В очередной версии суперкомпьютерного рейтинга Top500 никаких изменений в его верхней части не произошло, но для получения полного представления о происходящем нужно рассматривать всю картину в целом.

Табель о рангах суперкомпьютеров публикуется на сайте Top500.org два раза в год. В очередной его 49-й версии перечень самых быстрых в мире суперкомпьютеров возглавили китайские системы Sunway TaihuLight (93 PFLOPS) и Tianhe 2 (33,9 PFLOPS).

В результате модернизации производительность швейцарского суперкомпьютера Piz Daint, построенного на основе графических процессоров, удвоилась, достигнув 19,6 PFLOPS (19,6 квадрильонов операций с плавающей точкой в секунду). В результате эта система переместилась с восьмого места на третье, потеснив пять других компьютеров. Ведущий представитель США, Titan, теперь занимает четвертую строчку.

Вот и все, что касается первой десятки, и если на этом остановиться, можно подумать, что производители суперкомпьютеров погрузились в глубокую спячку.

На самом деле это не так, и середина рейтинга стала значительно мощнее.

С ноября прошлого года 108 систем заметно поднялись в рейтинге, обойдя занимающую ныне 500 место китайскую машину с производительностью 432 TFLOPS, которая была построена в 2015 году компанией Sugon на базе процессоров Intel Xeon. В прошлом ноябре она располагалась на 392 месте, а еще годом ранее – на 213-м.

Компьютеры среднего уровня увеличили свою производительность и стали более эффективными с точки зрения энергопотребления.

В рейтинге Top500 присутствует информация об энергопотреблении только 369 компьютеров. Девять из десяти наиболее эффективных были построены в этом году, причем шесть из них находятся в Японии.

Лучше всех преобразовывать «ватты во флопсы» получается у японской системы Tsubame 3.0, которая была создана компанией Hewlett Packard Enterprise. Ее центральные процессоры Intel Xeon и графические процессоры Nvidia Tesla P100 обеспечивают производительность в 14,1 гигафлопс в пересчете на ватт. Общей производительности в 1,9 PFLOPS оказалось достаточно, для того чтобы занять 61 место в новом рейтинге.

Не так уж много в части эффективности энергопотребления уступает ей система Piz Daint, построенная компанией Cray. Ее процессоры Intel Xeons и Nvidia Tesla P100 развивают производительность в 10,4 гигафлопс в пересчете на один ватт потребляемой мощности.

Важная роль в компьютерах, оказавшихся в рейтинге Top500, отводится сопроцессорам: 71 система использует графические процессоры Nvidia, 14 – Xeon Phi, а в трех установлены и те, и другие.

Компания HPE построила больше суперкомпьютеров, вошедших в список Top500, чем любой другой производитель. На ее долю приходится 28,6% систем (в прошлом году их было 28%). Однако их вычислительная мощность не столь велика и составляет лишь 16,6% от общей вычислительной мощности Top500.

Доля Cray и IBM составляет соответственно 11,4% и 5,4% от общего числа машин или 21,4% и 7,5% от общей вычислительной мощности.

Стоит отметить, что 12,5% общей вычислительной мощности Top500 приходится всего на один суперкомпьютер, Sunway TaihuLight, построенный в китайском центре NRCPC (National Research Center of Parallel Computer Engineering & Technology).

Сегодня рынок графических процессоров, используемых в системах машинного обучения, является, по сути, рынком всего одной компании — Nvidia.

Единственным ее крупным конкурентом в сегменте дискретных графических процессоров остается компания AMD, на чью долю приходится 30% от общего объема продаж (Nvidia сохраняет за собой 70%). Что же касается машинного обучения, здесь Nvidia практически полностью контролирует ситуацию. И не только потому, что все крупные облака, поддерживаемые графическими процессорами, работают на оборудовании Nvidia, но и потому, что связующее программное обеспечение для графических процессоров, используемое в системах машинного обучения, в основном построено на основе архитектуры Nvidia CUDA.

