Компания Intel продолжает продвигаться на рынок дискретных графических решений. Первые чипы Xe для ПК планируется выпустить в 2020 году. Пока же компания раскрыла некоторые подробности своих планов в отношении центров обработки данныхи анонсировала чип Ponte Vecchio.

Ponte Vecchio будет выпускаться Intel по собственной 7-нанометровой технологии, которая вполне сравнима с той, что использует сегодня AMD. Но в отличие от продуктов AMD, Ponte Vecchio дебютирует даже не в следующем году, а только в 2021-м. В пресс-релизе компании об этом ничего не говорилось, но генеральный директор Intel Боб Сван на подведении квартальных итогов в октябре заявил о подготовке к выпуску в 2021 году первого продукта, изготовленного по 7-нанометровой технологии. Им должен стать дискретный графический процессор для ЦОДов.

В первом чипе Xe для ЦОДов будет реализована стековая структура Foveros, которая применяется также при производстве чипов Lakefield, поддерживающих устройства с двумя дисплеями. Кроме того, здесь планируется использовать технологию EMIB, активно обсуждавшуюся в июле. Предполагается, что чип Ponte Vecchio станет первым продуктом, в котором она найдет применение.

Ponte Vecchio предназначен для организации высокопроизводительных вычислений и моделирования задач, ориентированных на искусственный интеллект. Он поддерживает стандарт Compute Express Link (CXL), разрабатывавшийся для ускорения обмена данными между процессором и памятью, а также процессором и другими устройствами. Это должно обеспечить согласованность работы памяти процессора и памяти подключаемых устройств. Согласно заявлениям CXL Consortium, в работе которого принимают участие представители Google, Microsoft, Intel, Huawei и HP, минимизация разделения ресурсов будет способствовать росту производительности, уменьшению сложности программного стека и снижению стоимости системы в целом.

Программирование Ponte Vecchio осуществляется с помощью OneAPI – унифицированного интерфейса, который Intel представляет как в виде специфичной для собственных технологий версии, так и в качестве открытых спецификаций. Идея заключается в том, чтобы у разработчиков была возможность программировать различные чипы Intel – процессоры Intel Core и Xeon, микросхемы FPGA и прочее – с помощью единого набора инструментов.

Компания Nvidia представила новую серверную платформу HGX-2, сделав очередной шаг к новым рекордам вычислительной производительности и эффективности. Мощь 16 графических процессоров Tesla V100 Tensor Core должна удовлетворить потребности искусственного интеллекта и высокопроизводительных вычислений.

Компании Lenovo, Supermicro, Wiwynn и QCT, выпускающие серверы для ЦОДов, сообщили о намерении начать поставки систем HGX-2 к концу текущего года. Некоторые крупные пользователи систем HGX-2 станут одновременно и их поставщиками. Ожидается, что производством серверов на новой платформе для облачных ЦОД займутся Foxconn, Inventec, Quanta и Wistron.

В HGX-2 используются две графические платы, связывающие графические процессоры Tesla через коммутационную матрицу NVSwitch. Каждая из плат управляет восемью процессорами, что в сумме позволяет довести число графических процессоров до 16. Анонсированная год назад система HGX-1 объединяла только 8 графических процессоров.

Компания Nvidia называет HGX-2 «строительными блоками», с помощью которых производители серверов смогут создавать системы, настраиваемые для выполнения различных задач. На этой же платформе будет построена и готовящаяся к выпуску собственная система Nvidia DGX-2. Новость же заключается в том, что компания предоставляет свою платформу производителям серверов в качестве референсной архитектуры, благодаря чему производители систем смогут начать их поставки к концу текущего года.

Генеральный директор Nvidia Дженсен Хуанг анонсировал новую платформу на конференции GPU Technology Conference, проходившей на Тайване.

Два месяца назад на технической конференции в Сан-Хосе представители Nvidia заявили, что DGX-2, первая система на базе HGX-2, будет обладать производительностью в 2 PFLOPS. Обычно такую производительность связывают с сотнями кластеризованных серверов. Начальная цена DGX-2 составит 400 тыс. долл.

