更多

    華為用昇騰晶片組裝 建最快 AI 群集 Atlas 900

    Eric Chong
    Eric Chong
    商業・科技・創業・編輯

    華為去年 Huawei Connect 大會發表的人工智能方案,在過去 12 個月陸續兌現承諾。今年基於去年的晶片產品,組成最快訓練模型群集 Atlas 900 ,運行 ResNet-50 圖片分類模型訓練標準較原來記錄保持者快 10 秒。

    該公司副董事長胡厚崑坦言,去年發表的全端全環境人工智能方案,只推出了用於終端和邊緣設備的推理晶片昇騰 310 和應用程式開發平台 ModelArts ,至上月才推出伺服器用的訓練晶片昇騰 910 和 AI 框架 MindSpore ,總算兌現承諾,夥伴可放心加入合作。

    華為的全端全環境人工智能方案,配合晶片產品。
    華為的全端全環境人工智能方案,配合晶片產品。

    新發表的 Atlas 900 由數千枚昇騰處理器組成,用 59.8 秒完成 ResNet-50 圖片分類模型訓練,比原來記錄快 10 秒。胡厚崑指出, 10 秒相等於短跑冠軍到達終點,飲完一支水,第二名才完成。「這比較的 10 秒可能不夠明顯,但用於科研和商業創新,能將幾個月的工作, Atlas 900 幾秒內完成。」

    Atlas 900 用上千枚昇騰處理器組成,為最快人工智能運算群集。
    Atlas 900 用上千枚昇騰處理器組成,為最快人工智能運算群集。
    Atlas 900 運算 ResNet-50 結果比記錄保持者快 10 秒。
    Atlas 900 運算 ResNet-50 結果比記錄保持者快 10 秒。

    以天文探索為例,中國上海天文台與 SKA 組織合作,利用 Atlas 900 分析星空圖。 Square Kilometre Array( SKA )組織從外太空接收訊息分析星體。胡厚崑展示一張南半球星空圖,內有 20 萬星體。過去肉眼分析,需要用上 169 天的工作量。交由 Atlas 900 分析僅用 10.02 秒完成。

    分析南半球 20 萬星體圖片,僅用 10.02 秒完成。
    分析南半球 20 萬星體圖片,僅用 10.02 秒完成。

    SKA 組織總幹事 Philip Diamond 指出,將在南非和澳洲安裝兩座世界級望遠鏡,預計至 2027 年從外太空收集到 600PB 數據,需要動用大量運算能力分析。研究天文不只探索外太空,更為推動科技創新,例如 Wi-Fi 、互聯網和 GPS 就此而來,期望未來可為人工智能和物聯網帶來成效。

    胡厚崑表示, Atlas 900 亦適用於其他行業,如石油勘探。該人工智能群集並不向外銷售,只通過華為雲租用。

    您會感興趣的內容

    相關文章