В компании AMD долго размышляли над тем, как отвоевать у конкурента кусок пирога себе. Наряду с проектированием оборудования, которое составило бы Nvidia конкуренцию по производительности и цене, она готовила платформу для нейтральных по отношению к производителю графических процессоров программных ресурсов. Благодаря этому разработчики смогут свободно использовать в своих решениях продукцию AMD, не беспокоясь о программной поддержке.

В конце мая компания сообщила об очередных шагах, которые должны приблизить ее к поставленной цели. Во-первых, продемонстрирован очередной процессор Radeon Vega, построенный на основе новой графической архитектуры. Во-вторых, представлена переработанная версия программной платформы с открытым кодом ROCm, которая позволяет создавать фреймворки машинного обучения и другие приложения, использующие преимущества масштабного применения графических процессоров.

Обе составляющие – и аппаратная, и программная – одинаково важны.

Новая звезда AMD: Vega

На протяжении долгого времени компания AMD занимается созданием центральных и графических процессоров, а также их комбинаций, приносящих покупателю максимальную отдачу за его деньги. И новое семейство графических процессоров Vega — не является исключением. Это не просто рациональная по затратам альтернатива семейству Nvidia Pascal – Vega бьет Pascal вчистую.

Предварительные результаты тестирования, опубликованные Хасаном Муджтабой на сайте WCCFTech, показывают, что Radeon Vega Frontier Edition (профессиональная версия графического процессора) опережает Nvidia Tesla P100 в тесте DeepBench в 1,38-1,51 раза в зависимости от используемых драйверов Nvidia.

К эталонным тестам всегда следует относиться с осторожностью, но, глядя на такие улучшения, трудно остаться равнодушным. Вместе с тем важно, по какой цене AMD собирается предлагать эти улучшения. Tesla P100 продается примерно за 13 тыс. долл., цена же на Vega Frontier пока не объявлена.

«Рок-м-ролл» против CUDA

Впрочем, для AMD важнее даже не обойти Nvidia по соотношению между ценой и производительностью, а гарантировать, что ее оборудование в популярных приложениях машинного обучения будет поддерживаться не хуже, чем аппаратные средства Nvidia.

Сегодня программное обеспечение, предназначенное для графических ускорителей, использует по большей части библиотеки Nvidia CUDA, которые работают только с оборудованием Nvidia. Библиотека с открытым кодом OpenCL предлагает поддержку устройств различных типов, не зависящую от поставщика, но производительность при этом оказывается ниже.

Вместо того чтобы вступать в борьбу за улучшение OpenCL – а это довольно медленный процесс, находящийся под контролем специального комитета, – в AMD предпочли создать свою собственную платформу с открытым кодом для вычислений с использованием графических процессоров. Платформа получила название ROCm – Radeon Open Compute Platform. По замыслу разработчиков, она должна представлять собой независимое от конкретного языка и поставщика оборудования связующее программное обеспечение для графических процессоров, рассчитанное в первую очередь на собственные технологии AMD, однако теоретически подходящее для любого графического процессора. При необходимости ROCm может взаимодействовать с графическими процессорами посредством OpenCL, но есть и собственные средства взаимодействия.

Остается узнать лишь, насколько ROCm превосходит OpenCL по производительности при машинном обучении. После переноса фреймворка Caffe на платформу ROCm производительность по сравнению с версией OpenCL выросла на 80%. Более того, конвертацию кода при использовании ROCm можно значительно автоматизировать, а значит, есть дополнительный стимул опробовать фреймворки на этой платформе. В перспективе планируется и поддержка других фреймворков, в частности TensorFlow и MxNet.

Долгая игра

Конечную цель AMD уяснить несложно. Это создание среды, в которой графические процессоры AMD могли бы заменить оборудование Nvidia при машинном обучении. Компании достаточно предложить за те же деньги похожую или более высокую производительность оборудования и обеспечить работу существующей программной экосистемы машинного обучения со своими собственными графическими процессорами.

