个人超级计算机不再是空穴来风—— NVIDIA推出1万美元的4万亿次个人超级计算机

个人超级计算机不再是空穴来风

[ 收藏此页] [ 打印]

—— NVIDIA推出1万美元的4万亿次个人超级计算机

作者： IT168 洪钊峰2008-11-18 网友评论 6 条

内容导航：

性能提升 功耗降低 GPU计算有独到之处

第1页： 性能提升 功耗降低 GPU计算有独到之处 第2页： CUDA发展良好 GUP计算生态圈初步形成

文本Tag: 超级计算机 GPU HPC 工作站 高性能计算

<script type="text/javascript">var articletitle = "超级计算机GPUHPC工作站高性能计算";</script><script src="http://server.it168.com/cad/2008-5-13adibm.js" type="text/javascript"></script>

【IT168 专稿】每秒运算速度达4万亿次、只有台式机大小、售价不到8万元的个人超级计算机，是梦望还是现实？NVIDIA公司刚刚发布的Tesla个人超级计算机似乎正在让这一切成为可能。

11月18日，在美国2008年超级计算大会（SC08）上，NVIDIA公司正式发布了针对全球1500万名科学家和工程师的Tesla个人超级计算机新产品，要“让每个研究人员都可配备一台超级计算机”。NVIDIA 公司Tesla计算产品总经理AndyWalch先生通过电话会议方式接受了IT168服务器频道的采访。

推荐阅读：

GPU让桌面型超级计算机不再是梦想
—— NVIDIA Tesla GPU 计算事业部高级产品经理Sumit Gupta专访

专题:曙光个人高性能计算机PHPC视频全解读

视频访谈专题:英特尔模块化服务器启示录

专题:HPCChina2008 陈国良院士解读pHPC

据介绍，Tesla个人超级计算机拥有“工作站的价格，超级计算机的性能，适合个人操作，非常简单易用”等几大特点。在外观上就如同一台可以放在桌面上的工作站一样，内置一颗四核CPU 和3-4个GPU单元模块，拥有12-16GB系统内存、1200-1350W电源，可以直接使用办公环境下标准的电源。由于总共拥有960个GPU核心，使其浮点计算性能高达每秒4万亿次，是当前台式工作站的250倍，而售价不到1万美元，跟相同性能水平的传统超级计算集群相比，价格只有1%。要知道，就在四年前，上海超级计算中心所采用的10万亿次超级计算机曙光4000A需要近亿元人民币，占地1/4个足球场。

性能提升 功耗降低 GPU计算有独到之处

AndyWalch介绍说，Tesla个人超级计算机实现了人们“以工作站的价格和占地空间获得超级计算集群性能”的梦想，开启了个人高性能计算的新领域。“就象20多年以来，PC从早期的专家设备变成了今天人手一台的普及工具一样，我们相信从现在开始，个人超级计算机也可以走向普及。”

目前，这类台式HPC产品已经在国外一些大学科研人员当中得到了采用。最早使用的是比利时安特卫普大学，该校原来用的超级计算机有512颗处理器核，成本是530万美元，由全校共享使用；后来换成一台拥有8个GPU的台式系统，性能相当，成本只有7000美元，而且可以为每个研究人员在桌边配备一台，不再为共享资源进行竞争。可见，无论是在性价比方面，还是在使用模式上都跟以前相比有了“革命性”的变化。据称，当前包括美国麻省理工学院、哈佛大学、伊利诺伊大学、英国剑桥大学、德国布伦瑞克里大学以及韩国延世大学都已经采用了3颗-16颗GPU不等的此类桌面系统。

全球高性能计算机TOP500排行榜的创始人之一、美国田纳西大学教授Jack Dongarra认为，“GPU的发展使得实际应用程序可以在GPU上轻松运行，并且速度远远超过多核系统。未来的计算架构将是并行核心GPU和多核CPU合作的混合系统。”CRAY公司前首席科学家Burton Smith也认为，NVIDIA的异构计算使“台式超级计算机”的突破成为可能。

实际上，在今年9月份，微软和Cray两家公司就首次联手推出了大小和普通PC相当，售价2.5万美元到6万美元以上，预装Windows HPC Server 2008操作系统的个人超级计算机Cray CX1。不过，跟NVIDIA采用的CPU与GPU混合架构不同，Cray CX1采用的是标准X86 CPU技术，支持多达8个节点、16个英特尔至强处理器、每节点64GB内存和4TB内置存储。

