Основной темой одной из сессий конференции стали платформы, поддерживающие приложения машинного обучения и искусственного интеллекта. Модератор сессии, Евгений Соломатин, руководитель программы «МВА Телеком» бизнес-школы МИРБИС, отметил несомненный интерес к выступлениям, дискуссиям и обсуждениям конференции, «поскольку здесь пересекаются интересы и людей из бизнеса, и теоретиков, которых свели вместе ее организаторы».

Машинное обучение — одно из направлений искусственного интеллекта, для достижения конечной цели в котором применяется «обучение» компьютерных систем на основе решения множества сходных задач. Алгоритмы машинного обучения основаны на средствах математической статистики, теории вероятностей, теории графов, численных методах. Их производительность повышается по мере обработки нарастающих объемов данных.

Для сложных задач, требующих аналитических вычислений, которые основываются на современных представлениях о возможностях мозга человека, используются нейронные сети, предоставляющие, в том числе, возможность решения в ИТ-системах проблемы эффективного параллелизма.

Современные приложения машинного обучения требуют значительных вычислительных ресурсов, которыми располагают сегодня крупные центры обработки данных, а также исполняются с применением графических процессоров.

Каждый вендор, отмечают эксперты, пытается доказать преимущества предложенной архитектуры, которая для решения задач искусственного интеллекта и машинного обучения реализуется в центральных и графических процессорах, интегральных схемах специального назначения и программируемых логических матрицах.

Nvidia

Лидирующим игроком, продукты которого наиболее популярны для решения задач машинного обучения, является сегодня, по большинству оценок, компания Nvidia.

Дмитрий Коробченко, инженер по глубинному обучению компании Nvidia и популяризатор нейронных сетей, представил стек технологий компании, ускоряющий процессы разработки архитектур и процессов машинного обучения.

«Важнейшие компоненты нейронных сетей — графические процессоры, обеспечивающие высокую производительность при выполнении таких операций, как умножение больших матриц, свертка функций и ряд других, где очень важен массовый параллелизм», — подчеркнул он.

Компания недавно выпустила графические карты Nvidia Tesla T4, разработанные для приложений искусственного интеллекта, которые предназначены для установки в вычислительных системах центров обработки данных.

Дмитрий Коробченко: «Важнейшие компоненты нейронных сетей — графические процессоры»

Их графические процессоры содержат новые тензорные ядра на основе микроархитектуры Turing (о чем свидетельствует буква T в названии карт), обеспечивающие, в том числе, очень высокую производительность при перемножении матриц с пониженной точностью.

Наряду с этим, Tesla T4 отличаются низким энергопотреблением, позволяющим устанавливать их без дополнительных источников питания в разъемы PCI Express серверов.

Для оптимизации моделей глубинного обучения в Nvidia выпустили обновление TensorRT. Теперь эта платформа глубинного обучения содержит сервер принятия решений, а также контейнеризированный микросервис поддержки процессов логических умозаключений (inference), который, как утверждают разработчики, легко интегрируется с инфраструктурой Kubernetes, автоматизирующей развертывание и масштабирование контейнеризированных приложений, а также управление ими.

AMD

В сегменте дискретных графических процессоров единственным крупным конкурентом Nvidia остается компания AMD (см. «AMD намерена стать гигантом машинного обучения», Computerworld Россия, 19 июня 2017).

Аналитики компании Jon Peddie Research, специализирующейся на консалтинге и исследованиях в области графики и мультимедиа, утверждают, что во втором квартале 2018 года доля AMD на рынке дискретных графических процессоров для ПК, серверов, майнинговых ферм, систем для научных исследований составила 36,1%, а Nvidia — 63,9% (соответствующие результаты второго квартала 2017-го — 30,3% и 69,7%).

По словам Тимура Палташева, доктора технических наук и старшего менеджера AMD Radeon Technlogies Group, компания возвращается в дата-центры с семейством серверных чипов EPYC, в состав которого входят 12-нанометровые модели EPYC+ и 64-ядерные EPYC Rome с нормой проектирования 7 нм.

В конце 2017 года компания AMD представила ускорители Radeon Instinct, созданные на основе платформы EPYC, в том числе, модель с графическим процессором Vega. Все они рассчитаны на задачи машинного обучения.