В определенном смысле перенос программного обеспечения можно считать самой легкой частью предстоящей работы. Надо найти лишь программистов, которые конвертировали бы требуемый код для наиболее популярных фреймворков машинного обучения и поддерживали его в актуальном состоянии по мере дальнейшего развития аппаратного обеспечения и самих фреймворков.

Труднее всего для AMD – заручиться поддержкой в местах масштабного применения графических процессоров. Все графические процессоры, предлагаемые сегодня в Amazon Web Services, Azure и Google Cloud Platform, разработаны компанией Nvidia. Но если следующая итерация программного обеспечения машинного обучения станет гораздо более независимой от графических процессоров конкретного производителя, то у поставщиков облачных решений будет меньше поводов отказаться от процессора Vega или его наследников.

Как бы то ни было, любые планы AMD должны нацеливаться на рост спроса. На то чтобы набрать нужные темпы, у компании уйдут годы, ведь сражаться приходится фактически со всем уже завоеванным Nvidia миром.

Джен-Сан Хуанг назвал это «эффектом Amazon», потому что Amazon тоже радикально меняет методы доставки товаров и услуг потребителям. Одна из перспективных программ Amazon под названием Prime Air предусматривает доставку товаров на беспилотных летательных аппаратах. Nvidia, в свою очередь, поддерживает идею создания автоматических такси и разрабатывает оборудование и картографические технологии для точного построения маршрутов.

Nvidia и Intel ведут совместные разработки компьютеров для автомобилей. На графических процессорах Nvidia строятся системы искусственного интеллекта и сбора информации с датчиков в автомобилях. Intel тем временем завершает сделку по приобретению израильской компании Mobileye, в результате которой в ее распоряжении окажется полный комплект технологий для создания самоуправляющихся автомобилей. А Nvidia в этом квартале заключила договор о совместной разработке автоматических грузовиков с компанией Paccar.

В Nvidia доработали программное обеспечение GeForce Experience, позволяющее делать в играх снимки и сохранять видео игрового процесса. Соответствующая технология, раньше носившая имя ShadowPlay, а теперь называющаяся Share, отныне поддерживает не только Microsoft DirectX, но и реже используемые в играх интерфейсы программирования OpenGL и Vulkan. С помощью Share можно сохранять видео с разрешением до 4K и частотой до 60 кадров/с.

Vulkan, открытый API для доступа к функциям видеопроцессоров, разработанный в компании AMD, постепенно набирает популярность. В частности, он поддерживается в игре Doom 2016 года. В AMD сообщали, что по договору с издателем Doom компанией Bethesda поддержка Vulkan будет обеспечена еще в ряде игр.

Громоздить стойки из 400 серверов вам больше не придется. Суперкомпьютер Nvidia DGX-1 с графическими процессорами на базе архитектуры Volta уместится и на обычном столе.

Большая часть вычислительной мощности суперкомпьютера DGX-1, который выглядит как обычный стоечный сервер, заключена в восьми графических процессорах Tesla V100.

Первый графический процессор на основе новой архитектуры Volta был представлен на конференции GPU Technology Conference, организованной компанией Nvidia в Сан-Хосе.

«Достаточно просто достать нашу систему из коробки, включить ее в розетку — и можно работать», – заявил генеральный директор Nvidia Джен-Сан Хуанг.

Но стоит компьютер DGX-1 с процессорами Tesla V100 довольно дорого. Те 149 тыс. долл., которые за него просят в США, многим приходится копить всю жизнь. И все же Хуанг рассчитывает, что новый продукт будет достаточно популярным. Поставки суперкомпьютера начнутся в третьем квартале текущего года.

В нем заключено 40 960 ядер CUDA, которые по своей вычислительной мощности эквивалентны 800 высокопроизводительным центральным процессорам. Новый суперкомпьютер придет на смену предыдущей модели DGX-1 на базе архитектуры Pascal, вычислительная мощность которой была эквивалентна 250 двухпроцессорным серверам.

