GPU Technology Conference 2019
»Daten-Wissenschaft ist die Herausforderung für HPC«
Grafik-Anwendungen, Daten-Wissenschaften unter Einsatz von Künstlicher Intelligenz sowie neue Funktionen für autonomes Fahren standen im Mittelpunkt der Keynote von Nvidia-CEO Jensen Huang. Aber allen Boliden stahl ein kleiner, preisgünstiger KI-Prozessor namens »Jetson Nano« die Show.
In seinem obligatorischen Markenzeichen, der schwarzen Lederjacke, betrat Nvidia-CEO Jensen Huang, die Bühne, um in der San Jose State University seine fast dreistündige Keynote zu halten. Geplant waren zwar nur zwei Stunden, aber bei dem umfangreichen Programm war es nicht weiter verwunderlich, dass er überzog.
Er spannte den Bogen vom mit GPUs beschleunigten Computing über Grafikverarbeitung, Daten-Wissenschaften mit künstlicher Intelligenz, bis hin zu Embedded und Automotive.
Jobangebote+ passend zum Thema
Beschleunigtes Computing und Künstliche Intelligenz
Daten-Wissenschaftler, die Daten analysieren und Machine Learning sowie Deep Learning nutzen, sollen sich dank den neuen CUDA-X-AI-Bibliotheken über eine deutliche Beschleunigung ihrer Anwendungen freuen können. CUDA-X nutzt die Tensor-Core GPUs von Nvidia und bietet eine Ende-zu-Ende-Lösung für die Schritte Datenverarbeitung, Funktionsbestimmung, Training, Verifikation und Einsatz. CUDA-X AI besteht aus mehr als einem Dutzend von spezialisierten Beschleunigungsbibliotheken, die Machine Learning und Datenanalyse um das 50fache beschleunigen können. Huang betonte, dass CUDA-X AI nun von führenden Unternehmen eingesetzt wird, darunter Microsoft, PayPal und Walmart.
CUDA-X AI ist in der Lage, Machine-Learning-Projekte auf Microsoft Azure mit GPUs von Nvidia um bis zu 20 mal schneller auszuführen. Dazu integriert Azure als erste große Cloud-Plattform RAPIDS, eine Schlüsselkomponente von CUDA-X AI. RAPIDS ist eine Open-Source-Suite von Bibliotheken mithilfe derer sich prädiktive Analysen machen lassen.
Auf Daten-Wissenschaften unter Einsatz von CUDA-X AI und Nvidias T4-GPUs zielen auch die neuen Enterprise Server ab, die die Computerfirmen Cisco, Dell EMC, HP Enterprise, Fujitsu, Inspur, Lenovo und Sugon aufgelegt haben. Mit 70 W ziemlich energiesparend sind die T4-GPUs ideal für Datenzentren, die üblicherweise einen enormen Kühlaufwand erfordern. Die T4-GPUs beschleunigen dort KI-Training und -Inferenz, Machine Learning, Daten-Analyse und virtuelle Desktops.
Ebenfalls für Daten-Wissenschaftler hat Nvidia zusammen mit den Computerherstellern HP, Dell und Lenovo Hochleistungs-Workstations entwickelt, die auf den Quadro RTX GPUs von Nvidia und CUDA-X AI aufsetzen. Die Workstations umfassen typischerweise zwei Quadro RTX 8000 und 6000 GPUs auf Basis der aktuellen Turing-Architektur mit 18 Mrd. Transistorstrukturen und liefern eine Rechenleistung von 260 TFlops. Der 96 GByte große Speicher nutzt dabei Nvidia NVLink-Verbindungstechnik.
Nvidia-CEO Jensen Huang auf der GTC 2019
- »Daten-Wissenschaft ist die Herausforderung für HPC«
- KI für den kleinen Geldbeutel
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
GPU Technology Conference 2020 Digital
Kostenlos an Nvidias GTC teilnehmen – noch bis 10. April 2020
Nvidia
Umsatzrückgang – aber Quartal trotzdem besser als erwartet
Nvidia auf der Computex in Taipeh
Edge-Computing-Plattform für KI in Echtzeit
Technikfolgen-Forschung
Wird KI jemals ein Bewusstsein haben?
GPU Technology Conference 2019
Nvidia verschmilzt KI mit Robotik
GPU Technology Conference 2019
Nvidia treibt autonomes Fahren weiter voran
Übernahme in der Halbleiterindustrie
NVIDIA schnappt Mellanox Intel vor der Nase weg
Künstliche Intelligenz
Was kann, was darf KI?
CES 2019
ZF mit sechsfacher KI-Rechenleistung und autonomem Rufbus
