算力为王的年代,英伟达在下一盘什么样的大棋?

区块链快讯 admin 2021-08-18 256 次浏览 0个评论

没有人会否认现在已经是一个算力为王的年代,算力在我们的周围,可以化身为AI、VR等一系列的前沿应用。当这些前沿应用开始主导我们的生活,围绕着算力就开始有了无穷多的话题。但尽管如此,NVIDIA公司在最近的GTC大会上,还是用新产品的多样性惊艳了我们。甚至作为一家传统硬件公司,NVIDIA公司黄仁勋在重头演讲中,居然以Omniverse软件做开头,又以Omniverse软件做结尾。显然,围绕着算力彊界,NVIDIA公司在下一盘更大的棋。

硬件为何向软件变迁

关于Omniverse软件,大家更关心的可能还是作为一家传统硬件公司,NVIDIA公司为何要将Omniverse软件做为重头戏来推广。而要说清这件事,还需要我们从Omniverse软件本身谈起。

时至今日,3D设计已经变得极端复杂,而且成为了一个全团队合作的分散式协同工作方式。这其中,包括渲染、计算、模拟、仿真等多平台上的大型团队可能需要共同完成一项分工协作工程,并且这些参与协作的团队可能位于不同国度,从工具上看可能使用着超过五十种专业的ISV工具。从流程上来看,设计成果要在完成后交后甲方,甲方提出修改意见之后,设计人员再次协同工作,完成修改。再从数据量上来看,随着3D设计日益复杂,一个3D建模带来的可能是几十兆、几百兆,甚至是破G的数据。这样,这些团队就急需一个协同工作的工具,而NVIDIA的Omniverse就是为此而生的。

NVIDIA Omniverse是NVIDIA旗下基于NVIDIA RTX和皮克斯Universal Scene Description(USD)的图形和仿真模拟产品。它的作用在于助力建筑、工程和施工(AEC)公司在照片级逼真渲染的数字孪生系统上开展实时协作,实现工作效率的最大化。

NVIDIA中国区高级技术市场经理施澄秋介绍说:“NVIDIA Omniverse最早是给NVIDIA自己内部来使用的。NVIDIA是一个跨国公司,我们需要一个大平台来把世界各地的团队连接起来。但2020年的疫情,我们看到了我们用户的难题:美国的研发工程师、中国的制造工程师、印度的软件工程师、俄罗斯的驱动工程师需要在同一个线上平台一起工作,并且要保证彼此数据在使用、渲染、运算、模拟、仿真的时候都是正确的。从合规的角度来看,还需要保证端到端的加密。早在2017年,Omniverse的构想就被提了出来。到了2019年秋季GTC上,Omniverse已经成形。而现在,疫情促使每个有需要的用户都可以尝试使用Omniverse。”

NVIDIA Omniverse的许多功效,在目前已经显现出来。例如Omniverse的核心Nucleus是一个基于交换项目增量的服务器,它可以让Omniverse用户看到全部的实时编辑。比如可以看到加了凳子、加了人,或者加窗户、甚至改地板上的材料、改光源、改日照时间,设计师都可以实时地让他们的客户实时看到。这也就意味着在设计的过程中,甲方就已经身临其境地参与了进来,根据设计思路就可以实时互动。而就算出现几十种ISV设计工具,设计团队分布于多个国家,利用Omniverse实现协同设计也不再是一件难事了。

  NVIDIA Omniverse目前已经开放注册,任何有需求的企业级用户或个人用户都可以自己试用。

Omniverse下载链接:https://www.nvidia.cn/omniverse/#omniverse-notify-me&cid=_so-wech_zh-cn

RTX A5000和A4000之谜

去年10月份,NVIDIA发布了基于安培架构的顶级专业卡RTX A6000,这以后,接下来将要发布的RTX A5000和A4000就引起了业界的种种猜测。而在本次GTC上,RTX A5000和A4000也正式揭开了神秘的面纱。

今天,视觉运算已经进入到一个全新的纪元。其原因在于一是AI已经变得无处不在,具体到设计领域,原来渲染一个图,或做一个光线追踪,可以把系统放在离线状态,让它渲染一夜,第二天再来看。但现在用户希望这一切要实时在线完成,还要支持VR/AR/XR,这让IT系统开始面临前所未有的挑战。而NVIDIA RTX GPU已为这些挑战做好了准备。

与之前猜测的一样,RTX A5000和A4000采用了Ampere架构,并且面向企业级数据中心。NVIDIA A6000、A5000、A4000有不同的本地显存配置和不同的算力性能配置,这样,用户也就能够根据自身的运算负载、生产力规模及要求,去找到最适合他们的方案。比如一些用户因为受限于桌面环境,只能配置单槽的GPU,而NVIDIA A4000能够在单槽给用户提供最顶级的性能。