При выполнении операций с плавающей запятой половинной точности (16-разрядных) производительность системы достигает 960 TFLOPS – соответственно при выполнении операций одинарной и двойной точности она окажется ниже. Точные цифры не приводятся, но высокая производительность при выполнении операций половинной точности считается особенно важной для решения задач машинного обучения.

Наряду с графическими процессорами в системе установлено два 20-ядерных процессора Intel Xeon E5-2698 v4, работающих на частоте 2,2 ГГц. Суперкомпьютер оснащен четырьмя твердотельными накопителями емкостью 1,92 Тбайт и работает под управлением операционной системы Ubuntu Linux.

Энергопотребление его составляет 3200 Вт, и, если оставлять систему включенной на весь день, счета за электроэнергию могут оказаться довольно внушительными.

Любители игр от DGX-1 вряд ли будут в восторге. В качестве игровой машины суперкомпьютер слишком дорог, да и ориентирован прежде всего на область машинного обучения.

В настоящее время графические процессоры уже довольно активно используются в ЦОД при решении задач машинного обучения, и суперкомпьютер Nvidia вполне способен помочь в распознавании образов и обработке естественного языка.

По словам Хуанга, центральные процессоры не обладают достаточной вычислительной мощностью, особенно для построения систем искусственного интеллекта. Графические процессоры подходят для этого гораздо больше.

Процессоры Tesla V100 в DGX-1 работают в пять раз быстрее, чем продукты с архитектурой Pascal. Здесь используется целый ряд новых технологий, в том числе шина NVLink 2.0 с пропускной способностью до 300 Гбит/с. В каждом графическом процессоре насчитывается 5120 ядер и более 21 млрд транзисторов. Пропускная способность памяти HBM2 составляет 900 Гбайт/с.

На помощь обычным процессорным ядрам при решении задач глубинного обучения приходят кубические ядра Tensor Core. Компания Nvidia структурировала ядра для ускорения матричного умножения, которое является одним из основных условий эффективного машинного обучения. Созданная структура помогает упорядочить низкоуровневые вычисления с плавающей запятой и ускорить тем самым глубинное обучение.

По свидетельству Хуанга, при решении задач глубинного обучения графический процессор обеспечивает производительность на уровне 120 TFLOPS, однако проверить это довольно затруднительно. Стандартных тестовых инструментов для приложений машинного и глубинного обучения не существует, хотя разработки такие (в частности, в компании Google) и ведутся.

Суперкомпьютер работает со многими системами высокопроизводительных вычислений и глубинного обучения, включая CUDA, Tensor и Caffe2.

Компания Nvidia представила также уменьшенную версию DGX-1 – DGX Station. Внешне она напоминает обычную рабочую станцию и оснащена четырьмя графическими процессорами Tesla V100 (у DGX-1 их вдвое больше). Цена системы DGX Station составляет 69 тыс. долл., а ее поставки в США начнутся в третьем квартале.

О возможности и сроках поставок в другие страны мира пока ничего не сообщается.

«Сегодня нам нужно активнее искать пути продления срока действия закона Мура», – заявил на открытии ежегодной конференции GPU Technology Conference генеральный директор компании Nvidia Джен-Сан Хуанг. Впрочем, никаких колебаний в этом отношении у Nvidia и не наблюдается. Компания регулярно представляет новые аппаратные решения, делая свои и без того мощные графические процессоры еще более быстрыми. Еще одним подтверждением этого стало появление первого продукта с графической архитектурой следующего поколения Nvidia Volta.

Процессоры старшего класса Nvidia Pascal по-прежнему доминируют в графическом мире, хотя на конец июня компанией AMD уже запланирован выпуск конкурирующего графического процессора Radeon Vega. Процессор Volta должен помочь Nvidia перехватить инициативу у AMD еще до того, как Vega появится на прилавках магазинов. Несмотря даже на то что ее графический процессор Tesla V100 ориентирован на ЦОД.