Эксперты считают, что AMD занимает особое положение на рынке, так как выпускает и процессоры на базе на базе архитектуры x86, и собственные графические процессоры. Компания продвигает концепцию гетерогенной системной архитектуры (Heterogeneous System Architecture, HSA), спецификации которой позволяют организовать взаимодействие центральных и графических процессоров, работающих на одной шине с разделяемой памятью и с общими задачами.

«В области машинного обучения мы активно работаем и на уровне 'железа', и на уровне библиотек, хотя еще два года назад в компании не было софтверной команды», — пояснил Палташев.

Ранее AMD вышла с инициативой ROCm (Radeon Open Compute), призванной обеспечить поддержку высокопроизводительных вычислений, которая является альтернативой платформе Nvidia CUDA.

Благодаря программному обеспечению ROCm достигается рост производительности при решении вычислительных задач в операционных средах Linux за счет применения графических процессоров AMD. Это собственная реализация фреймоворка OpenCL для разработки ПО с поддержкой параллельных вычислений на графических и центральных процессорах, которую компания выпустила под публичной лицензией.

Intel

Intel располагает сегодня обширным портфелем технологий искусственного интеллекта, поддерживающим предложение комплексных решений — от центров обработки данных до граничных систем и периферийных устройств.

Этому во многом способствует активное приобретение компаний, их технологий и разработок. Покупка Altera, к примеру, вывела Intel на лидирующие позиции в области применения FPGA для задач, связанных с логическими умозаключениями, а доступ к технологиям компании Nervana обеспечил высокопроизводительное обучение нейронных сетей, для которого в настоящее время используются главным образом технологии Nvidia.

«Корпорация предлагает аппаратные и программные продукты для всех областей искусственного интеллекта, включая машинное и глубинное обучение», — подчеркнул Дмитрий Сивков, ведущий технический инженер-консультант Intel.

Дмитрий Сивков: «Intel предлагает аппаратные и программные продукты для всех областей искусственного интеллекта»

Так, для задач общего характера и машинного обучения, не связанного с глубокими нейронными сетями, вполне подходят процессоры серии Intel Xeon Processor Scalable, пояснил он. Поддержку же интенсивных вычислений обеспечат готовящиеся к коммерческому анонсу чипы первого поколения Intel Nervana Neural Network Processor (NNP).

В портфель продуктов Intel Nervana, предназначенных для решений искусственного интеллекта, входят такие библиотеки, как Intel Python Distribution, Intel Data Analytics Acceleration Library, BigDL, а также платформы Intel Nervana Cloud & Appliance, Nervana DL Studio, Computer Vision SDK и ряд других.

Год назад в Intel объявили о создании чипа Loihi, предназначенного для вероятностных вычислений, который имитирует работу мозга. В планах на 2019 год — создание системы из множества чипов, содержащую 100 млрд синапсов (см. «К 2019 году чипы Intel сравняются по интеллекту с мышами», Computerworld Россия, 18 мая 2018).

Российские разработки

«Около полусотни компаний создают нейрочипы, в основном, — в США и Китае, впрочем, пара таких разработчиков есть и в нашей стране. Самый известный на рынке чип — Google TPU, но его не продают и не намерены этого делать в будущем», — сообщил Станислав Ашманов, генеральный директор и основатель «Нейросетей Ашманова».

Чтобы построить и обучить нейронную сеть для конкретной задачи, нужен конструктор/компилятор нейронных сетей, то есть нейробиблиотека или нейронный, фреймворк, пояснил он, отметив, что в настоящее время в отрасли есть 9 таких библиотек. Все они ориентированы на решения Nvidia.

В «Нейросетях Ашманова» разработана собственная отечественная библиотека Puzzle.Lib, которая, по данным компании, уже используется в коммерческих проектах. Она обеспечивает поддержку графических процессоров AMD, «которые не уступают по производительности Nvidia, но гораздо дешевле», мобильных графических карт Apple и Android, а также продуктов Nvidia, «но без зависимости от лицензий этой компании, так как уже создан свой ассемблер для процессоров Nvidia и разрабатывается аналог cuDNN».

«Мы поддерживаем также отечественные процессоры 'Байкал' и 'Эльбрус'», — заявил Ашманов.

В целом рынок оборудования машинного обучения активно развивается. По оценкам экспертов инвестиционной компании Needham & Company, в ближайшие пять лет суммарный объем мирового рынка поддержки задач логических умозаключений способен достичь 20 млрд долл., 5 млрд из которых, как ожидают сегодня, придется на долю Nvidia.

