北(bei)京2017年(nian)11月17日(ri)電 /美通(tong)社/ -- 近(jin)日(ri)，浪(lang)潮(chao)中(zhong)標華中(zhong)師范(fan)大學，將為其設計建造基于“NVLink+Volta”的千萬億次超級計算(suan)機，加速物理前沿科(ke)學和自(zi)動駕駛AI技術研究。

這套系統(tong)將(jiang)采(cai)用(yong)18套浪(lang)潮AGX-2超算(suan)服務器作為計(ji)(ji)算(suan)節點，配置(zhi)144塊(kuai)Nvidia最新(xin)(xin)支(zhi)持NvLink 2.0的Volta架構V100芯片，采(cai)用(yong)最新(xin)(xin)的Intel  Xeon SP (Skylake)處理器，通過(guo)Mellanox EDR Infiniband網絡進行高(gao)速互聯，運(yun)行浪(lang)潮ClusterEngine及AIStation等集群管(guan)理套件，系統(tong)雙精度浮點性能超過(guo)千萬億(yi)次每秒(1PetaFlops)。由于采(cai)用(yong)了NVLink2.0高(gao)速互聯技術和Tesla® V100 GPU，該(gai)系統(tong)將(jiang)可同(tong)時很好支(zhi)持科學(xue)工程(cheng)計(ji)(ji)算(suan)和AI計(ji)(ji)算(suan)。

浪(lang)潮AGX-2是全球首(shou)款在2U空(kong)間內(nei)高速互(hu)聯(lian)集成(cheng)8顆較高性能GPU的(de)服務器(qi)，在2U空(kong)間內(nei)支(zhi)持部署8塊(kuai)NVLink 2.0接口(kou)的(de)NVIDIA Tesla® V100 GPU，GPU間單向(xiang)互(hu)聯(lian)帶寬高達(da)150GB/s，總帶寬達(da)300GB/s。同時， AGX-2具備良好的(de)I/O擴展能力，提(ti)供8塊(kuai)NVMe/SAS/SATA熱(re)插拔硬(ying)盤,可(ke)支(zhi)持最多4塊(kuai)100Gbps的(de)EDR InfiniBand接口(kou)卡的(de)高速集群互(hu)聯(lian)，不僅支(zhi)持通常(chang)的(de)風冷散熱(re)方(fang)式，還可(ke)支(zhi)持片上水冷以提(ti)供更高的(de)計(ji)算(suan)能效(xiao)比(bi)。

AGX-2可(ke)(ke)以極大提升HPC應用(yong)計(ji)(ji)算(suan)(suan)效率，其單機雙(shuang)精(jing)度浮點計(ji)(ji)算(suan)(suan)性(xing)能突破60萬億(yi)次每(mei)秒。以凝聚態(tai)物(wu)理(li)學和材料科學領域廣(guang)泛使(shi)用(yong)的VASP軟件為例，在AGX2上使(shi)用(yong)1塊(kuai)P100 GPU加速卡(ka)(ka)(ka)，即(ji)可(ke)(ke)達(da)到(dao)使(shi)用(yong)8臺(tai)雙(shuang)路主流CPU計(ji)(ji)算(suan)(suan)集(ji)(ji)群(qun)的性(xing)能，同時，AGX2提供(gong)的Nvlink高通(tong)信帶寬(kuan)使(shi)其在多(duo)GPU卡(ka)(ka)(ka)并(bing)行效率上有出(chu)色表現，4塊(kuai)P100 GPU卡(ka)(ka)(ka)并(bing)行即(ji)可(ke)(ke)達(da)到(dao)近20臺(tai)雙(shuang)路主流CPU計(ji)(ji)算(suan)(suan)集(ji)(ji)群(qun)的性(xing)能。

在AI計(ji)算上，AGX-2搭(da)載(zai)的(de)Tesla V100 配備(bei)了深度(du)(du)學(xue)習高度(du)(du)相關(guan)的(de)Tensor 單元(yuan)，Tensor 性(xing)(xing)能(neng)(neng)可以(yi)達到 120 TFLOPS，配合NVLink 2.0可極大提升深度(du)(du)學(xue)習框(kuang)架的(de)訓(xun)練(lian)性(xing)(xing)能(neng)(neng)。基于國(guo)際通用的(de)Imagenet數據集進行深度(du)(du)學(xue)習模型訓(xun)練(lian)，浪潮AGX-2上表現出優(you)異(yi)性(xing)(xing)能(neng)(neng)，配置(zhi)8片V100時在TensorFlow框(kuang)架的(de)GoogleNet模型訓(xun)練(lian)速度(du)(du)達到每(mei)秒1898張圖片，是單卡性(xing)(xing)能(neng)(neng)的(de)7倍(bei)，是同(tong)數量配置(zhi)P100系(xi)統性(xing)(xing)能(neng)(neng)的(de)1.87倍(bei)。