推論優(yōu)化系統(tǒng)可拓展美超微的領(lǐng)先GPU服務(wù)器組合，為客戶(hù)提供前所未有的人工智能推論、培訓(xùn)與深度學(xué)習(xí)解決方案選擇，包括單根、雙根、縱向擴(kuò)展和橫向擴(kuò)展設(shè)計(jì)。

　　加州圣何塞2018年9月20日電 -- 企業(yè)計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)解決方案和綠色計(jì)算技術(shù)領(lǐng)域的全球領(lǐng)導(dǎo)者美超微電腦股份有限公司(Super Micro Computer, Inc.)(NASDAQ: SMCI)今天推出了其廣泛的GPU優(yōu)化服務(wù)器組合的最新產(chǎn)品。

　　人工智能(AI)正快速成為現(xiàn)在以及可預(yù)見(jiàn)未來(lái)企業(yè)成功的最重要要素之一。如今，部署能夠以具有成本效益的方式加快其人工智能產(chǎn)品和服務(wù)拓展的強(qiáng)大計(jì)算平臺(tái)已成為企業(yè)取得成功的關(guān)鍵所在。

　　美超微的全新 SuperServer 6049GP-TRT 可提供加快實(shí)現(xiàn)現(xiàn)代人工智能應(yīng)用多樣化所需的卓越性能。為實(shí)現(xiàn)最高的GPU密度與性能，這款4U服務(wù)器支持多達(dá)20個(gè)NVIDIA?（英偉達(dá)?）Tesla? T4 Tensor Core GPU、三兆字節(jié)的內(nèi)存和24個(gè)熱插拔3.5寸硬盤(pán)。該系統(tǒng)還擁有四個(gè)2000瓦鈦級(jí)效率(2+2)冗余電源，幫助優(yōu)化電源效率、正常運(yùn)行時(shí)間和適用性。

　　美超微總裁兼首席執(zhí)行官梁見(jiàn)后(Charles Liang)表示：“美超微正在實(shí)現(xiàn)創(chuàng)新，應(yīng)對(duì)快速崛起的高吞吐量推論市場(chǎng)。這個(gè)市場(chǎng)的發(fā)展動(dòng)力來(lái)自5G、智能城市和物聯(lián)網(wǎng)(IOT)設(shè)備等技術(shù)，將產(chǎn)生大量數(shù)據(jù)，并需要實(shí)時(shí)決策。我們看到，NVIDIA TensorRT和基于Turing架構(gòu)的新T4 GPU加 速器的結(jié)合對(duì)于這些要求嚴(yán)格的新延遲敏感型工作負(fù)載而言非常完美。我們的GPU系統(tǒng)產(chǎn)品系列將積極采用這樣的完美結(jié)合。”

　　NVIDIA加速計(jì)算副總裁兼總經(jīng)理伊恩-巴克(Ian Buck)說(shuō)：“企業(yè)客戶(hù)將獲益于美超微全新高密度服務(wù)器NVIDIA Tesla T4 GPU吞吐量和電源效率的大幅提高。隨著人工智能推論占數(shù)據(jù)中心工作負(fù)載的比重越來(lái)越大，這些Tesla T4 GPU平臺(tái)可提供非常高效的實(shí)時(shí)和批量推論。”

　　美超微性能優(yōu)化的4U SuperServer 6049GP-TRT 系統(tǒng)可支持多達(dá)20個(gè)PCI-E NVIDIA Tesla T4 GPU加 速器，為支持深度學(xué)習(xí)、推論應(yīng)用的廣泛數(shù)據(jù)中心部署顯著提高GPU服務(wù)器平臺(tái)的密度。隨著越來(lái)越多的行業(yè)部署人工智能，他們將尋求推論優(yōu)化的高密度服務(wù)器。6049GP-TRT是引領(lǐng)從培養(yǎng)深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)向?yàn)槿四樧R(shí)別和語(yǔ)言翻譯等現(xiàn)實(shí)世界應(yīng)用部署人工智能轉(zhuǎn)變的最佳平臺(tái)。

　　美超微擁有完整的4U GPU系統(tǒng)組合，支持旨在加快所有橫向擴(kuò)展服務(wù)器推論工作負(fù)載的超高效Tesla T4。Tesla T4的硬件加速轉(zhuǎn)碼引擎可實(shí)時(shí)提供多個(gè)高清視頻流，并將深度學(xué)習(xí)整合進(jìn)視頻轉(zhuǎn)碼渠道，實(shí)現(xiàn)新類(lèi)別的智能視頻應(yīng)用。鑒于深度學(xué)習(xí)塑造世界的方式與歷史上其它任何計(jì)算模型都不一樣，需要針對(duì)呈指數(shù)式增加的數(shù)據(jù)量培養(yǎng)更深度、更復(fù)雜的神經(jīng)網(wǎng)絡(luò)。為進(jìn)行響應(yīng)，需要為強(qiáng)大的美超微GPU服務(wù)器部署這些模型，以便為推論工作負(fù)載提供最大吞吐量。