Генеральный директор Nvidia Дженсен Хуанг анонсировал новую платформу на конференции GPU Technology Conference, проходившей на Тайване.

В эталонном тесте ResNet-50 опытные системы на базе HGX-2 установили рекорд скорости. Одна такая система способна заменить 300 серверов с центральными процессорами, которые стоят миллионы долларов.

Графические процессоры нашли свою нишу в обучающих наборах данных, по сути создавая модели нейронных сетей для приложений машинного обучения. Массово-параллельная архитектура графических процессоров делает их особенно подходящими для обучения искусственного интеллекта.

Преимуществом HGX-2 является возможность использования этой платформы как для обучения искусственного интеллекта, так и для выполнения правил вывода, что делает ее пригодной для построения нейронных сетей, применяемых в различных сценариях реальной жизни. Платформа HGX-2 ориентирована также на высокопроизводительные вычисления при решении научных задач, обработке изображений и рендеринге видео, а также имитационном моделировании.

«Мы верим в будущее вычислений, организованных на базе унифицированной платформы, – заявил менеджер Nvidia по маркетингу искусственного интеллекта и ускоренных вычислений Пареш Харя. – Уникальной особенностью HGX-2 являются ее возможности организации вычислений с различной точностью».

Платформа позволяет проводить при научных расчетах и моделировании вычисления с точностью до FP64 (64-разрядные или с плавающей точкой двойной точности), поддерживая одновременно FP16 (16-разрядные или с плавающей точкой половинной точности) и Int8 (8-разрядные операции с целыми числами) для задач искусственного интеллекта.

На каждой из плат HGX-2 находятся шесть неблокирующих 18-портовых коммутаторов NVSwitch. Любой из этих портов может обмениваться данными с любым другим портом на скорости NVlink (NVlink – это собственная внутренняя шина Nvidia, которую уже лицензировала компания IBM).

Две платы платформы HGX-2 имеют 48 портов NVLink. Топология позволяет всем 16 графическим процессорам (по восемь на каждой плате) одновременно обмениваться данными с любыми другими графическими процессорами на полной скорости NVLink в 300 Гбайтс/с.

«Нам удалось преодолеть множество классических системных ограничений, – сообщил Харя. – В том числе и ограничения производительности единой системы, потребляющей 10 киловатт мощности».

Nvidia анонсировала также восемь групп серверных платформ с графическими ускорителями. В каждой из них установлено два процессора Xeon и различное число графических процессоров, предназначенных для решения задач искусственного интеллекта и организации высокопроизводительных вычислений. Система старшего класса Nvidia HGX-T2 на базе HGX-2 оснащена 16 графическими процессорами Tesla V100 и предназначена для обучения гигантских многоуровневых нейронных сетей. На другом конце находится система SCX-E1, имеющая два графических процессора Tesla V100 и встроенную шину PCIe. Она потребляет 1200 ватт и предназначена для высокопроизводительных вычислений начального уровня.

В номенклатуре Nvidia присутствуют системы HGX-T для обучения искусственного интеллекта, HGX-I для искусственного интеллекта на основе правил вывода и системы SCX для организации высокопроизводительных вычислений и научных расчетов.

Nvidia занимает устойчивые позиции на рынке графических процессоров для решения задач искусственного интеллекта, но и ей приходится сталкиваться с растущей конкуренцией. В 2016 году корпорация Intel купила стартап Nervana Systems, специализировавшийся на аппаратных компонентах для поддержки глубинного обучения, и сейчас завершает работу над созданием собственного процессора Intel Nervana Neural Network Processor (NNP). Производитель микросхем FPGA компания Xylinx предлагает еще более мощные программируемые логические матрицы для построения систем искусственного интеллекта на основе правил вывода.

Микросхемам FPGA не хватает вычислительной мощности для того, чтобы успешно конкурировать с графическими процессорами в задачах машинного обучения, но их можно запрограммировать для обработки каждого из уровней нейронной сети с минимально пригодной для этого уровня точностью. Такая гибкость идеально подходит для решения задач искусственного интеллекта на основе правил вывода.