不过，AndyWalch表示，跟传统仅基于CPU的架构相比，CPU与GPU混合的架构在某些应用领域效率更高，数十倍甚至上百倍的性能提升正是GPU的最大优势。

AndyWalch举例说，在一项针对计算化学的应用测试中，如果仅使用CPU需要4.6天，而使用GPU仅仅需要27分钟，在神经医学建模方面，使用CPU需要2.7天，而使用GPU只需要30分钟，另外在医学成像、分子动力学、视频转码、Matlab计算、天体物理、金融模拟、线性代数、3D超声波、量子化学、基因排序等领域，一些大学和相关软件厂商的测试也证实了18倍到149倍不等的性能提升。

另外，在绿色节能方面，GPU系统也明显的优势。如NVIDIA最新推出的Tesla S1070与X86产品相比，每瓦特性能提升了18倍。“这对石油天然气勘探这类用户来说非常重要，因为他们需要进行大量的数据分析，服务器电耗极其惊人，使用GPU系统可以节省大量的电力成本。目前Tesla S1070已经在Hess、雪佛龙石油、巴西石油等公司得到了成功应用。” Andy说。

CUDA发展良好 GUP计算生态圈初步形成

可见，虽然一般用户已经非常熟悉传统X86集群系统在HPC领域的使用模式，但是我们认为，CPU与GPU的混合系统也确实非常值得关注，用户可以根据自己的实际应用进行测试比较。不过，值得一提的是，CPU系统毕竟已经非常成熟，现有应用软件大多是针对CPU进行编写的，而用GPU进行高性能计算还是一个新兴的领域，特别是在GPU编程方面对于很多用户来说仍是非常大的挑战。

对此，NVIDIA公司表示，由于对GPU架构进行了根本性的改变，使其可以用C语言来编程，并推出了全球第一个针对GPU的并行编程环境CUDA，可以用于Windows及Linux。“CUDA在GPU多核并行计算中起到的作用就好比是军队里的将军一样，通过它来保证并行高效有序地实现。”跟CELL、FGPA以及其他GPU相比，CUDA环境支持已经成为NVIDIA GPU计算的一大优势，用户借助CUDA可以更加方便地使用GPU计算。

AndyWalch此番还透露了CUDA推出一年多来在全球的发展情况：NVIDIA已经在全球卖出了1亿颗以上支持CUDA的GPU产品，CUDA 开发人员超过了2.5万人，全世界有50多所大学开设了CUDA课程，包括中国科学院、清华大学等。GPU计算的生态系统已经形成。

由于NVIDIA广为人知的GPU产品是Geforce系列，虽然Geforce和Tesla都支持CUDA，但两者在产品设计和适用环境仍然存有非常大的区别。AndyWalch解释说，在产品设计上，Tesla的板载内存容量高达4GB，而Geforce只有1GB，前者可以大大减少数据传输量，可以实现更高的计算精度，另外前者由于针对企业级应用环境，在防烧毁等测试方面更加严格和全面。因此，对于一般性应用如视频解码、游戏等使用Geforce就可以，而对于科学计算应用如石油勘探、天气预报等，建议采用计算精度和可靠性更高的Tesla。

在SC08上，PGI、Mathematica等专业软件开发商演示了利用CUDA开发软件并获得性能极大提升的实例。NVIDIA还宣布，包括戴尔、华硕、NEC、Cray、布尔等合作伙伴后续将推出各自基于NVIDIA Tesla GPU处理器卡的个人HPC产品。

实际上，做个人高性能计算机的不仅仅是NVIDIA和Cray。早在2006年11月，泰安就在美国2006超级计算年会上推出了运算性能达256 GFLOPs的“TYPHOON台风”600系列个人超级计算机。早几年前，中科院计算所的李国杰院士也提出了“一万块钱购买一万亿次计算能力”的构想。到了2008年，在中科院计算所的支持下，曙光公司高调推出了pHPC100个人高性能计算机。在前不久举行的2008年全国高性能计算学术年会上，中国科技大学陈国良院士也做了关于pHPC的主题报告，个人高性能计算机的概念得到了英特尔、AMD、曙光、宝德、超微等与会公司的认同。另外，从去年开始，IBM、HP、英特尔等都推出了所谓针对成长型中小企业的刀片服务器产品——IBM BladeCenter S、HP BladeSystem C3000、英特尔模块化服务器，尽管没有挂“个人超级计算机”的名头，但高性能计算却是这些产品的目标市场之一。由此可见，个人HPC早已经不再是一个空穴来风的概念，而是已经涌现出了许多实实在在的产品，高性能计算普及的梦想已经不再遥不可及。