В Nvidia анонсировали выход Titan RTX (или T-Rex), самого мощного видеоадаптера в мире. Он предназначен в основном для задач машинного обучения и создания цифрового контента: в играх T-Rex в играх будет чуть мощнее, чем геймерский флагман Nvidia, GeFroce RTX 2080 Ti, но это вряд ли будет стоить потраченных денег — цена Titan RTX в США составит 2499 долл., вдвое больше, чем у GeForce RTX.

Адаптер выполнен на базе самого мощного видеопроцессора Nvidia — TU102, имеющего 72 ядра трассировки лучей в реальном времени, 576 тензорных ядра для задач машинного обучения и 4608 ядер CUDA. Видеочип выполнен на базе самой новой архитектуры Nvidia — Turing.

Мощность Titan RTX при обработке чисел половинной точности составляет 130 TFLOPS. Поскольку задачи машинного обучения требуют много памяти, в Nvidia удвоили ее размер по сравнению с прежними платами Titan, оснастив RTX 24 Гбайт видеопамяти GDDR6 с пропускной способностью 672 Гбайт/с.

В компании обещают, что «монстр» раскроет новые возможности работы с цифровым контентом, в частности, Titan RTX позволит монтировать видео 8K в режиме реального времени.

В продажу видеоадаптер поступит в конце декабря.

Исторически сложилось так, что конкурентным преимуществом компании AMD стало удачное сочетание центральных и графических процессоров – комбинация мощных графических ядер Radeon и ядер центрального процессора, которую мы наблюдаем сегодня в поколении Ryzen. В каком же направлении интегрированные чипы AMD будут двигаться дальше?

На ежегодной конференции Hot Chips в Купертино в августе вице-президент и главный архитектор клиентских продуктов AMD Дэн Бувье напомнил всем историю Raven Ridge – результата интеграции центрального (CPU) и графического (GPU) процессоров, получившего в AMD особое название — ускоренные процессоры (Accelerated Processor Unit, APU).

Процессоры Raven Ridge, выпускаемые под именами Ryzen 3 2200G и Ryzen 5 2400G, получившие в последних обзорах PC World на удивление высокие оценки, предлагаются в качестве альтернативного варианта для построения бюджетного игрового компьютера. (Напомним, что гибридные процессоры AMD выпускаются не только для настольных компьютеров, но и для ноутбуков.)

Встретившись с Бувье, мы решили поговорить о следующем поколении APU компании. Интересно, что это один из сегментов, о которых нам известно не так много. На выставке Computex в компании рассказали о компонентах второго поколения Threadripper 2, а также о технологическом процессе, используемом при изготовлении графического процессора Vega. Что же касается перспектив, о них мало, что известно, если не считать слухов о том, что разрабатываемый под кодовым наименованием Picasso продукт будет иметь ту же архитектуру и разъем и обладать улучшенными характеристиками производительности и энергопотребления.

Поставки APU следующего поколения от AMD начнутся в 2019 году

Компания AMD анонсировала Raven Ridge в 2017 году, но первые поставки начались в 2018-м. Ожидается, что и с APU следующего поколения произойдет все то же самое: он будет анонсирован осенью, а поставки начнутся весной. «Думаю, что сейчас производители готовят к выпуску последние машины на базе Raven Ridge, а в следующем году нас ждет уже очередная волна с новыми чипами», – заявил Бувье.

Временная синхронизация соответствует жизненным циклам продуктов для клиентов AMD. «С производителями компьютеров, особенно ноутбуков, мы стараемся поддерживать два цикла, – пояснил Бувье. – Переходный этап наступает осенью, поздней осенью, с тем чтобы в начале года иметь возможность наверстать упущенное».

Гибкость энергопотребления

Бувье отметил, что у следующего поколения APU имеется определенный запас в части энергопотребления. «В перспективе энергопотребление APU может сократиться, благодаря чему мы перейдем на другой уровень TDP, ниже, чем у дискретных процессоров Ryzen», – пояснил он.

Выпускаемый сегодня процессор Ryzen 5 2600 потребляет 65 Вт – столько же, сколько и APU 2500G. Возможно, у APU следующего поколения энергопотребление окажется еще ниже, что позволит добиться дальнейшего уменьшения габаритов. «В нынешнем поколении нам удалось достичь больших успехов, но многое еще ждет впереди», – подчеркнул Бувье.

