2017年5月30日—NVIDIA公司宣布同全球領先的原始設計制造商(ODM)- 富士康(Foxconn)、英業(yè)達(Inventec)、廣達電腦(Quanta)與緯創(chuàng)(Wistron)開展合作，以期更加快速地滿足市場對AI云計算的需求。

通過NVIDIAHGX合作伙伴計劃，NVIDIA將讓每家ODM盡早訪問NVIDIA HGX參考架構，NVIDIA GPU計算技術以及設計指南。微軟ProjectOlympus計劃、Facebook的Big Basin系統(tǒng)與NVIDIA DGX-1?人工智能超級計算機也均使用了HGX數據中心設計方案。

通過將HGX用作起始秘方，ODM合作伙伴可以與NVIDIA一起更加快速地為超大型數據中心設計并推出一系列合格且經過GPU加速的系統(tǒng)。通過該計劃，NVIDIA工程師將與ODM密切合作，以減少從設計到生產部署的時間。

在過去的1年里，對于人工智能計算資源的總體需求急劇增長，而市場對于NVIDIA GPU計算平臺的采用及性能需求也隨之增加。今天，全球前10家超大規(guī)模企業(yè)均在其數據中心內使用NVIDIA GPU加速器。

憑借新的基于NVIDIA? Volta?的GPU所提供的比上一代GPU三倍的性能，ODM可以根據最新的NVIDIA技術為市場需求提供最新產品。

NVIDIA加速計算業(yè)務部總經理Ian Buck表示：“加速計算正在飛速發(fā)展– 在僅僅1年之內，我們便使得Tesla GPU深度學習性能提升了3倍– 這對系統(tǒng)設計方式產生了顯著影響。通過我們的HGX合作伙伴計劃，設備制造商可以確保其向不斷擴大的云計算提供商提供最新的AI技術。”

靈活、可升級的設計

為了滿足超大規(guī)模云環(huán)境所獨有的高性能、高效率和大規(guī)模擴展需求，NVIDIA構建了HGX參考設計。由于可以根據工作負載需求進行高度配置，HGX能夠以多種方式輕松融合GPU與CPU，進而用于高性能計算、深度學習訓練與深度學習推理。

標準的HGX設計架構包含8顆SXM2尺寸的NVIDIATesla? GPU加速器，并采用NVIDIANVLink?高速互連技術與經過優(yōu)化的PCIe拓撲并以多維數據集網格連接。借助模塊化設計，HGX機箱適用于全球現有數據中心機架部署，并酌情使用超大規(guī)模CPU節(jié)點。

NVIDIA Tesla P100與V100 GPU加速器均兼容于HGX。今年底，在V100 GPU上市后，這可以讓基于HGX的所有產品實現即時升級。

對于想要托管全新NVIDIA GPU Cloud平臺的云提供商而言，HGX堪稱理想的參考架構。NVIDIA GPU Cloud管理著一系列完整集成且經過優(yōu)化的深度學習框架容器的目錄，包括Caffe2、Cognitive Toolkit、MXNet與TensorFlow。

富士康/鴻海精密工業(yè)股份有限公司總經理兼鴻佰科技股份有限公司(Ingrasys Technology Inc.)總裁Taiyu Chou表示：“通過與NVIDIA的這一全新合作伙伴計劃，我們將能夠更加快速地滿足我們客戶不斷增加的需求，其中部分客戶管理著一些全球最大型的數據中心。盡早獲得NVIDIA GPU技術與設計指南，將有助于我們更加快速地推出創(chuàng)新型產品，充分滿足我們客戶不斷增長的人工智能計算需求。”

英業(yè)達集團IEC China業(yè)務主管Evan Chien表示：“與NVIDIA開展更加密切的合作，將有助于我們?yōu)槿驍祿行幕A架構注入更高水平的創(chuàng)新。通過我們的緊密協作，我們將能夠更加有效地滿足管理超大規(guī)模云環(huán)境公司的計算密集型人工智能需求?！?/p>

廣達電腦高級副總裁兼云達科技(QCT)總裁Mike Yang表示：“借助NVIDIA的人工智能計算專長，我們將能夠立即向市場推出變革性的解決方案，滿足人工智能時代的新計算需求?！?/p>

緯創(chuàng)首席技術官兼企業(yè)業(yè)務組總裁Donald Hwang表示：“作為NVIDIA的長期合作伙伴，我們期待著深化我們之間的關系，以便我們能夠滿足超大規(guī)模數據中心客戶日益增長的計算需求。我們的客戶渴望獲得更高的GPU計算力量，以處理各種人工智能工作負載，而通過這一全新合作，我們將能夠更快速地提供新的解決方案?！?/p>

微軟AzureHardware Infrastructure總經理兼杰出工程師Kushagra Vaid表示：“我們與鴻佰科技及NVIDIA合作開創(chuàng)了全新行業(yè)標準設計，以滿足人工智能新時代日益增長的需求。HGX-1人工智能加速器是作為微軟Project Olympus的一部分而開發(fā)的，以便通過為多達32顆GPU選用高帶寬互聯性而實現極高的性能可擴展性?！?/p>