Могучий – как по размерам, так и по функциональным возможностям – графический процессор может похвастаться наличием 21 млрд транзисторов и 5120 ядер CUDA, работающих на частоте 1455 МГц. Ядра изготовлены по самому современному 12-нанометровому технологическому процессу, который ранее еще не использовался Nvidia. Для сравнения, сегодняшний флагманский графический процессор с архитектурой Pascal — 14-нанометровый Tesla P100 имеет 3840 ядер CUDA и 15 млрд транзисторов. А GeForce GTX 1060 обладает лишь четвертью того запаса ядер CUDA, которым располагает Tesla V100. Здесь их всего лишь 1280.

Графическое ядро Volta в Tesla V100 занимает площадь в 815 кв. мм, тогда как у Tesla P100 она составляет 600 кв. мм. Настоящий монстр!

«Volta находится практически на пределе возможностей фотолитографии», – заявил Хуанг. Научно-исследовательский бюджет этого проекта превысил 3 млрд долл.

Микропроцессорная потоковая архитектура Volta была полностью переработана и стала на 50% эффективнее по сравнению с Pascal. Весьма впечатляющее достижение. По словам представителей Nvidia, это обеспечивает заметное увеличение производительности FP32 и FP64 при том же энергопакете. Кроме того, в Tesla V100 появились новые «тензорные ядра», создававшиеся специально для глубинного обучения и обеспечивающие 12-кратное превосходство над терафлопсным Tesla P100 на базе Pascal. (В оборудование тензорной обработки инвестировала и компания Google.)

Пиковая производительность Tesla V100 составляет:

• 7,5 TFLOPS при выполнении операций с плавающей запятой двойной точности (FP64);
• 15 TFLOPS при выполнении операций с плавающей запятой одинарной точности (FP32);
• 120 «тензорных» TFLOPS при матричном умножении смешанной точности.

Для быстрой обработки данных в Tesla V100 используется 16 Гбайт сверхбыстрой 4096-разрядной памяти с повышенной пропускной способностью. Будут ли графические платы потребительского класса на базе Volta оснащаться памятью HBM2, пока неизвестно. У Radeon Vega такая возможность присутствует, но технология эта относительно новая и весьма дорогостоящая. Графические платы GeForce GTX 10-й серии дебютировали с новой технологией GDDR5X на основе классической памяти, а компания SK Hynix заявила недавно, что к началу 2018 года планирует наладить массовое производство высокопроизводительной памяти DRAM GDDR6 для графических плат старшего класса.

Память HBM2 обладает пропускной способностью в 900 Гбайт/с, а Tesla V100 поддерживает второе поколение технологии Nvidia NVLink. При скорости передачи данных в 300 Гбит/с NVLink обеспечивает в 10 раз более высокую пропускную способность по сравнению со стандартными соединениями PCIe.

Желающим более подробно ознакомиться с архитектурой Volta компания Nvidia предлагает дополнительные материалы. Графические процессоры Tesla V100 появятся в модернизированной дорогостоящей системе Nvidia DGX-1, которая начнет выпускаться в третьем и четвертом квартале.

Какое влияние все это окажет на домашние устройства? Скорее всего, в ближайшее время ничего нового ждать не приходится. Но первое знакомство с Volta позволяет получить представление о возможностях графических плат Nvidia GeForce следующего поколения. Напомню, что компания Nvidia представила графический процессор Pascal на конференции GTC 2016 в виде Tesla P100, и эта полнофункциональная версия в конечном итоге уменьшилась до варианта Titan Xp, а вслед за этим появилась плата GeForce GTX 1080 Ti. Правда, огромные размеры графического процессора Tesla V100 и его четкая ориентация на машинное обучение заставляют усомниться в том, что то же самое произойдет и с Volta.

И еще. Платы GeForce GTX 10-й серии появились спустя месяц после презентации Pascal на конференции GTC, проходившей год назад. Но это вовсе не значит, что платы GeForce на базе Volta появятся в ближайшее время, особенно если память GDDR6 SK Hynix будет ориентирована на платы Nvidia, а не на продукты Radeon следующего поколения.

