首页>>技术前沿>>网站/软件行业动态最近大数据、人工智能以及机器学习的潮流正在企业服务器之间形成连锁反应。因为传统的微处理器难以有效地处理这些来自要求苛刻的工作负载的信息，因此数据中心图形处理器转移至该领域填补相关的资源空白。GPU在完成少量任务方面做得很好，但随着任务要求逐渐扩大，相关相应也逐渐完成扩展。Nvidia倾向于把GPU与其他半导体供应商区分开来，并为GPU寻找更广泛的用途。
首先，这些产品开始进入高性能计算领域。然而最近，GPU供应商专门为数据中心服务器设计了设备和显示卡产品。专为服务器优化的GPU使用高带宽内存，并作为模块集成到专用服务器设计中，或作为外围组件互连快速(Peripheral Component Interconnect Express)附加卡的方式提供。但是，与游戏显卡不同，这些显示卡并未提供图形化界面。服务器各供应商将GPU与CPU连接起来，以充分利用CPU的优势。当CPU性能无法满足处理数据密集型任务时，会提高CPU(与GPU的集成)性能(满足任务需要)。
大数据、机器学习和人工智能应用程序具有很高的处理要求，需要处理大量的信息和不同的数据类型。这些特点与GPU的设计初衷非常吻合。AI和机器学习各供应商均使用GPU来支持处理训练神经网络所需的大量数据。Gartner公司的分析师Alan Priestley表示，在这一领域的市场之中，相比于将程序部署到具有GPU的高性能服务器之上，拥有GPU的PC设备可用性可帮助软件开发人员能够在台式电脑上开发他们的算法。
【全文完】
版权声明:
1、陕西弈聪网站内容中凡注明“来源：XXX（非陕西弈聪网站）”的作品，转载自其它媒体，转载目的在于传递更多信息，其中涉及的网站建设，网站优化，百度关键词优化，西安软件开发等技术细节并不代表本站赞同支持其观点，并不对其真实性负责。对于署名“陕西弈聪”的作品系本站版权所有，任何人转载请署名来源，否则陕西弈聪将追究其相关法律责任。
2、本站内容中未声明为“原创”的内容可能源自其它网站，但并不代表本站支持其观点，对此带来的法律纠纷及其它责任与我方无关。如果此内容侵犯了您的权益，请联系我方进行删除。
企业动态
