如果你认为英伟达仅是一家芯片公司,那你就错了

最新更新时间:2019-04-01来源: 半导体行业观察关键字:英伟达 手机看文章 扫描二维码
随时随地手机看文章

在NVIDIA宣布将花费69亿美元收购数据中心网络公司Mellanox之后,让很多人为此感到惊讶,当中包括了NVIDIA的长期观察者。这是迄今为止NVIDIA有史以来最大的收购,相对而言,它以前购买的公司规模要小得多,而且往往是在对方甩卖的时候再出售。从规模上看,他们2001年出资拿下竞争对手3dfx资产的交易最为接近,因为当时NVIDIA是一家小得多的公司。


正如我在之前的一篇文章中所解释的那样。购买3dfx资产(以及雇佣100名员工)是一个更容易理解的举措,因为新资产可以立即投入到NVIDIA的核心业务——PC图形处理器上。多年Mellanox处于一个完全不同的业务——数据中心网络。Mellanox的产品补充了NVIDIA的产品,没有重叠。


通过此次收购,NVIDIA表示,他们不再是一家GPU公司。随着加速器业务呈指数增长并进入网络,NVIDIA现在是一家数据中心公司。


Mellanox首席执行官Eyal Waldman与NVIDIA首席执行官Jensen Huang共同出席了2019年的GTC舞台 


收购Mellanox有很多有趣的方面,例如NVIDIA更深入地进入以色列的科技行业; Mellanox的其他计算相关资产(EZChip和Tilera); Jensen Huang的管理风格将如何在以色列发挥作用; Mellanox支持CCIX计算加速器连接协议与NVIDIA自己的NVLink。在后面的文章中,我们会一一深入探索这些不同。但现在,让我们来探索一下这款全新的NVIDIA。


NVIDIA如何成为一家数据中心公司?


这一切都始于2006年左右的发现(在斯坦福大学)。那时候,斯坦福大学的人使用图形处理单元(GPU)进行一些计算密集型工作负载处理,与传统处理器或CPU相比,GPU提供的每瓦性能有了重大的提升。


事实证明,用于处理像素(纹理处理)的所有小计算元素都可用于粗略的科学计算。该领域最初被称为GPU Compute。与此同时,图形也变得越来越复杂,并且GPU中增加了全功能的数学处理功能。NVIDIA的一些人,包括Bill Dally教授和已故的John Nicholls,注意到有机会扩大GPU的使用范围,并在高性能计算(HPC)市场中发挥重要作用。结果是,NVIDIA在以图形计算的Quadro产品线为基础,在其GPU中为HPC工作负载添加了更多功能,开辟了一条专门用来做数值计算的Tesla产品线。


该公司还为其GPU开发了CUDA编程框架,但从未支持任何其他GPU。作为主要竞争GPU供应商的AMD选择等待OpenCL开发,但这个软件的开发速度要慢得多。在这样的基础上,NVIDIA在HPC方面大获成功,并在超级计算机TOP500排行榜中名列前茅。据介绍,他们为全球两个最快的超级计算机提供动力。


NVIDIA首席执行官Jensen Huang展示了该公司在超级计算机上的增长 


由于NVIDIA在HPC的GPU计算方面的工作表现优越,AI领域的一些研究人员决定使用GPU来加速称为深度卷积神经网络(DCNN)的新机器学习算法。新的DCNN和GPU的组合使得AI神经网络的训练和推断比以前更加快速和准确。这推动了原本处于寒武纪的人工智能研究和应用爆炸式增长,而NVIDIA引领这股潮流。该公司为这些新的工作负载快速调整了GPU,增加了新的数学函数,甚至加油称为Tensor Cores的专用处理元素。NVIDIA还开发了一系列名为cuDNN的软件库,针对CUDA和深度神经网络进行了优化。


由于人工智能研究的爆炸式增长,每个云供应商也都开发了自己的语言。谷歌拥有TensorFlow,Facebook拥有Pytorch / Caffe 2等。即使人工智能框架拥有碎片化的困境,但该领域仍在快速增长。因为大家还在继续研究新算法,所以灵活的方法具有长期的拥有成本效益。这就是GPU(或FPGA)等灵活性加速器说擅长的,因为他们很容易适应新的算法。在他的GTC 2019主题演讲中,Jensen将这种架构称为“PRADA”,从一个架构中可编程加速多个域。该体系结构兼容性允许构建已安装的软件和系统基础并降低基础架构的成本。


Jensen Huang解释了他的首字母缩略词PRADA


从芯片转向系统


在黄仁勋的主题演讲中他提出,数据科学是科学方法的第四个支持。NVIDIA意识到数据科学家和人工智能研究人员短缺,因此这些人的生产力非常重要。为了保持这种势头,将资源带给更广泛的开发人员非常重要。因此,该公司设计了一系列DGX工作站和服务器,满载了用于ML研究的CUDA-X工具和库。该公司正在利用来自多家系统原始设备制造商(包括戴尔,惠普公司和联想)的新数据科学平台,扩大其对数据科学家的影响力。