Компания Nvidia анонсировала серию новых продуктов, призванных способствовать дальнейшему повышению эффективности глубинного обучения. Среди них следует выделить высокопроизводительный сервер DGX-2, который предоставит приложениям искусственного интеллекта вычислительные мощности в 2 PFLOPS.

Выступая на 10-й ежегодной конференции Nvidia GTC, основатель и генеральный директор компании Дженсен Хуанг объявил также об удвоении памяти графической платы Tesla V100 до 32 Гбайт, что позволит повысить эффективность глубинного обучения и высокопроизводительных вычислений.

Хуанг указал, что вычислительная мощность графических процессоров продолжает увеличиваться, а для сохранения существующих темпов роста нужны еще более мощные компьютеры, оснащенные всем необходимым.

«Сегодня мы находимся на переломном этапе, а количество людей, обращающихся к вычислительным мощностям графических процессоров, растет невиданными темпами, – указал Хуанг. – За последние пять лет число разработчиков, использующих графические процессоры, увеличилось в десять раз и достигло почти миллиона человек. Глядя на перемены, произошедшие за последние пять лет, мы нисколько не сомневаемся в том, что организация вычислений с помощью графических ускорителей стала правильным ответом на возникающие вызовы».

Графическая плата Tesla V100, уже успевшая завоевать популярность среди исследователей всего мира, теперь нашла применения и в системах глубинного обучения Nvidia DGX.

Компания анонсировала также новую технологию внутренних межсоединений NVSwitch, позволяющая организовать в одном серверном узле обмен данными между 16 графическими платами Tesla V100 на скорости 2,4 Тбайт/с. Это позволит справиться с недостаточной производительностью шины PCIe при построении систем, объединяющих несколько графических процессоров, и создать более быструю и масштабируемую структуру внутренних соединений.

По словам Хуанга, у разработчиков появится возможность проектировать системы, которые объединят больше графических процессоров, поддерживающих высокоскоростной обмен.

Генеральный директор Nvidia представил новый комплекс DGX-2 – первый одиночный сервер с производительностью в 2 PFLOPS, предназначенный для решения сложных задач искусственного интеллекта. Система DGX-2 заменяет собой 300 обычных серверов, занимающих в ЦОДе 15 стоек. Он оснащен пространством хранения объемом в 30 Тбайт и работает в десять раз быстрее предыдущей модели DGX-1, выпущенной всего шесть месяцев назад. Новая система начнет поставляться в третьем квартале 2018 года по цене 399 тыс. долл. (ориентировочные цены в США. — Прим. ред.), однако некоторые исследователи данных уже сейчас используют в своей работе этот продукт.

«Многих нынешних достижений удалось добиться благодаря платформе глубинного обучения Nvidia, – добавил Хуанг. – Мы увеличиваем производительность нашей платформы темпами, значительно опережающими закон Мура, осуществляя прорывы, которые помогают совершать революцию в сфере здравоохранения, транспорта, научных исследований и несчетном количестве других областей».

Hewlett Packard Enterprise и «Крок» представили в Москве концепцию Memory Driven Computing, технологии и решения для реализации которой разрабатывают специалисты HPE.

Совершенствующиеся технологии компьютерной памяти становятся решающим фактором при создании высокопроизводительных вычислительных систем. Память долгое время развивалась «в тени» микропроцессоров, приближающихся к пределам возможностей закона Мура, теперь же она выходит на первый план (см. «Как преуспеть в условиях экономики изобилия памяти?», «Открытые системы. СУБД», 24 февраля 2016).

«В рамках проекта The Machine в HPE стремятся создать технологии, решения и архитектуры, предоставляющие всем процессорам вычислительных комплексов равноправный доступ к огромному массиву энергонезависимой разделяемой памяти, которая способна устранить существующий сегодня разрыв между традиционной оперативной памятью и системами хранения данных», — пояснил Мартин Мозер, директор по гибридным ИТ-продажам HPE в странах Центральной и Восточной Европы, Ближнего Востока и Африки, который является послом проекта The Machine.

