新款IBM POWER8通过NVLINK与Tesla P100互联

近日在GTC CHINA 2016大会上, NVIDIA与IBM共同宣布最新合作项目,全新 POWER8 家族将通过NVLINK与NVIDIA Tesla P100实现强势组合。NVIDIA的科技在IBM的服务器中,能加速人工智能、深度学习和数据分析这类高度融合的工作,为企业更快获得人工智能。

数据中心的工作负载在不断发生变化,加速数据中心的需求也在不断增强。不久之前,这些系统主要用于处理存储和提供网页,而现在它们越来越多地需要负责人工智能领域的工作,比如理解语音、文字、图片和视频或者分析大数据以提供见解。数十亿的消费者希望即刻获得许多问题的答案,而企业公司需要分析激增的数据来更好地满足客户需求。这些问题都将由数据中心提供解决方案。

IBM 在几年前便注意到了这种趋势,并与NVIDIA合作,加快新数据中心工作负载的处理速度。经过四年的研发,备受关注的POWER8服务器联合了NVIDIA的Tesla P100 GPU和NVLink互联技术,实现了更高的数据性能分析和深度学习能力提升。

该系统使用了两个IBM POWER8 CPU和四个NVIDIA Tesla P100 GPU,并通过NVLink高速接口使其互联互通。这是一款定制的GPU加速器服务器,其中NVLink接口集成在主板路由上,并且使用 NVIDIA的Tesla P100 GPU。

技术联合,合力树立行业标杆

IBM Power System S822LC采用了两个IBM POWER8 CPU和四个NVIDIA Tesla P100 GPU,并通过NVLink实现互联。

IBM和NVIDIA技术如此紧密的结合使得数据流动速度比使用PCIe快了5倍,从而加快了目前诸如高级分析、深度学习和人工智能等极其重要的应用提供见解的速度。

IBM Power Systems总经理Doug Balog表示:“企业能通过高级分析、机器学习和人工智能提供的用户见解和商业价值越来越多地受到性能的制约。加速计算能够显著加快大数据工作负载的处理速度,并将成为这个认知时代的基础。凭借我们与 NVIDIA 等合作伙伴联手推动的 OpenPOWER 创新,搭载 POWERAccel 技术的全新 OpenPOWER Linux 服务器将为这些工作负载树立新标杆。”

通往 Summit 和 Sierra 之路

IBM 已经收到了多个客户的订单,其中包括一家大型跨国公司以及美国能源部橡树岭国家实验室 (ORNL) 和劳伦斯利福摩尔国家实验室 (LLNL) 等研究机构。

ORNL和LLNL两个实验室将把新系统用作开发平台来优化应用,以充分利用 NVIDIA NVLink 技术。这些系统将用作为新一代超级计算机 Summit 和 Sierra 开发应用的试验台,IBM 公司预计将于 2017年把Summit和Sierra分别交付给ORNL和LLNL。

橡树岭国家实验室领导计算设施项目总监 Arthur S. (Buddy) Bland 提到:“在 Power 平台上采用 NVLink 技术能够确保 CPU 和 GPU 中多个内存层次结构的一致性。作为 GPU 的长期用户,我们认为它将提升我们的应用性能,使用户能够更容易地获得重大的科学发现。”

本文作者:佚名

来源:51CTO

时间: 2017-08-02

新款IBM POWER8通过NVLINK与Tesla P100互联的相关文章

一文详解英伟达刚发布的 Tesla V100 究竟牛在哪?

众所周知,目前无论是语音识别,还是虚拟个人助理的训练:路线探测,还是自动驾驶系统的研发,在这些人工智能领域,数据科学家们正在面对越来越复杂的 AI 挑战.而为了更好地实现这些颇具未来感的强大功能,就必须在实践中引入一些指数级的更加复杂的深度学习模型. 另一方面,HPC(高性能计算)在现代科学研究中一直起着至关重要的作用.无论是预测天气,新药物的研究,或是探索未来能源,科研人员每天都需要利用大型计算系统对现实世界做各种各样的仿真和预测.而通过引入 AI 技术,HPC 就可以显著提升科研人员进行大数

NVIDIA全新计算卡Tesla P40/P4配置怎么样

  在北京召开的GTC 2016技术大会上,NVIDIA CEO黄仁勋亲自发布了新一代高性能计算卡Tesla P40.Tesla P4,专为人工智能.深度学习.神经网络推演而生. 它们俩将取代上代麦克斯韦架构的Tesla M40/M4,都进化到了最新的帕斯卡架构,当然也有16nm工艺. Tesla P40基于高端大核心GP100,并且开启全部3840个流处理器(此前的Titan X只有3584个),核心频率1303-1531MHz,FP32单精度浮点计算能力12TFlops,INT8(八位数据专