К этой теме он возвращался снова и снова. Бувье указал, что влияние сокращения энергопотребления процессора на систему в целом снижается, поскольку доля, приходящаяся на дисплей и твердотельный накопитель, растет. Рассуждая о влиянии, которое оказывает на рынок Qualcomm Snapdragon, он отметил, что две компании используют различные подходы.

«Как сохранить производительность, снижая при этом энергопотребление? Вот в чем вопрос. В Qualcomm не решили проблему производительности, но решили проблему энергопотребления. Мы же, напротив, не решили проблему энергопотребления, но зато справились с вопросами производительности».

Ноутбуки без вентиляторов с процессорами на 7 нм

К сожалению, Бувье не конкретизировал, какая производственная технология будет применяться при изготовлении APU следующего поколения. (Threadripper 2 второго поколения выпускался на основе 14-нанометрового технологического процесса, но в AMD уже упоминали о переводе архитектуры графических процессоров Vega на 7-нанометровую технологию.) Была надежда, что ноутбуки без вентиляторов появятся, когда процессоры начнут потреблять около 7,5 ватт.

«Мы думали об этом, – сообщил Бувье. – Но с учетом издержек придется снижать частоты. Производители могут сократить выделение тепла наполовину, и этого, наверное, окажется достаточно, особенно если речь идет о переходе на 7-нанометровую технологию».

Дополнительные меры безопасности

Несмотря на то, что AMD во многом дистанцировалась от уязвимостей Spectre и Meltdown, затронувших Intel, компания продолжает искать способы укрепления безопасности. «Это процесс непрерывный, – констатировал Бувье. – Каждое следующее поколение чипов будет иметь больше уровней защиты».

Очередной приоритетной задачей для AMD становится улучшение системы виртуальной памяти. «На следующем этапе вы сможете посмотреть, каких результатов нам удалось добиться», – отметил Бувье.

Компания Nvidia активизирует свои усилия на рынке оборудования для ЦОДов, повышая эффективность решения различных задач искусственного интеллекта с помощью графического процессора Tesla T4. Процессор T4 был создан на основе архитектуры Turing и, наряду с новым программным обеспечением, предназначен для значительного ускорения обработки изображений и речи, автоматизированного перевода и работы рекомендательных сервисов.

T4 является важным компонентом новой платформы Nvidia TensorRT Hyperscale Inference Platform – платы ускорителя, которая, как ожидается, начнет поставляться крупным производителям серверов для ЦОДов в четвертом квартале.

Ядра Turing Tensor Core T4 поддерживают вычисления с различными уровнями точности в приложениях искусственного интеллекта, а также в крупных программных платформах (включая TensorFlow, PyTorch, MXNet, Chainer и Caffe2) для так называемого глубинного обучения – машинного обучения в многоуровневых, или глубоких, нейронных сетях.

«Графический процессор Tesla T4 построен на основе архитектуры Turing, которая совершит революцию в области искусственного интеллекта в ЦОД, – указал генеральный директор Nvidia Дженсен Хуанг, представляя новый графический процессор на конференции GTC в Токио. – Tensor Core – это результат полного переосмысления нами концепции графических процессоров. Фактически мы изобрели графический процессор заново».

Благодаря своей массово-параллельной архитектуре графические процессоры хорошо подходят для решения задач искусственного интеллекта. Параллельные вычисления в сочетании с высокой вычислительной мощностью процессоров Nvidia способствуют тому, что они широко применяются при решении задач искусственного интеллекта, особенно при обработке данных в процессе машинного обучения. По сути, именно появление данной вычислительной платформы способствовала созданию моделей нейронных сетей глубинного обучения.

Обработка с различными уровнями точности

Способность процессоров T4 обеспечивать обработку с различными уровнями точности выгодно отличает их от прежних процессоров Nvidia P4 на базе архитектуры Pascal.

После обучения на больших наборах данных нейросетевые модели передаются в приложения, которые выполняют классификацию данных и выдачу результата на основе правил логического вывода. И если для обучения нужны интенсивные вычисления, то для логического вывода в реальных приложениях от процессора требуется максимальная гибкость.

В идеале обработка на каждом уровне нейронной сети должна выполняться с минимально подходящей для этого уровня точностью. Такой подход позволяет максимизировать скорость вычислений и сократить энергопотребление.

«Создавая архитектуру, обеспечивающую различную точность вычислений, мы добиваемся максимизации соответствия решаемой задаче и пропускной способности, затрачивая на все это 75 ватт мощности, – пояснил Хуанг. – T4 работает по меньшей мере в восемь раз быстрее, чем P4, а в некоторых ситуациях он оказывается быстрее уже в 40 раз».

