在今年硅谷的GTC上，NVIDIA發(fā)布了深度學(xué)習(xí)超級計(jì)算機(jī)DGX-1。黃仁勛稱它是“裝進(jìn)機(jī)箱里的數(shù)據(jù)中心”。

　　DGX-1內(nèi)置了8塊基于Pascal架構(gòu)的Tesla P100加速器和4塊1.92TB的固態(tài)硬盤，使用比傳統(tǒng)PCIe快5 -12倍的NVLink技術(shù)連接CPU與GPU以及GPU之間的數(shù)據(jù)傳輸。在深度學(xué)習(xí)訓(xùn)練上，它比一臺普通的Xeon E5 2697 v3的雙CPU服務(wù)器快75倍，整體性能相當(dāng)于250臺普通x86服務(wù)器。單臺DGX-1的售價是12.9萬美金。

　　在GTC之后，黃仁勛親自將第一臺DGX-1送給了Elon Musk的人工智能項(xiàng)目OpenAI。NVIDIA還會將首批DGX-1優(yōu)先發(fā)給近年對人工智能有突出貢獻(xiàn)的研究機(jī)構(gòu)，這個名單里包含了Stanford、UC Berkeley、CMU、MIT、香港中文大學(xué)等等。而在中國大陸，已經(jīng)公開的信息是7月份?？低曂ㄟ^曙光簽下了國內(nèi)第一單DGX-1；NVIDIA方面則告訴我們目前DGX-1在國內(nèi)已有十來家客戶。

　　在10月份剛剛結(jié)束的HPC China 2016上，我們和NVIDIA的高層聊了聊他們在高性能計(jì)算上的看法以及他們?yōu)槭裁匆爝@臺超級計(jì)算機(jī)。

　　NVIDIA負(fù)責(zé)解決方案與工程架構(gòu)的副總裁Marc Hamilton在HPC China 2016上表達(dá)了這么一個觀點(diǎn)，AI會催生一種新的計(jì)算模型，未來大部分程序不會是由人來編寫，而是通過深度學(xué)習(xí)網(wǎng)絡(luò)來編寫。

　　他舉了一個例子，過去編寫的程序比如通訊錄或者工資的發(fā)放，它們是非常規(guī)整的數(shù)字。而今天有大量更復(fù)雜的數(shù)據(jù)，比如圖像、聲音、視頻。哪怕把13億中國人都變成碼農(nóng)，也不可能編出足夠多的軟件來處理一天所產(chǎn)生的大量數(shù)據(jù)。所以大部分程序會由深度神經(jīng)網(wǎng)絡(luò)來編寫，而NVIDIA相信大部分深度神經(jīng)網(wǎng)絡(luò)會運(yùn)行在GPU上。

　　NVIDIA方面講了2個案例：在上海，他們有一家生物醫(yī)療行業(yè)的合作伙伴，在通過深度學(xué)習(xí)對核磁共振、CT影像做分析進(jìn)行癌癥的審查和復(fù)核。而另一個在國內(nèi)走得比較快的領(lǐng)域是安防，比如在視頻中去比對疑犯照片或者是尋找特定的物體。這方面典型的合作伙伴如?？低暎笳咚少彽腄GX-1也是用于視頻監(jiān)控方面的深度學(xué)習(xí)研究。

　　DGX-1的設(shè)計(jì)可以回溯到2015年的GTC，當(dāng)時NVIDIA公布了最新一代的Pascal架構(gòu)，這一新架構(gòu)會把一些關(guān)鍵的深度學(xué)習(xí)應(yīng)用提升10倍以上的速率。但這一新架構(gòu)也帶來了新的問題：開發(fā)/研究人員可能要花數(shù)周甚至數(shù)月的時間配置這些GPU。所以在幾個月后，黃仁勛在內(nèi)部提出了一個要求：希望在第二年的GTC之前，由NVIDIA的工程部門打造一臺基于Pascal架構(gòu)的服務(wù)器，這樣研究機(jī)構(gòu)和公司們只要按下機(jī)箱按鈕就能把8塊GPU用在深度學(xué)習(xí)上。

　　今天我們看到的DGX-1并不是8塊GPU捏在一起那么簡單。Marc Hamilton告訴我們，DGX-1還囊括了3類軟件和服務(wù)的整合。

　　第一是對所有深度學(xué)習(xí)框架的支持。比如Caffe、TensorFlow、CNTK.。.DGX-1對現(xiàn)在流行的深度學(xué)習(xí)框架都進(jìn)行了優(yōu)化。

　　第二類是底層的庫，稱為cuDNN，可以理解成是CUDA融合了Deep Neural Network。

　　第三類是DGX的云服務(wù)，等于從云上給DGX服務(wù)器做一個鏡像。任何一家公司，他們未必知道如何去管理深度學(xué)習(xí)的系統(tǒng)軟件，但知道怎樣在云端管理一臺DGX-1服務(wù)器。

　　當(dāng)下，對NVIDIA來說，最大的挑戰(zhàn)是如何快速普及深度學(xué)習(xí)，其中國區(qū)企業(yè)事業(yè)部總經(jīng)理沈威說，深度學(xué)習(xí)是一個獨(dú)特的市場，NVIDIA自己造DGX-1則是這個背景下的新嘗試。Marc Hamilton告訴我們，要實(shí)現(xiàn)150個petaflop浮點(diǎn)計(jì)算的性能，如果基于多個GPU的話，需要3400個服務(wù)器，而如果使用傳統(tǒng)x86的解決方案，則需要10萬個服務(wù)器。對于程序員來說，維護(hù)這兩個數(shù)量級的服務(wù)器，其中的選擇是顯而易見的。