就NVIDIA A5000来说,则因为Ampere架构引入了全新的稀疏式运算,Tensor Cores的TF32性能提升了10倍。此外,相比于A6000,A5000 GDDR6的显存从A6000的48GB缩减到24GB,这样可以有效帮助用户实现成本控制。而相比于上一代Turing架构的RTX 5000,A5000无论是在显存带宽、显存容量,还是峰值单精度的算力、核心数量等方面,都有了长足的进步。

相比于RTX 4000,A4000只是做了从双槽到单槽的缩减。但因为进一步优化了整个板上的配置,所以在不同的应用上,A4000已经有了长足的、非常海量的性能提升。拿DIAMONDVIEW来举例,这家机构专门做虚拟演播室和专业虚拟布景的搭建。为此这家机构以前需要做一个绿幕,而今天可以用LED搭配NVIDIA RTX图形显卡推动一个巨大的虚拟演播室做背景仿真。这样在成本、时间方面都可以极大地节省,而制作周期也极大地缩短了。

GPU、CPU、DPU共存的时代

最近几年,随着系统中的CPU承受越来越多的网络和存储工作负载,在GPU之外,DPU(即数据处理单元)已成为以数据为中心的加速计算模型的第三个成员。出于对算力的追逐,除NVIDIA,英特尔、阿里、亚马逊、微软等巨头们的涌入,让围绕着DPU的竞争趋于白热化。而DPU被NVIDIACEO黄仁勋视为代表未来计算的三大支柱之一。在这样的背景之下,NVIDIA的BlueField DPU想不红都不行。

我们目前生活在一个万物互连的时代,网络价值逐渐变得越来越重要。软件定义网络应运而生,但这却给网络造成了非常大的压力,导致性能不能达到最优。而有了BlueField DPU之后,就可以把很多基础设施上面的原来由CPU来完成的工作,卸载到BlueField DPU上面来。如此一来,CPU就可以单纯跑业务、跑VM服务或者是跑Container服务。相应地,CPU只做单纯的工作就会让它出问题的概率越来越小。

  不仅如此,NVIDIA在本次GTC上还发布了一个名为MORPHEUS的软件框架。MORPHEUS通过把DPU和AI技术联合,实现了对于数据中心或者边缘设备里,所有基于NVIDIA统一架构系统的安全和性能保障。这样,通过DPU,数据中心安全性将得到大幅度提升。

NVIDIA网络事业部亚太区市场开发高级总监宋庆春介绍了NVIDIA针对DPU的策略:“NVIDIA从核心到边缘都采用了统一的一个计算架构——CPU、GPU、DPU,三‘U’一体架构。通过CPU、GPU、DPU之间的协调计算,用户可以在数据中心和边缘都可以获得非常好的性能,同时获得非常高的安全性。”

由此不难看出,算力的彊界将进入一个GPU、CPU、DPU共存的时代。

虚拟无止境

虚拟图形处理单元(vGPU)是在虚拟桌面上渲染图形的一个组件。对用户而言,如果有员工需要CAD或者3D等渲染软件以及vGPU处理图形的能力,那么选择正确的vGPU就相当重要了。今天,vGPU在数据中心里面有很多的应用场景,VDI、云桌面、远程办公、协同办公,以及远程的设计协作,都需要用到vGPU。

  第三方行业调查的数据表明:现在有87%的员工都有在家办公的经历。因此,可以说疫情直接推动了vGPU的发展。本次GTC大会上,NVIDIA发布了两款支持vGPU新的卡:一个是A10、一个是A16。

其中 A10是在A40和T4中间,它占用的槽位只有A10和T4是单槽位的。A10的主要应用场景,就是NVIDIA RTX Virtual Workstation(vWS)和vCS。 A16主要的应用场景,则是vPC。

NVIDIA售前方案架构师宋燊介绍说:“从具体的参数来看,A16降低了价格,单服务器的用户数也增加了1倍,成本则降低了45%。如果用户不会用到很’重’的渲染工具,这款卡是非常合适的。”

MR的新进展

打过VR游戏的人,一定会记得高性能VR头盔后面的那根“辫子”,因为VR头盔上的线缆可以认为是USB或者是HDMI显示装置的线缆,因为头盔的算力不够、需要借助GPU把渲染画面做出来,再用有限的线缆传给头盔。但这样也会带来诸多不便,如线缆的长度、观察的角度都会被这根线缆所限制住。传统行业的VR应用,还会因现场地大小会受限制,戴头盔可能会被别人绊倒。

  这个问题是无解的吗?答案当然不是, NVIDIA给出的解决方案正是CloudXR。通过它,一体式的头盔也能够享受到跟带线缆的有线头盔一样,能够达到自由、也能够达到很高性能的传输。

2020年,5G进入商用元年,CloudXR也就因此而有了更多用武之地。 CloudXR的愿景,就是把任意地点里面产生的XR(AR/VR)渲染出来的内容,通过网络实时的传输到任意的设备上。

本文地址:火币官网

已有 256 位网友参与,快来吐槽:

发表评论