Современные ЦОДы имеют дело с широким спектром приложений, обрабатывающих миллиарды голосовых запросов, переводов фраз, изображений и видеороликов, рекомендаций и операций взаимодействия в социальных сетях. По оценкам Nvidia, рынок искусственного интеллекта и когнитивных вычислений в ближайшие пять лет достигнет 20 млрд долл. При этом разным приложениям в нейронной сети требуются разные уровни обработки.

«Никто не хочет выполнять 32-разрядные вычисления с плавающей точкой там, где приложению достаточно 16-разрядных вычислений, – пояснил основатель аналитической компании Moor Insights & Strategy Патрик Мурхед. – С новой когнитивной платформой Nvidia высоко подняла планку технологий искусственного интеллекта для ЦОДов».

Что представляет собой TensorRT Hyperscale Inference Platform?

В состав платформы TensorRT Hyperscale Inference Platform, реализованной в виде небольшой платы PCIe, которая потребляет 75 ватт, входят:

• Графический процессор Nvidia Tesla T4, имеющий 320 ядер Turing Tensor и 2560 ядер CUDA (Compute Unitfied Device Architecture). CUDA – это язык программирования Nvidia, ориентированный на параллельную обработку. T4 поддерживает 16-ти и 32-разрядные операции с плавающей точкой (FP16 и FP32), а также 8-ти и 16-разрядные операции целочисленной арифметики (INT8 и INT16). Пиковая производительность T4 при выполнении операций FP16 составляет 65 TFLOPS, при выполнении операций INT8 – 130 TFLOPS и при выполнении INT4 – 260 TFLOPS.
• TensorRT 5 – оптимизатор логического вывода и исполняемая среда для глубинного обучения, которые обеспечивают высокопроизводительный логический вывод с низкими задержками, быструю оптимизацию, проверку и развертывание обученных нейронных сетей в ЦОД гипермасштаба для встроенных или автономных платформ графических процессоров. Уже реализована поддержка TensorFlow, MXNet, Caffe2 и Matlab, а также других платформ через ONNX (Open Neural Network Exchange).
• TensorRT Inference Server – сервер логического вывода для ЦОДов, доступный из Nvidia GPU Cloud. Он предназначен для обучения с вертикальным масштабированием, развертывания систем логического вывода в многооблачных кластерах графических процессоров и интеграции с Kubernetes и Docker, позволяя разработчикам автоматизировать развертывание, планирование и выполнение операций множества контейнеров приложений GPU в кластерной среде.

Ключевая задача – поддержка ПО

«Мы продолжаем инвестировать в оптимизацию всего нашего программного стека с самого низа, используя доступные платформы, – отметил вице-президент подразделения Nvidia Accelerated Computing Иан Бак. – Запустив свои уже готовые нейронные сети, клиент может взять обучающие модели и развернуть их в тот же день».

В области логического вывода компания Nvidia конкурирует с другими производителями программируемых логических матриц FPGA (field programmable gate array), в частности, с Xilinx. Микросхемы FPGA позволяют разработчикам осуществлять тонкую настройку точности вычислений для различных уровней глубинных нейронных сетей. Но FPGA требуют от программистов дополнительной подготовки. Настройка FPGA выполняется с помощью языков категории Hardware Description Language (HDL), а не языков высокого уровня, которые применяются для других чипов.

FPGA готовы конкурировать с GPU

В марте компания Xilinx представила новую категорию микросхем – Adaptive Compute Acceleration Platform (ACAP), – которая поддерживает более широкий спектр программного обеспечения по сравнению с традиционными FPGA. Поставки первой версии ACAP, разрабатывавшейся под кодовым наименованием Everest, должны начаться в следующем году. В Xilinx заявляют, что разработчики программного обеспечения смогут обращаться к Everest с использованием различных инструментов: Си/C++, OpenCL, Python и т. д. Everest поддерживает программирование и на аппаратном уровне с использованием таких HDL-языков, как Verilog и VHDL.

Поддержка программного обеспечения, предлагаемая графическими процессорами T4 в сочетании с возможностью организации вычислений различной точности, должна укрепить позиции Nvidia как в обучении, так и в логическом выводе для приложений искусственного интеллекта.