Нейронные сети показывают впечатляющие результаты. Они используются в играх, распознают речь и генерируют голос, делают переводы и подражают художникам, управляют автомобилями и заставляют роботов двигаться. О достижениях и перспективах глубинного обучения рассказал представитель компании Nvidia Антон Джораев, выступая на международной конференции по робототехнике «РобоСектор».

Nvidia уже несколько лет занимается разработками в этой области, при этом не используя «жесткое» программирование. По словам Джораева, специалисты опираясь на большие массивы данных и учат нейросеть саму определять, чем, например, один предмет отличается от другого.

Джораев представил вычислительный модуль Jetson TX2, который в том числе используется и при создании роботов. Компания отдает предпочтение не облачным технологиям, а локальным вычислениям, организуя анализ данных на платформе самого источника данных. Причинами для этого служат огромное количество данных, с которыми приходится работать, необходимость защиты персональных данных и труднодоступность связи в регионах, где инфраструктура для подключения к Интернету может быть слаборазвитой или дорогостоящей.

По утверждению разработчиков, новый модульный суперкомьютер вдвое эффективнее своего предшественника — Jetson TX1. Модель Jetson TX2 имеет графический процессор Pascal, память 8 Гбайт, жесткий диск 32 Гбайт, пропускную способность 59,7 Гбит/c, оснащена адаптерами беспроводной связи Wi-Fi 802.11ac и Bluetooth. Поддерживаются различные интерфейсы, включая DP 1.2, HDMI 2.0, SATA, USB 3.0, UART, SPI, I2C, I2S, GPIO, благодаря чему обеспечивается совместимость с широким спектром продуктов и форм-факторов, отметил представитель компании.

Набор инструментов JetPack 3.0 дополняет Jetson TX2 средствами для разработки искусственного интеллекта, такими как Nvidia CUDA Toolkit версии 8.0, cuDNN, TensorRT, VisionWorks, GStreamer и OpenCV, построенные на базе ядра Linux v4.4, L4T R27.1 BSP и Ubuntu 16.04 LTS. В состав Jetpack 3.0 входят системный профилировщик и графический отладчик для интерактивного профилирования и отладки. JetPack автоматически настраивает и готовит к работе вычислительный модуль.

Вычислительный модуль Jetson TX2 ускоряет работу нейронных сетей, поддерживает системы машинного зрения, графики, навигации. Он может использоваться для создания беспилотных летательных аппаратов, роботов и различных электронных устройств.

По габаритам новинка сравнима с кредитной картой: габариты равны 87 × 50 мм. Ее вес — 85 г. Уровень энергопотребления при стандартной нагрузке – 7,5 Вт. Стоит такой модуль около 30 тыс. руб.

Компания Nvidia вместе с поставщиком автокомпонентов Bosch намерена заняться массовым производством систем для беспилотных автомобилей на основе процессора Xavier.

Автокомпоненты и автомобильные технологии Bosch используются автопроизводителями по всему миру. Датчики и компоненты Bosch поставляются, например, для беспилотных автомобилей Tesla.

В прошлом году Nvidia сообщила, что в ее плате Drive PX будет установлен мощный процессор Xavier. Конкретные даты начала поставок при этом не назывались. Bosch — одна из первых компаний, разрабатывающих бортовые компьютеры на основе этой платы. О начале реализации совместного проекта было объявлено 15 марта.

Платы Drive PX поддерживают параллельное программирование и платформы для разработки программного обеспечения машинного обучения. Компания Bosch намерена поставлять производителям автомобилей бортовые компьютеры, в которых найдут применение соответствующие технологии.

Партнерство с Bosch, несомненно, можно считать положительным для Nvidia, вынужденной конкурировать на развивающемся рынке автономных автомобилей с другими производителями элементной базы. Intel, один из главных ее конкурентов, недавно объявила о покупке за 15,3 млрд долл. компании Mobileye, которая выпускает датчики, чипы и программное обеспечение для беспилотных автомобилей. Nvidia же пока разрабатывает технологии автономных автомобилей в основном самостоятельно, поддерживая деловые связи с широким кругом автопроизводителей, в том числе с Volvo, Audi, Mercedes-Benz и Ford.

