Nvidia构建了最强大的AI超级计算机

自动驾驶汽车：它们并不完美，有时会杀人。但在相对不久的将来，他们也承诺更安全的交通 - 以及更少的就业机会。为了帮助这些车辆将他们的智能升级为造成致命事故而预防他们，Nvidia创建了DGX SuperPod，这是一款经过AI优化的超级计算机，可以帮助设计更好的自动驾驶汽车。

Nvidia 明确表示希望成为人工智能领域的领导者，并决定建立一台超级计算机来证明这一点。通过将96台Nvidia DGX-2H超级计算机与Mellanox互连技术相连，该公司只用了三周时间。凭借1,536台 Nvidia V100 Tensor Core GPU，SuperPod可为相对较小的系统（超级计算机标准）提供大量电源。然而，如果你希望人们投资任何昂贵的东西，你可能想要证明这是最艰巨的任务。这就是为什么Nvidia决定让它的SuperPod构建辅助解决AI中最困难的问题之一。

与使用类似图像分类模型用于其他目的（例如诊断医学）的技术相比，自主车辆需要大量的训练数据。自动驾驶汽车中的人工智能并不是在寻找特定的东西，而是需要考虑周围的环境并充分理解它们以便安全运行。这相当于每辆车每小时大约1TB的数据，并且为自动驾驶车辆提供动力的AI需要使用来自整个车队的数据随着时间的推移不断重新训练。Nvidia决定展示其SuperPod如何帮助加快以PB为单位测量的训练数据的处理：

该系统全天候工作，优化自动驾驶软件，并以比以前更快的周转时间重新训练神经网络。例如，DGX SuperPod硬件和软件平台只需不到两分钟的时间来训练ResNet-50。当这款AI车型于2015年问世时，需要25天的时间来训练当时最先进的系统，即单个Nvidia K80 GPU。DGX SuperPOD提供的结果速度提高了18,000倍。虽然具有相似性能水平的其他TOP500系统是由数千台服务器构建的，但DGX SuperPOD占用的空间只占其排名邻居的约400倍。

虽然DGX-2H 在使用ResNet-50时表现最佳，但在对几乎任何图像分类模型进行缩放时，这些数字仍然会令人印象深刻。你可以期待数百万美元的系统产生令人印象深刻的性能，但是在如此小的（相对）尺寸下实现这一点，很明显为什么Nvidia仍然是AI硬件市场的主导。

这种有能力的硬件会带来什么样的进步？Nvidia还展示了一种新的更精确的方法来计算三维空间中物体的距离，因此自动驾驶汽车可以更轻松地防止碰撞。