Основными компонентами систем Memory-Driven Computing, по словам Мозера, являются: быстродействующая постоянная память (fast persistent memory); высокопроизводительная коммутационная структура (fast memory fabric), обеспечивающая передачу данных между узлами компьютерных систем с использованием фотонных коммуникаций; вычисления, ориентированные на задачи (task-specific processing); новое программное обеспечение, позволяющее радикально упростить программирование и создавать приложения, к которым невозможно приступить сегодня.

Два года назад было объявлено об альянсе HPE и SanDisk для создания памяти Storage Class Memory; за основу были взяты разработки HPE в области мемристоров и энергонезависимых решений SanDisk. Эта память рассчитана как на системы Memory-Driving Computing, так и на корпоративные твердотельные накопители. Теперь появились сообщения о сотрудничестве HPE и Western Digital.

Весной 2017-го был представлен прототип The Machine, созданный в лаборатории HPE в Форт-Коллинзе (штат Колорадо). Хотя в нем нет мемристоров, поскольку на выпуск их коммерческих модификаций требуется длительное время, разработчикам удалось устранить некоторые проблемы современных серверов, узким местом которых является оперативная память (см. «HPE демонстрирует The Machine без мемристоров», Computerworld Россия, 15 июня 2017).

Отличительная особенность прототипа – общая разделяемая память объемом в 160 Тбайт, что существенно больше, чем оперативная память современных серверов, включая HPE Superdome X.

Эта память, подчеркнул Мозер, распределяется между 40 вычислительными узлами на базе 32-ядерных ARM-процессоров компании Cavium. Узлы расположены в четырех шасси серверов Apollo 6000, связанных свербыстродействующими каналами межсоединений. «Оптические линии связи, включая новые фотонные модули X1, введены в действие и работают», — отметил Мозер.

В межсоединениях используется одна из первых реализаций технологи Gen-Z, которая разрабатывается консорциумом, насчитывающим почти 50 компаний (в их числе AMD, ARM, Dell EMC, HPE, IBM, Red Hat, VMware и даже российское Yadro). Консорциум призван создать универсальный протокол доступа к данным, который способен устранить проблемы взаимодействия процессоров и оперативной памяти и который может работать с широким спектром носителей, используемых для создания памяти.

Прототип The Machine не является готовым продуктом — он демонстрирует направление разработок HPE. Эти разработки должны принести свои плоды в таких областях, как Интернет вещей, машинное обучение, искусственный интеллект, где требуются новые модели вычислений.

Эндрю Уилер, заместитель директора лаборатории в Форт-Коллинзе, заявил в ходе прямого видеовключения, что программа исследований не предусматривает создания конкретной системы, а направлена на разработку ряда новейших технологий. Чтобы обеспечить их дальнейшее развитие и распространение, подчеркнул он, очень важно добиться признания этих технологий всей ИТ-индустрией.

Уилер полагает, что благодаря новому поколению компьютерной архитектуры в перспективе можно будет практически безгранично масштабировать вычислительные ресурсы и наращивать производительность для обработки огромных объемов данных.

«Если наша технология будет успешной, то, несмотря на политическую риторику, она все равно попадет на российский рынок», — заявил Уилер.

В HPE подчеркивают, что технологические идеи, заложенные в концепции Memory Driven Computing, уже используются в продуктах компании, например в серверах Superdome Flex, которые будут доступны в следующем году, в серверах ProLiant Gen10 и некоторых моделях ProLiant Gen9.

Корпорация Intel провела в Москве традиционный экспертный клуб, где обсуждались наиболее важные, по мнению ее представителей, технологические тенденции уходящего 2016 года.

«Мы живем в мире подключаемых вещей. Из компании, ориентированной на рынок персональных компьютеров, Intel трансформируется в поставщика технологий для облачных решений и подключенных к сети устройств», — заявила Наталья Галян, недавно сменившая Дмитрия Конаша в должности регионального директора корпорации в России. Она начала работу в Intel в 2004 году в качестве регионального руководителя партнерской программы Intel Inside. В апреле 2016 года Галян была назначена на должность директора по продажам и дистрибуции продуктов Intel в нашем регионе, а в октябре стала региональным директором.

