淺析AI服務(wù)器與普通服務(wù)器的區(qū)別

隨著大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)的成熟與在各行各業(yè)的應(yīng)用，在人工智能時(shí)代，AI服務(wù)器這個(gè)新興名詞也頻繁的出現(xiàn)在人們的視線范圍內(nèi)，有人預(yù)測在人工智能時(shí)代，AI服務(wù)器將會(huì)廣泛的應(yīng)用于各個(gè)行業(yè)，那么AI服務(wù)器與普通服務(wù)器有什么區(qū)別呢？為什么AI服務(wù)器在人工智能時(shí)代能替代大多數(shù)的普通服務(wù)器呢？

從服務(wù)器的硬件架構(gòu)來看，AI服務(wù)器是采用異構(gòu)形式的服務(wù)器，在異構(gòu)方式上可以根據(jù)應(yīng)用的范圍采用不同的組合方式，如CPU+GPU、CPU+TPU、CPU+其他的加速卡等。與普通的服務(wù)器相比較，在內(nèi)存、存儲(chǔ)、網(wǎng)絡(luò)方面沒有什么差別，主要在是大數(shù)據(jù)及云計(jì)算、人工智能等方面需要更大的內(nèi)外存，滿足各種數(shù)據(jù)的收集與整理。

我們都知道普通的服務(wù)器是以CPU為算力的提供者，采用的是串行架構(gòu)，在邏輯計(jì)算、浮點(diǎn)型計(jì)算等方面很擅長。因?yàn)樵谶M(jìn)行邏輯判斷時(shí)需要大量的分支跳轉(zhuǎn)處理，使得CPU的結(jié)構(gòu)復(fù)雜，而算力的提升主要依靠堆砌更多的核心數(shù)來實(shí)現(xiàn)。

但是在大數(shù)據(jù)、云計(jì)算、人工智能及物聯(lián)網(wǎng)等網(wǎng)絡(luò)技術(shù)的應(yīng)用，充斥在互聯(lián)網(wǎng)中的數(shù)據(jù)呈現(xiàn)幾何倍數(shù)的增長，這對(duì)以CPU為主要算力來源的傳統(tǒng)服務(wù)提出了嚴(yán)重的考驗(yàn)，并且在目前CPU的制程工藝、單個(gè)CPU的核心數(shù)已經(jīng)接近極限，但數(shù)據(jù)的增加卻還在持續(xù)，因此必須提升服務(wù)器的數(shù)據(jù)處理能力。因此在這種大環(huán)境下，AI服務(wù)器應(yīng)運(yùn)而生。

現(xiàn)在市面上的AI服務(wù)器普遍采用CPU+GPU的形式，因?yàn)镚PU與CPU不同，采用的是并行計(jì)算的模式，擅長梳理密集型的數(shù)據(jù)運(yùn)算，如圖形渲染、機(jī)器學(xué)習(xí)等。在GPU上，NVIDIA具有明顯優(yōu)勢，GPU的單卡核心數(shù)能達(dá)到近千個(gè)，如配置16顆NVIDIA Tesla V100 Tensor Core 32GB GPUs的核心數(shù)可過10240個(gè)，計(jì)算性能高達(dá)每秒2千萬億次。且經(jīng)過市場這些年的發(fā)展，也都已經(jīng)證實(shí)CPU+GPU的異構(gòu)服務(wù)器在當(dāng)前環(huán)境下確實(shí)能有很大的發(fā)展空間。

但是不可否認(rèn)每一個(gè)產(chǎn)業(yè)從起步到成熟都需要經(jīng)歷很多的風(fēng)雨，并且在這發(fā)展過程中，競爭是一直存在的，并且能推動(dòng)產(chǎn)業(yè)的持續(xù)發(fā)展。AI服務(wù)器可以說是趨勢，也可以說是異軍崛起，但是AI服務(wù)器也還有一條較長的路要走。