深度学习训练,选择P100就对了

1.背景 去年4月,NVIDIA推出了Tesla P100加速卡,速度是NVIDIA之前高端系统的12倍.同年9月的GTC China 2016大会,NVIDIA又发布了Tesla P4.P40两款深度学习芯片.Tesla P100主攻学习和训练任务,而Tesla P4&P40主要负责图像.文字和语音识别. 同为Pascal架构且运算能力接近的P100和P40常常被拿来对比,单看Spec上运算能力,似乎P40比P100的深度学习性能更好,但实际上呢?本文就通过使用NVCaffe.MXNet.Te

IBM:蓝色巨人的绿色未来

□ 记者 周烨彬 资源浪费时时刻刻都在发生:在美国洛杉矶一个小社区每年为寻找车位所浪费的燃油高达4万多加仑,现有的油井中只能提取20%-30%的石油,在中国约有1/3以上的工业废水和90%以上的生活污水未经处理就排入河流--这些触目惊心的问题,是2008年底IBM推出"智慧的地球"(Smarter Planet)全球战略时,将"绿色未来"作为"智慧地球"四大框架之一的原因."需要采取行动解决能源.环境和可持续发展的问题."IB

Power LC的新科技

这些年与云计算相关的技术层出不穷.在开源社区前仆后继的持续推动下,云计算中的计算.存储.网络各项技术开始正式走向成熟.然而基于开源云计算技术的产品成功者并不多?对于云计算.数据分析以及软件定义的网络的各项功能可以采用什么类型的硬件产品进行实现?下面我们通过IBM新推出的三款Powr LC服务器新品来做一下简要分析.   由技术到产品的转变 做技术难,将技术转换成产品更难.开源云计算技术的源代码获得很容易,但是真正做出了实用产品的厂商确非常有限.是什么使云计算从技术到产品的转变如此困难?除了深层次

Power AI:堪称机器学习的“破壁人”

本文讲的是Power AI:堪称机器学习的"破壁人"[IT168 评论]机器学习时代的到来如云计算一般,迅速.规模庞大而且不可逆转,甚至隐隐透露着一丝猝不及防的意味.好像一夜之间,互联网江湖上所有"有头有脸"的企业都踏上了机器学习这艘大船.而没有专业人才技术的中小企业,只能手握着登不上船的旧船票在岸边顾影自怜. 业内人士都清楚机器学习的潜力,它能够从大量数据中分析并发现数据的规律,使数据增值,支撑企业的内外部应用.如果说大数据时代"数据为王",那

【中国再夺冠】最新Top500榜单出炉,中国超算系统数量超越美国,神威天河包揽前二

第50次Top500榜单最新公布,中国上榜的超级计算机数量超过了美国,总数达到202台(美国是143),这也是迄今中国上榜Top500数量最多的一次,相比之下,美国上榜的超级计算机数量已经降至25年来最低水平. 就在6个月前,第49次Top500发榜时,美国还以169个系统领先,当时中国上榜数量为160. 不过,尽管排名发生逆转,美国仍然表示,143个系统上榜让他们的第二名地位非常坚实--日本以35个系统排名第三,其次是德国(20).法国(18).英国(15). 中国在总体性能(aggregat

【深度学习框架大PK】褚晓文教授:五大深度学习框架三类神经网络全面测评(23PPT)

香港浸会大学褚晓文教授团队在2016年推出深度学习工具评测的研究报告,并在2017年年初发布更新,引起广泛关注.见新智元报道< 基准评测 TensorFlow.Caffe.CNTK.MXNet.Torch 在三类流行深度神经网络上的表现(论文)>,2017年初版本的评测的主要发现可概括如下: 总体上,多核CPU的性能并无很好的可扩展性.在很多实验结果中,使用16核CPU的性能仅比使用4核或8核稍好.TensorFlow在CPU环境有相对较好的可扩展性. 仅用一块GPU卡的话,FCN上Caffe

将门CTO沈强:人工智能时代,技术创新将全面引爆商业变革

早在1956年,人工智能就在美国达特茅斯大学召开的学术会议上被提出,然而,经过整整一个甲子的起伏反复,却始终没能形成产业发展.进入2016年,借着AlphaGo与李世石的人机世纪对战,人工智能再次掀起一波小高潮. 正如将门CTO/创投创始合伙人沈强日前在接受ZD至顶网记者采访时所说,引爆一个技术一方面要求技术确实要达到一定的水平,另一方面也要有一些标志性的事件推波助澜,要有很好的技术PR效应.   将门CTO/创投创始合伙人 沈强 显然,AlphaGo为人工智能的"回归"做好了十足的舆

德勤预测:机器学习走向移动端成大势所趋,或将再掀行业新浪潮

日前,德勤全球发布了<2017科技.传媒和电信行业预测>报告,其中涉及到生物识别.5G网络.数字化变革.平板电脑发展趋势研究等多项内容.其中在<边缘"大脑":机器学习移动化>一节中,德勤提出了机器学习移动化的大趋势,并就其来龙去脉进行了简要论述.雷锋网将针对此章节内容为您进行重点分析解读. 根据德勤全球的预测,2017 年超过3亿部智能手机--或售出的超过五分之一--将具备机载神经网络机器学习能力.这些计算机模型旨在模拟人脑结构与功能的方方面面,用各个组件来代表