NVIDIA A100 Tensor Core GPU 。 笔者曾与浪潮方面探讨过未来的产品主流 ， 据其说法 ， 从过往三年AI服务器的发展历程来看 ， 算力需求的线性增长在倒逼AI服务器的升级换代 。 由于AI算力的需求一直保持着50%的行业增速 ， 在一些头部行业的增速甚至超过100% ， 因此未来V100的AI服务器很可能会升级为A100的八卡服务器 。
而随着数据的爆炸增长与深度神经网络日趋复杂 ， 单机或小型服务器已经无法满足算力需求 ， 未来将有大量的AI应用和服务被放在云端 ， AI算力需求正在逐步迈入高峰期 ， 更多更高性能的AI服务器将在线下场景落地 ， 而GPU服务器依然是市场上的绝对主力 。
不只是芯片
【AI人工智能|AI最新趋势 | 我从MLPerf基准测试中读出这些】隐性“技能”越来越重要
测试结果显示 ， 相较于首轮MLPerf训练测试中使用的基于V100 GPU的系统 ， 如今的DGX A100系统能够以相同的吞吐率 ， 实现高达4倍的性能提升 。 而得益于最新的软件优化 ， 基于NVIDIA V100的DGX-1 系统也能够实现2倍的性能提升 。
大约一年半的时间 ， 英伟达整个AI平台就取得了如此优异的成绩 。 这些既是硬件架构升级所带来的跃进 ， 也是英伟达跨处理器、网络、软件和系统的AI平台的发展结果 。

AI人工智能|AI最新趋势 | 我从MLPerf基准测试中读出这些
本文插图

英伟达全栈创新带来的AI性能提升
特别是软件 ， 正在为AI的战略发展铺平道路 。 所有的AI公司都将越来越认识到 ， 软件的重要性 。 以GPU深度学习为代表的技术已经点燃了现代人工智能的热情 ， 同时也带动了CUDA软件生态的繁荣和开发者数量的迅猛增长 。
应用框架也是这位GPU霸主的布局重点之一 ， 包括：用于对话式AI的Jarvis、用于推荐系统的Merlin、面向汽车行业的NVIDIA DRIVE、面向医疗健康市场的Clara、面向机器人技术市场的Isaac ， 以及面向零售/智能城市市场的Metropolis 。 这些应用框架简化了企业级AI的开发和部署 ， 降低了GPU在各个领域的应用门槛 。
当然 ， 大规模加速计算特别是超大规模集群的部署是一个庞大的系统工程 ， 正如Paresh Kharya所说 ， 存储、网络、软件等 ， 都是重要因素 ， 而这些系统的顺利运转 ， 部分也得益于广泛的生态系统对于NVIDIA GPU和DGX的支持 。 在该轮MLPerf基准测试中 ， 生态系统也交出了一份满意答卷 。 在提交结果的九家公司中 ， 除英伟达还有六家公司提交了基于NVIDIA GPU的测试结果 ， 其中包括三家云服务提供商（阿里云、谷歌云和腾讯云）和三家服务器制造商（戴尔、富士通和浪潮） 。
推荐系统、NLP、强化学习
深度学习继续驱动AI纵深发展
与上一版相比 ， 最新的MLPerf基准测试包含两项新的测试（推荐系统、NLP） ， 还有一项经过大幅修订的测试（强化学习） ， 这些都覆盖了深度学习的最新进展 。 过去几年 ， AI取得了巨大进展 ， 从图象识别、图象分类到识别不同的物体等 ， 甚至能够识别图象中的每一个像素 。 这背后 ， 深度学习的驱动力量是巨大的 。

AI人工智能|AI最新趋势 | 我从MLPerf基准测试中读出这些
本文插图

图源 | Youtube
推荐系统是日益普及的一项AI任务 ， 已经成为互联网的重要引擎 。 不论是电商平台还是社交媒体 ， 如何将合适的内容、合适的产品在合适的时间推送给用户？推荐系统至关重要 。 而这背后的两大挑战：一是模型的复杂度 ， 因为需要处理的数据量是海量的 ， 为了提升推荐的相关度 ， 必须要对所有参数来进行建模；二是需要做出实时的计算 ， 最快提供推荐结果 。 这两大挑战无疑都指向了算力 ， 需要以非常快的速度完成计算 。 而GPU有指令集优势、全可编程、并且是软件定义的 ， 架构向前兼容 ， 整个硬件架构可以随着软件不断更新 ， 而且是在软件库就可以直接更新 。 阿里巴巴在去年“双十一”期间创造了380亿美元的销售纪录 ， 其推荐系统使用了英伟达GPU ， 使每秒查询量达到了CPU的100倍以上 。


推荐阅读


上一篇：荣耀手机|大屏手机还没结束，荣耀Note20遭曝光，或有麒麟1020进行加持！

下一篇：大众新闻|掌阅iReader推出儿童阅读器，20万册精选读物陪伴孩子健康成长