问NVIDIA GPU限制如何影响人工智能计算框架？

EN

我惊讶地发现，这是一个真正的许可证限制，仍然有效，并在他们的网站上的NVIDIA用于Geforce驱动软件的EULA上注意到。有关部分载于第2.1.3节的限制：

没有数据中心部署。该软件不被授权用于数据中心部署，但允许在数据中心中进行块链处理。

这意味着，如果你试图在一个专门的数据中心建立一个大规模的服务，多台机器配备了消费者级的NVIDIA Geforce卡(包括RTX 3060)，NVIDIA将不会授权您使用他们的驱动软件。

这项限制不适用于培训和研究工作站。你可以把它用于任何目的，包括人工智能。因此，你可以启动一个研究小组，使用相对便宜的游戏卡进行一些神经网络项目。专门建设数据科学/人工智能工作站的公司，如Lambda实验室，也使用消费类GPU卡。

GPU资源的云提供商，如谷歌的GCP，确实遵守这一限制，只支持更昂贵的特斯拉卡，如V100和A100。

如果您的目标是为AI构建自己的数据中心，以便使用更便宜的消费GPU来运行商业系统，那么您就倒霉了。但是，除此之外，您仍然可以使用相同的GPU来研究和开发相同的服务。按比例部署相同型号需要更昂贵的硬件，但大多数人工智能框架(如TensorFlow或PyTorch )都会很高兴地在不同的GPU上运行相同的模型。因此，在你向数据中心服务扩展的时候，这似乎只是一个问题--也是一个额外的开支，而不一定是一个节目停播者。