Плата Drive PX с процессором Xavier станет уже третьей моделью Nvidia для бортовых компьютеров, умеющих распознавать образы и быстро прокладывать точные маршруты. Такое положение дел будет способствовать дальнейшему совершенствованию беспилотных такси, для которых определение точного маршрута между двумя точками имеет первостепенное значение. Компьютеры Drive помогут также не допустить столкновений и оптимизировать принятие водительских решений.

На базе первой модели Drive PX компания Nvidia уже разработала автономный автомобиль, умеющий менять полосу своего движения, останавливаться на сигнал светофора, ездить по скоростным шоссе и прокладывать маршруты перемещения из одной точки в другую. Системы Drive PX принимают водительские решения на основе данных, собираемых с устройств GPS, радаров, лидаров, камер и других датчиков.

Бортовой компьютер, создаваемый Bosch и Nvidia, претендует на звание суперкомпьютера для автомобильной отрасли. В Nvidia уверяют: компьютеры Drive PX в конечном итоге смогут распознавать в процессе движения все происходящее вокруг, что будет способствовать повышению качества принимаемых автономным автомобилем водительских решений.

Сроки начала поставок компьютера, разрабатываемого Bosch и Nvidia, пока не объявлены. Однако уже сейчас можно сказать, что налаживание партнерских отношений с крупным поставщиком автокомпонентов должно способствовать продвижению технологий Nvidia на рынок беспилотных автомобилей. Intel, со своей стороны, поддерживает сотрудничество с другим крупным поставщиком автокомпонентов – компанией Delphi.

Cамый быстрый на сегодняшний день компьютер обладает производительностью примерно в 125 PFLOPS, но в ближайшие годы предельный уровень быстродействия может вырасти в четыре раза.

У суперкомпьютера Cray XC50, анонсированного в 14 ноября, производительностью в 1 PFLOPS обладает каждый узел, а их объединение позволяет довести общую производительность до 500 PFLOPS. (Типичный современный суперкомпьютер состоит из множества серверов, так называемых узлов, которые соединены друг с другом и позволяют достигать небывалой вычислительной мощности.) Процесс создания специальной конфигурации, обеспечивающей быстродействие в 500 PFLOPS, может занять несколько лет.

Быстродействие XC50 повышается благодаря применению целого ряда передовых технологий. Суперкомпьютер оснащается графическими процессорами Nvidia Tesla P100, а также с процессорами Intel Xeon и Xeon Phi, выступающими в роли ускорителей при организации научных вычислений.

Развернутый в Швейцарии суперкомпьютер Piz Daint, использующий более старую систему Cray XC30, будет модернизирован до уровня XC50. Согласно новому мировому рейтингу Top500 в настоящее время он входит в восьмерку самых быстрых систем.

В результате уже начатой модернизации Piz Daint будет объединен с другим суперкомпьютером, Piz Dora. После завершения процедуры объединения и установки новых компонентов Piz Daint станет одним из самых мощных суперкомпьютеров в мире. Однако конкретные цифры его производительности Cray пока не сообщает.

Появление Cray XC50 станет еще одним шагом на пути к рубежу в один эксафлопс (миллион триллионов вычислительных операций в секунду). На вершине нынешнего рейтинга Top500 по-прежнему располагается китайский суперкомпьютер TaihuLight, обладающий производительностью в 125 PFLOPS.

Существующий вариант Piz Daint построен на базе старых процессоров Intel Xeon E5-v3, но способен поддерживать и чипы Intel Xeon E5-v5 с архитектурой Skylake, которые появятся в середине следующего года. Новые процессоры позволят существенно поднять уровень быстродействия.