Изменения в стратегии Intel, считают аналитики, связаны в первую очередь с намерением руководства корпорации снизить зависимость от падающего рынка ПК и желанием сместить акценты на новые области деятельности.

К таким областям в Intel относят центры обработки данных, высокопроизводительные облачные вычисления, память и программируемые логические матрицы (FPGA), а также весьма широкий круг «вещей» и устройств, куда входят клиентское оборудование, включая ПК, беспилотные автомобили, медицинская электроника, решения промавтоматизации и многое другое.

ЦОД и высокопроизводительные вычисления в корпорации связывают с аналитикой, Большими Данными, машинным обучением, искусственным интеллектом.

Для систем искусственного интеллекта в Intel рекомендуют процессоры Xeon и ускорители Xeon Phi. В середине 2017 года планируется выпустить чипы Xeon на базе архитектуры Skylake, а также ускорители Knights Mill, оптимизированные для приложений в данной области.

В августе корпорация Intel приобрела компанию Nervana Systems, обладающую аппаратными и программными решениями, предназначенными для ускорения систем глубинного обучения. Разработанный в Nervana чип значительно опережает по быстродействию современные графические процессоры. В Intel полагают, что сумеют на его основе в течение ближайших лет более чем на два порядка улучшить временные показатели систем глубинного машинного обучения.

Для развертывания и распределения рабочих нагрузок в суперкомпьютерных средах, где используются процессоры и ускорители Intel, в корпорации разработан набор программных продуктов HPC Orchestrator, содержащий программные модули и специализированное ПО, библиотеки, базы данных, документацию. HPC Orchestrator, полагают в Intel, позволяет быстрее приступить к работе с системами искусственного интеллекта и глубинного обучения, контролировать результаты каждого этапа разработки, верифицировать созданные решения.

В области Интернета вещей в Intel ориентируются на создание решений для определенных вертикальных рынков на основе «горизонтальных» платформ, открытых стандартов и развитой партнерской экосистемы.

В корпорации разработана эталонная архитектура Intel IoT Platform с расширенными сетевыми возможностями, в состав которой входят, в том числе, операционные системы Wind River, а также разработанная на основе 32-разрядной x86-архитектуры серия «систем на кристалле» Intel Quark, предназначенных для встраиваемых приложений, включающая микроконтроллеры с очень низким энергопотреблением.

В качестве основных сфер роста Интернета вещей рассматриваются индустрия беспилотных автомобилей, промышленные приложения и розничная торговля.

В конце ноября образовано подразделение Intel Automated Driving Group. Объявлено также о намерении Intel Capital инвестировать более 250 млн долл. в течение двух лет в разработку технологий автоматизации управления автомашинами.

По данным исследовательской компании IHS, объем рынка полупроводниковой продукции для автомобильной промышленности превысит к 2021 году 39 млрд долл. В прошлом году первые три места по объему продаж на этом рынке заняли компании NXP, Infineon Technologies и Renesas Electronics.

Подключаемые к сети устройства и ЦОД, где осуществляется обработка полученных данных, являются основой эффективного цикла роста, способствующего взаимному развитию всех областей интересов Intel, полагают в корпорации, и рассчитывают на увеличение спроса на предназначенные для них чипы.

В нашей стране, которую, по словам Галян, в Intel относят к важнейшим для корпорации регионам мира, работа в рамках новой стратегии будет проводиться совместно с партерами из различных сфер бизнеса и академической среды.

Корпорация открыла в Москве лабораторию Интернета вещей Intel Ignition Lab. В таких лабораториях осуществляется разработка готовых к промышленному применению масштабируемых и стандартизированных решений.

В центре НИОКР корпорации в Нижнем Новгороде, одном из крупнейших центров разработки программного обеспечения Intel в Европе, ведутся работы в области глубинного анализа данных и машинного обучения.

Весной 2016-го корпорация объявила о покупке компании Itseez, российского разработчика технологий машинного зрения для мобильных и встроенных платформ, известного своим вкладом в развитие библиотеки Open Source Computer Vision Library.