«Мы убеждены в том, что в нашем распоряжении имеется самая эффективная на сегодняшний день платформа логического вывода, – заявил Бак. – Замеры проводятся на реальных производственных нагрузках под наблюдением наших клиентов. Мы взаимодействуем с ними на всем пространстве нашего стека сверху донизу, чтобы предлагать не только лучшие средства обучения, но и лучшую платформу логического вывода. Фактически все производители серверов, использующие сегодня графические процессоры P4, к концу года перейдут на T4».

На конференции в Токио о своих намерениях поддерживать T4 заявил целый ряд производителей систем для ЦОДов, в том числе Cisco, Dell EMC, Fujitsu, HPE, IBM, Oracle и SuperMicro.

О планах использования T4 сообщили и в Google.

Цены на новое семейство графических плат с трассировкой лучей Nvidia, мягко говоря, кусаются, но это не останавливает поставщиков ПК от размещения их сразу в обоих разъемах PCIe.

Семейство графических плат с архитектурой Turing GeForce RTX 2070, 2080 и 2080 Ti обещает прорывную производительность при трассировке лучей в играх в реальном времени. (Впрочем, никаких результатов тестирования RTX, анонсируя эти платы на конференции Gamescom в Германии компания Nvidia не представила.)

Появление плат RTX ожидается после 20 сентября, поэтому у пользователей еще есть время подумать, стоит ли тратить столько денег на настольный компьютер с самыми современными графическими средствами. Самое время ознакомиться со спецификациями первых ПК с этими платами.

Компания HP анонсировала обновленную модель OMEN Obelisk, которая станет одним из первых ПК с новыми платами Nvidia RTX.

Компьютер HP OMEN со стеклянным окном в корпусе станет одним из первых ПК, оснащенных платами GeForce RTX

Omen будет поставляться с окном из закаленного стекла в корпусе (впервые, пожалуй, крупный производитель ПК предлагает такое решение), стандартными компонентами и освещением RGB. В Obelisk планируется устанавливать процессоры AMD Ryzen и Intel Core.

Не отстает от HP и Alienware. Новейшие платы Nvidia с трассировкой лучей в реальном времени появятся в настольных компьютерах Alienware Aurora и Area 51.

Новейшие платы Nvidia с трассировкой лучей в реальном времени появятся в настольных компьютерах Alienware Aurora

Как и Omen, Aurora оснащается материнской платой формата MicroATX, но поставляется с системой жидкостного охлаждения. Цены на Aurora начинаются от 899 долл., но мы подозреваем, что в такой конфигурации GeForce RTX не будет. Какой-либо дополнительной информации о компьютерах Area 51 в Alienware пока не предоставляют.

Не желая оставаться в стороне, в отходящий поезд GeForce RTX поспешила запрыгнуть и компания Acer. Соответствующие платы появятся в семействах игровых ПК Orion 3000 и Orion 5000. Ну, а наилучшим пристанищем для GeForce RTX, очевидно, окажется семейство Orion 9000.

Представители самого мощного семейства компании Orion 9000 поставляются с колесами и ручкой. ПК может быть оснащен 18-ядерным процессором Core i9-7980XE и системой жидкостного охлаждения. Как и у Omen Obelisk, в корпусах компьютеров Acer имеются окна, но они выполнены в виде металлической сетки для снижения электромагнитных помех. У Obelisk окна прозрачные.

Корпус Predator Orion 9000 настолько велик, что в Acer решили приделать к нему задние колеса и ручку сверху.

У корпуса Acer Predator Orion 9000 сзади имеются колеса

Вот что касается крупных производителей ПК, уже анонсировавших присутствие в своих новых моделях плат GeForce RTX, поставки которых должны начаться 20 сентября. Если же говорить об остальных, то планы сборки ПК с GeForce RTX вынашивает и компания Origin PC.

Глава Nvidia Дженсен Хуанг представил на выставке Siggraph 2018 новые графические процессоры компании, выполненные на основе архитектуры Turing, подтвердив слухи о ее широких возможностях.

Судя по всему, видеоадаптеры на новых графических процессорах, получивших название Quadro RTX 8000, 6000 и 5000, тоже будут носить маркировку RTX, а не GTX, как раньше. Переименование, по-видимому, обусловлено поддержкой технологии трассировки лучей в реальном времени (Real-Time Ray Tracing), которая позволит значительно повысить реалистичность компьютерной графики, но требует колоссальной вычислительной мощности. Как заявил Хуанг, эта технология стала самой важной разработкой Nvidia за последние десять с лишним лет.