Но на производительность компьютера влияют не только процессоры. Важную роль играют также шины передачи данных, подсистема хранения и сетевые каналы. Суперкомпьютер XC50 получит обновленную систему внутренних соединений Aries, которая используется в ряде моделей, относящихся к числу самых быстрых в мире. Топология Aries позволяет организовать многоточечные соединения вычислительных узлов.

XC50 будет оснащен массивом флеш-накопителей, которые придут на смену жестким дискам. Суперкомпьютер имеет небольшие индивидуальные шасси, благодаря чему расходы на охлаждение и энергопотребление окажутся достаточно низкими. Система жидкостного охлаждения для XC50 не понадобится.

Заголовки новостей пестрят сообщениями о достижениях корпорации IBM в области квантовых компьютеров и о чипе TrueNorth, моделирующем работу мозга, но интересные технические решения присутствуют и в новом серверном семействе серверов на платформе IBM POWER.

Внутри IBM S822LC — сервера, предназначенного для высокопроизводительных вычислений (High Performance Computing, HPC), — установлена новая шина, обеспечивающая пятикратное ускорение передачи данных между центральным и графическим процессором.

Шина создана на базе технологии NVLink, над которой компания Nvidia работала в течение нескольких лет. Двухпроцессорный сервер IBM, оснащенный чипами POWER8, стал первой системой, в которой используется такая шина.

По сути, NVLink представляет собой модернизированный вариант шины PCI-Express 3.0, которая служила для обмена данными между графическим процессором и другими компонентами системы.

Технологию NVLink поддерживают графические процессоры Nvidia, созданные на базе новой архитектуры Pascal. Со своей стороны IBM также реализовала в своих процессорах поддержку шины ввода-вывода NVLink – NVBus.

IBM первой из производителей серверов организовала поставки систем, совместимых с NVLink. По сообщениям Nvidia, аналогичные серверы x86-архитектуры, выпускаемые компаниями Dell, HPE и Cray, появятся в следующем году.

У Nvidia уже имеется собственный сервер DGX-1 с интерфейсом NVLink и восемью графическими процессорами Tesla P100.

Графические процессоры используются серверами в качестве сопроцессоров, ускоряющих обработку приложений, и высокопроизводительного конвейера, связанного с центральным процессором и обеспечивающего увеличение производительности. «Ускорение обработки помогает увеличить отдачу от баз данных, инженерных приложений и средств выявления мошенничества, – пояснил старший менеджер IBM по продажам систем Linux/POWER Дилан Бодей. – В качестве примера здесь можно привести приложение баз данных, обрабатываемых в оперативной памяти, Kinetica, которое эффективно использует вычислительную мощь графических процессоров. Приложение это разрабатывалось с прицелом на NVLink».

В настоящее время преимущества высокоскоростной шины NVLink доступны только графическим процессорам Tesla P100. В сервере высотой 2U можно разместить четыре таких процессора. При установке в сервер Linux других графических процессоров связь с ними осуществляется через шину PCI-Express 3.0.

Двухпроцессорный сервер поддерживает до 20 процессорных ядер и 1 Тбайт оперативной памяти. В нем предусмотрены отсеки для установки жестких дисков и твердотельных накопителей, имеются также три разъема PCI-Express. Отдельный интерфейс (coherent accelerator processor interface) предназначен для подключения заказных микросхем, а также программируемых логических матриц (Field Programmable Gate Array, FPGA).

В серверах на базе POWER8 используется первая версия NVLink. В следующем году IBM планирует представить процессоры и серверы POWER9 с поддержкой версии NVLink 2.0, которая будет работать существенно быстрее.

Корпорацией анонсирован также двухпроцессорный сервер, предназначенный для работы с Большими Данными. Интерфейса NVLink в нем не будет, но зато поддерживаются графические процессоры Nvidia K80 на базе старой архитектуры Kepler. В сервере можно разместить до 20 процессорных ядер, до 512 Гбайт оперативной памяти и до 96 Тбайт памяти хранения, подключаемой к слотам расширения. Кроме того, здесь имеется пять разъемов PCI-Express 3.0 и четыре разъема CAPI.