即使使用新的系统和工具,该行业仍然面临着为商业和科学见解分类新的和现有数据的挑战。这推动数据科学去解决数据过多的问题。当我们进入自动驾驶汽车时代,它们将产生需要处理的数十亿字节的信息。这就是为什么英伟达认为越来越多的数据中心需要构建AI处理来对所有这些数据进行分类的原因。


超级计算机与HPC


在HPC的工作中,NVIDIA专注于提供最大计算性能解决非常大的问题。超大规模数据中心通常会同时运行许多计算任务(向外扩展)。数据科学的需求恰好介于两者之间 - 大型数据集和许多用户,并具有向上扩展和向外扩展的特征。


为了满足这些不同的需求,NVIDIA已经与Mellanox建立了许多服务器项目,提供机架网络。由于Mellanox的成功,它成为各种芯片公司和云公司的收购目标,当中包括英特尔和微软等公司。然而,Mellanox不是去其中一家公司,而是寻求像NVIDIA这样更友好的合作伙伴。黄仁勋也在有机会成为Mellanox的白衣骑士时,抓住了这个转瞬即逝的机会。


随着Hadoop,SPARC和RAPIDS等数据分析程序对工作负载的容器化和超大规模的不断增加,他们看到通常被称为数据中心的东西向通信的机架到机架通信呈指数增长。那就意味着低延迟网络对于创建计算结构至关重要。


Mellanox的网络技术可以使数据中心足够灵活,以适应这些不断变化的工作负载。Mellanox的关键开发是把网络任务从CPU转移到加速器,在未来它将为其交换产品添加AI以更有效地移动数据。


对于服务器扩展应用程序(如HPC),目标是使多个GPU像一个巨型GPU一样工作。这就是NVIDIA的NVLink发挥作用的地方,将多个GPU捆绑在一起。对于更广泛的基础设施,可以部署Tesla T4卡。这些70W half-height PCIe PCIe卡适用于2U机架机箱,因此这些卡可以大量添加到现有数据中心。T4是NVIDIA最灵活的数据中心产品 - 它可用于推理,训练(速度与V100速度不同),数据科学,视频转码以及VDI(虚拟桌面)应用。