Среди других особенностей Quadro RTX — ядра для ускорения операций, связанных с искусственным интеллектом, и усовершенствованная поточная многопроцессорная архитектура, благодаря которой видеочипы характеризуются «беспрецедентной производительностью в расчете на ядро».

Адаптеры на Quadro RTX будут оснащаться новейшей видеопамятью GDDR6, примерно на 40% более быстрой по сравнению с GDDR5X. Еще одна их особенность — поддержка VirtualLink, специального режима USB-C с повышенной пропускной способностью, предназначенного для шлемов виртуальной реальности.

Высокая вычислительная мощность игровых графических плат старшего класса превращает их в идеальное средство для майнинга криптовалют. В конце 2017-го и начале 2018 года, когда котировки биткоина, эфириума и других цифровых валют достигли беспрецедентных высот, графические платы пользовались очень большим спросом.

Но теперь, похоже, наблюдается обратная тенденция: цены на платы расширения падают, а их предложение растет. Аналогичная ситуация наблюдается и с ценами на цифровые токены.

«Ранее мы прогнозировали снижение спроса на специализированные процессоры в случае падения цен на криптовалюты, – указал менеджер компании Jon Peddie Research по цифровым медиа Роберт Доу. – Затраты на запуск оборудования для майнинга сегодня незначительными уже не назовешь, поэтому при снижении котировок криптовалют люди предпочтут продать свои платы расширения на вторичном рынке, чтобы хотя бы частично компенсировать понесенные затраты».

По оценкам Jon Peddie Research, в 2017 году майнеры криптовалют купили более 3  млн плат расширения, по большей части выпущенных компанией AMD, на сумму 776 млн долл.

В конце прошлого и начале 2018 года многие платы расширения старшего класса были распроданы, что привело к росту цен на них, вызвавшему недовольство у любителей игр и технических энтузиастов.

Компания Nvidia пошла даже на необычный шаг, попросив продавцов оборудования отдавать предпочтение любителям игр, а не майнерам криптовалют.

За последние полгода цена биткоина упала с почти 19 500 долл. в декабре до 6800 долл. Цена эфириума снизилась с 1385 долл. в январе до 475 долл.

Произошедший спад немедленно отразился на рынке графических процессоров. В апреле все запасы комплекта из шести плат RX 580 с памятью 4 Гбайт, стоившего 3600 долл., были полностью распроданы. Сегодня он не только имеется в продаже, но и предлагается уже за 2500 долл. Графическую плату NVIDIA GeForce GTX 1080 Founders Edition GDDR5X PCI Express 3.0, продававшуюся за 1050 долл., сегодня можно приобрести за 709 долл.

Объем поставок плат расширения, предназначенных для майнинга криптовалют, по сравнению с последним кварталом 2017 года уменьшился на 55%, что помогло несколько сгладить падение цен на графические процессоры старшего класса. (Платы расширения среднего звена это падение затронуло не так сильно, их поставки уменьшились только на 5,6%.)

Есть и другие факторы, толкающие цены на графические процессоры вниз. Компания Nvidia не представляла новых семейств графических процессоров с момента презентации Pascal 10-й серии в 2016 году, что привело к дефициту новых поступлений. Сегодня старым платам Nvidia приходится соперничать с новыми предложениями конкурирующих производителей.

«Мы полагаем, что у Nvidia и AMD имеются определенные запасы, влияющие на формирование средней розничной цены, – добавил Доу. – Перед скачком, обусловленным ростом спроса со стороны майнеров криптовалют, цены на платы расширения медленно снижались, и эта тенденция, очевидно, какое-то время будет сохраняться. По крайней мере, до момента презентации новых семейств графических плат».

По оценкам тайваньской компании DigiTimes, появления графических процессоров Nvidia следующего поколения не стоит ждать как минимум до конца текущего года, пока запасы не вернутся на безопасный уровень.

«Падение продаж новых плат из-за их высокой стоимости и отсутствия новых моделей привело к возникновению отложенного спроса, – подчеркнул Доу. – А осенью нынешнего года разработчики обещают выпустить целый ряд потрясающих игр. Можно предположить, что все это окажет существенное воздействие на рынок и приведет к стабилизации цен».

В конце июня, по сообщению DigiTimes, продажи систем для майнинга криптовалют на базе микросхем ASIC значительно сократились из-за низкого спроса. Это привело к вполне предсказуемому снижению цен на графические процессоры примерно на 20%.

В настоящее время на мировом рынке графических плат накоплены запасы примерно в несколько миллионов единиц, а Nvidia ждет удобного момента, чтобы выпустить еще порядка миллиона графических процессоров. Ожидается, что майнеры криптовалют начнут продавать свои подержанные графические платы по розничным каналам. В таком случае поставщики вынуждены будут снижать цены, чтобы сохранить конкурентоспособность.

На рынок графических процессоров могут оказать влияние и другие события. Китайский производитель микросхем ASIC Bitmain Technology в апреле анонсировал начало приема заказов на новый чипсет Antminer E3 для майнинга эфириума, который будет продаваться за 800 долл. Ожидается, что компания Bitmain, занимающая ведущие позиции рынке биткойна с точки зрения процессорных мощностей и предлагающая продукцию для майнинга двух наиболее популярных в мире криптовалют, окажет конкурентное давление и на новейшие чипсеты других производителей микросхем ASIC.

Пять из семи самых мощных суперкомпьютеров мира с поддержкой искусственного интеллекта из свежей версии рейтинга Top500 используют наряду с центральными процессорами графические процессоры Nvidia, рассказали в компании.

Первую строчку рейтинга занимает суперкомпьютер Summit. На третьей расположился Sierra, пятой — ABCI, самая мощная система Японии, шестой — Piz Daint, самая мощная система Европы, седьмой – Titan. Суперкомпьютеры способны выполнять как традиционные высокопроизводительные вычисления (HPC), так и вычисления, связанные с задачами искусственного интеллекта.

С появлениемграфических процессоров Volta с тензорными ядрами теперь можно проводить моделирование с использованием искусственного интеллекта, чтобы развивать науку, находить способы лечения болезней и открывать новые источники энергии, рассказали в Nvidia. Новые суперкомпьютеры с поддержкой искусственного интеллекта способны кардинально изменить будущее вычислений.

Также графические процессоры Nvidia лежат в основе самого мощного промышленного суперкомпьютера Eni HPC4, предназначенного для задач нефтегазовой промышленности. Он занимает 13-е место в рейтинге Top500.

В Intel официально подтвердили, что на 2020 год запланирован выпуск первого дискретного графического процессора корпорации. Предусмотрены версии, ориентированные как на игровые компьютеры, так и на применение в центрах обработки данных. Какая из них выйдет раньше, пока неизвестно.

Серьезность намерений Intel в области графических процессоров стала очевидной еще осенью прошлого года, когда в корпорацию перешел руководитель соответствующего подразделения AMD Раджа Кодури. Однако мало кто из обозревателей ожидал, что первые продукты Intel выпустит так скоро. Аналитики расценивают планы Intel уже в 2020 году выпустить графический процессор, способный конкурировать с AMD Radeon и Nvidia GeForce как «агрессивные», но к перспективам относится скептически. Сделать это с первой попытки, одновременно создавая экосистему программного обеспечения и инструментарий для разработки программ для нового процессора — трудная задача даже для такой крупной компании, как Intel, считает он.

Другие обозреватели отмечают, что еще в 2009 году Intel пыталась сделать графический процессор Larrabee — он должен был выйти в продажу в 2010 году, но появилась в итоге только векторный процессор для центров обработки данных под названием Knights Landing.

В AMD не планируют в ближайшее время переходить к многокристальной архитектуре графических процессоров, заявил руководитель подразделения Radeon Дэвид Ван. Процессоры Radeon следующего поколения, с архитектурой Navi, будут построены по традиционной схеме.

Многокристальные модули AMD с большим успехом применила в процессорах Threadripper, в которых в одной интегральной схеме собрано несколько кристаллов Ryzen. Бывший руководитель подразделения Radeon Раджа Кодури говорил, что технологию Infinity Fabric, которая дала возможность создать процессоры Ryzen, можно было бы применить и в графических процессорах. А в конце 2017 года AMD прекратила развитие линии многопроцессорных графических систем CrossFire, что можно было бы расценить как подготовку к переходу к схеме с несколькими процессорами на одной видеокарте Radeon. Оказалось, однако, что именно из-за трудности реализации многопроцессорных систем архитектуру Navi было решено построить по прежней схеме. Поддержка нескольких видеокарт в играх очень сложна, и реализуется все реже, а рынок видеокарт контролирует Nvidia. Поэтому создание многокристальной версии Radeon вряд ли бы оправдало себя.