|
随着大数据、云计算、人工智能等技术的发展成熟,企业级IT领域也迎来重大变革。聚焦到单个板块,如在服务器市场上,传统互联网时代,我们听到的更多是机架服务器、塔式服务器及刀片服务器。 m5 ^; c# W/ g% }
而在即将到来或者说已经到来的人工智能时代,我们更多的是听到AI服务器这一名词。那么,究竟什么是AI服务器,AI服务器又为何适用人工智能时代?在本文中,笔者也将解答AI服务器的这些困惑,主要涉及AI服务器的定义、优势及市场现状3方面。
8 G4 e6 @3 q" O- e/ [3 ] AI服务器的定义
1 @9 s$ V5 r! n4 v- d 从硬件架构来看,AI服务器主要指的是采用异构形式的服务器,表现形态多为机架式。在异构方式上,可以为CPU+GPU、CPU+FPGA、CPU+TPU、CPU+ASIC或CPU+多种加速卡。
, \- j! a1 o2 I9 U3 n 而在其他组成部件上,如内存模块、存储模块、网络模块与传统服务器差别不大,主要的提升便是支持更大容量的内存满足当下实时负载增加的需求,提供更多外置硬盘插槽,并广泛支持NVME/PCIE等SSD,满足数据洪流需求,网络模块主要表现为带宽增加。
1 y( M% ~: Q& Z& W+ e1 h 尽管AI服务器可以采用多种异构形式,但目前广泛使用的是CPU+GPU。也因此,业界在谈到AI服务器时,往往将其默认为GPU服务器。因此,在第二部分中,笔者谈到的AI服务器优势也主要为GPU服务器。
7 F8 a k1 Q3 O$ P _1 Q& r- M AI服务器的优势
, }; r, {- `" O 我们都知道,传统服务器主要以CPU为算力提供者。而CPU为通用型处理器,采用串行架构,擅长逻辑计算,负责不同类型种类的数据处理及访问,同时逻辑判断又需要引入大量分支跳转中断处理,这使得CPU的内部结构复杂。也因此,CPU算力的提升主要靠堆核来实现。
; ]8 r2 H& P( y3 ^9 J 随着云计算、大数据、AI、物联网等技术应用,数据在近几年呈指数型增长,IDC统计显示全球90%数据均在近几年产生,这便对CPU的处理能力提出考验,而目前CPU的物理工艺、核心数已接近极限,数据量却不会停止,服务器的处理能力必须提升。因此,在AI时代下,仅由CPU做算力提供者的传统服务器并不能满足需求。
% Q" o/ b8 m/ E. i' G- m 不同于CPU,GPU采用并行计算模式,单卡核心数达到上千个,擅长处理密集型运算应用,如图形渲染、计算视觉和机器学习。经过几年验证,搭载GPU的服务器也被证实的确适用这个时代。, s9 O' Y5 |( Q/ e4 [8 P b) G
AI服务器市场现状
, s6 |; o, E2 ]2 \9 A" Y" p" G IDC全球半年度人工智能系统支出指南预测显示,2019年全球人工智能系统支出将达到358亿美元,相比2018年增加44.0%。同时,人工智能系统支出到2022年将翻一番达到792亿美元,2018年到2020年预测期内复合年增长率(CAGR)为38.0%。
. N$ C9 s0 z, h g7 \: g1 ~9 | 这一数值也意味着,AI服务器的市场有多广。也因此,全球几大服务器厂商均紧锣密鼓部署着AI服务器。) R4 x+ m9 J' O) A! M
目前,在中国市场上,浪潮的市场占有率最大,且处于绝对领先地位,份额达到51.4%,曙光和新华三紧随其后。从行业分布来看,互联网当之无愧是AI服务器的主要用户。而在GPU上,NVIDIA具有明显优势,其Tesla系列产品在AI基础设施市场占据主导地位,尤其在线下训练场景中处于垄断地位。
3 s9 T0 ]* H! f 而在AI服务器上,目前性能最强的为浪潮AI超级服务器AGX-5,AGX-5是专为深度学习和高性能计算的性能扩展设计,单机在8U空间里可以配置16颗NVIDIA Tesla V100 Tensor Core 32GB GPUs,拥有10240个张量计算核心,计算性能高达每秒2千万亿次。* F0 v1 G# Y" l/ ]) z
+ \3 d+ H( b% g- ~4 y
|
|