在未来,英伟达将更加重视云和边缘应用程序的推理,这也是NVIDIA在英特尔竞争最激烈的领域,


虽然AI加速器的宝座上有许多竞争者,但NVIDIA依然是拥有最多安装量的山顶之王。通过收购Mellanox,它们开辟了其数据中心领域。


关键字:英伟达 编辑:muyan 引用地址:如果你认为英伟达仅是一家芯片公司,那你就错了

上一篇:华为加大资本支出,供应链崛起势不可挡
下一篇:贸泽:不仅仅是简单的小批量分销商

推荐阅读最新更新时间:2023-10-13 10:41

追赶英特尔英伟达 AMD是否已获逆袭的最好时机?
  自从2005年左右在高端CPU和GPU领域先后败给了Intel和Nvidia之后, AMD 在接下来的十几年里一直苦苦挣扎,以期获取更好的收益表现,但这一切都没有获得更大的进展。但在Lisa Su于2015年担任 AMD  CEO以来,公司重构了产品策略,一切似乎变得与众不同了。下面就随嵌入式小编一起来了解一下相关内容吧。   在2015年9月, AMD 旗下的Radeon Technologies Group立项开发与Nvidia 竞争的产品,这就是后来的 Polaris GPU,这个新系列的出现,能够帮助AMD抢夺一部分已经被Nvidia占领的GPU市场。      追赶英特尔英伟达 AMD是否已获逆袭的最好时机?
[嵌入式]
NVIDIA:移动GPU后年就能干掉X360
高通不久前曾经第一个站出来预言说,移动GPU的性能在不远的将来就会超过游戏主机,暗示着其Adreno 300系列的强大实力。现在,NVIDIA也分享了他们心目中的GPU发展趋势,包括PC、游戏机、移动三大领域。 图中的三条实线代表预期性能水平,虚线则是各自的走向趋势。NVIDIA认为 ,移动GPU的图形性能会出现突飞猛进的发展,大约在2013-2014年就能和微软X360平起平坐,甚至一举将其超越 ,和PC的差距也越来越小。当然了,不出意外的话到时候微软的新一代“Xbox 720”也该面世了。 代表主机的蓝线只有两段,分别是第一代Xbox和现在的Xbox 360,而绿线的起点是第一代iPhone,然后是Teg
[家用电子]
<font color='red'>NVIDIA</font>:移动GPU后年就能干掉X360
高性价比的边缘AI模块Jetson AGX Orin 32GB现已上市
将新的人工智能和机器人应用程序和产品推向市场,以及支持现有的应用程序和产品,对于开发人员和企业来说是一大挑战。 NVIDIA日前正式宣布Jetson AGX Orin 32GB 量产级模组现已上市。 Orin 32GB接近200TOPS算力,具体参数指标如下: CPU: 12 核 Arm Cortex-A78AE v8.2 64 位处理器,具有 3MB L2 + 6MB L3 缓存 GPU / 人工智能加速器: 具有 2048 个 NVIDIA CUDA 内核和 64 个张量内核 @ 1 GHz,采用NVIDIA Ampere 架构 DL 加速器 : 2x NVDLA v2.0 视觉加速器: PVA v2.0(
[嵌入式]
高性价比的边缘AI模块Jetson AGX Orin 32GB现已上市
NVIDIA 2013财年第一季度财报发布
    半导体厂商NVIDIA近日公布了公司的2013财年第一季度财报,截至2012年4月29日的NVIDIA 2013财年第一季,公司营收9.249亿美元。   NVIDIA总裁兼首席执行官黄仁勋在接受采访时称,其开普勒GPU对加速公司业绩发展做出了极大的贡献,NVIDIA新推出的台式机产品获得了前所未有的好评,而笔记本GPU产品在该季度的销售量也创出了新记录。另外Tegra也在正轨上成长,被多家移动设备采用,并且为Windows 8 ARM推出做好准备。   这位NVIDIA高管还提到,现在图形技术已经变得比以往任何时候都要重要了,因此在下周的GPU技术大会上,NVIDIA还将为大家展示GPU加强移动和云计算的新方法。
[手机便携]
芯片寡头竞争前夜:英伟达退出,博通卖基带……
    高通依托4G基带领域的绝对优势,进一步巩固其市场领导地位。在高端,优势牢不可破;继续保持优势的同时,主动将产品线下移,主打千元4G市场,引领4G手机直接进入千元。可以这么说,在高通感到威胁,主动下探并采取灵活的市场竞争应对时,边缘芯片商几无活路,市场几近清场! 之前曾认为博通在手机市场前景不乐观,但没想到这么快!同英伟达退出手机市场相似,博通出售基带也算是情理之中了。聊聊几个芯片厂商吧(侧重在手机领域),多看看这个群雄并起的战国时代吧,因为寡头时代就在不远处了。 1、高通:优势的继续与改变的可怕 智能手机芯片领域高通独领,高通依托4G基带领域的绝对优势,进一步巩固其市场领导地位。 在高端
[手机便携]
英伟达为什么这么红:说说GPU计算背后的故事
    对于人工智能应用程序的兴奋情绪,让已经24岁的英伟达成为科技界最热门的企业之一,股价直线飙升,过去两年内涨幅超过七倍,达到1000亿美元,最近一个季度的收入暴增了56%。 势如破竹的背后,你或许会好奇,曾经一个只是负责在屏幕上绘制图像的“图形处理单元”,如今为何能够肩负起解决复杂计算问题的重任?GPU全面崛起,英伟达的答案很明确,一个有“强迫症”的老板和十多年前的一次关键押注。 皮衣霸道总裁的“强迫症” 这家强势增长的公司背后的掌舵者是创始人兼CEO黄仁勋(Jen-Hsun Huang)。他拥有敏锐的战略直觉,个性出了名的严苛,常常穿深色的衣服,因此有人拿他来跟苹果已故CEO史蒂夫·乔布斯(Steve Jobs)比较。(跟
[手机便携]
NVIDIA利用AI来设计和开发GPU 最新Hopper已拥有1.3万个电路实例
在过去几年时间里,NVIDIA 深耕 AI 领域,他们的 GPU 不仅成为 HPC 的首选,也成为包括 AI 和深度学习生态系统在内的数据中心的首选。在最新公布的开发者博文中,NVIDIA 宣布正利用 AI 来设计和开发 GPU,其最新的 Hopper GPU 拥有将近 13000 个电路实例,而这些实例完全由 AI 创建。 计算机芯片中的算术电路是使用逻辑门网络(如 NAND、NOR 和 XOR)和电线构成的。理想的电路应具有以下特点: ● 小:较小的区域,以便更多电路可以安装在芯片上。 ● 快速:降低延迟以提高芯片的性能。 ● 消耗更少的功率:芯片的功耗更低。 NVIDIA 使用这种方法设计了近 13000 个 AI
[家用电子]
Nvidia新系列GPU助超级计算一臂之力
Nvidia计划下月开始推出新系列图形处理器(GPU),通过分担每秒多达数万亿次的算术运算来提升超级计算环境的性能。 这些新款图形处理器名为“Tesla”,可以用于PC、工作站和服务器之中。它们最多每秒可进行8万亿次计算。 Nvidia曾在4月份表示,将推出面向石油和天然气产业、金融、医药和科研领域的产品,打入高性能计算市场。使用这些新型GPU,开发商就不必再把超级计算应用分散到多个CPU上面。 Tesla分为三个产品线。第一个是桌边型超级计算机(Deskside Supercomputer),此系统包括两到16颗GPU,最高处理能力可达每秒8TG浮点运算,并通过PCI-E接口与个人电脑机或工作站连接。 该
[焦点新闻]
小广播
最新半导体设计/制造文章
换一换 更多 相关热搜器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 市场动态 半导体生产 材料技术 封装测试 工艺设备 光伏产业 平板显示 EDA与IP 电子制造 视频教程

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved