人工智能带动了GPU服务器市场爆发式的增长！

资讯 咨询机构IDC近日发布的《2017年中国AI基础设施市场跟踪报告》显示，2017年，中国GPU服务器市场迎来爆发式增长，市场规模为5．65亿美元（约合35亿元人民币），同比增长230．7％，约占中国X86服务器市场的6％。

该机构预测，未来五年GPU服务器市场仍将保持高速增长，2017～2022年复合增长率将超过43％。到2022年，GPU服务器的市场规模有望达到中国X86服务器市场整体规模的16％，将直接改变整个服务器市场的格局。

从厂商市场占有率来看，浪潮处于领先位置，曙光和新华三紧随其后。从行业分布来看，互联网是GPU服务器的主要用户群体，提供AIaaS的公有云服务提供商和AI解决方案提供商有望成为未来驱动市场增长的新动力。从市场趋势来看，2017年GPU服务器市场不再是一个小众的市场，几乎所有互联网用户和大量的AI初创公司都开始采购GPU服务器搭建自己的AI平台，主流的公有云厂商也都先后推出自己的AIaaS服务。

从AI生态系统建设来看，Nvidia具有明显优势，其Tesla系列产品在AI基础设施市场占据主导地位，尤其在线下训练场景中几乎垄断了市场。从其产品分布来看，P40和P100占据超过70％的市场份额，分别面向推理和训练工作负载，P4在2017年也取得了快速增长，主要面向1U紧凑型推理计算平台。

该机构中国服务器市场高级研究经理刘旭涛认为：“2017年是中国AI元年，也是AI生态和市场迅速发展的一年。在国家政策和资本的共同推动下，大量AI初创企业涌现、行业应用迅速落地。AI市场的火热推动了以GPU服务器为主的AI基础设施市场取得了爆发式增长，未来伴随AI市场的发展和繁荣，AI基础设施市场仍将保持快速增长。”他认为，目前，AI的应用以线下训练为主，使用者主要是拥有海量数据的用户群体，基础设施以GPU为主。未来，在线推理的应用将更加广泛，除了GPU，FPGA、ASIC等加速计算技术，甚至基于ARM架构的一些新的专用AI芯片都会迎来发展机遇。

目前已有的人工智能运算加速硬件有GPU、AI加速器和定制ASIC。

1、GPU指面向图像运算工作的可编程微处理器，图形处理器广泛应用于嵌入式设备、移动设备等。

2、AI加速器用于分割和加速数据密集型任务，例如计算机视觉和深度学习，用于训练和推理应用。

3、定制ASIC芯片是定制程度最高的芯片之一。

深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理等多个领域都取得了卓越的成果，可见其重要性

熟悉深度学习的人都知道，深度学习是需要训练的，所谓的训练就是在成千上万个变量中寻找最佳值的计算。这需要通过不断的尝试识别，而最终获得的数值并非是人工确定的数字，而是一种常态的公式。通过这种像素级的学习，不断总结规律，计算机就可以实现像人一样思考。因而，更擅长并行计算和高带宽的GPU，则成了大家关注的重点。

很多人认为深度学习GPU服务器配置跟普通服务器有些不一样，就像很多人认为做设计的机器一定很贵一样。其实只要显卡或者CPU满足深度学习的应用程序就可以进行深度学习。由于现在CPU的核心数量和架构相对于深度学习来说效率会比GPU低很多，所以大部分深度学习的服务器都是通过高端显卡来运算的。

这里谈谈关于深度学习GPU服务器如何选择，深度学习服务器的一些选购原则和建议：

1、电源：品质有保障，功率要足够，有30~40%冗余

稳定、稳定、还是稳定。一个好的电源能够保证主机再长时间运行不宕机和重启。可以想象一下，计算过程中突然重启，那么又要重来，除了降低效率，还影响心情。有些电源低负载使用的时候可能不出问题，一旦高负载运行的时候就容易出问题。选择电源的时候一定要选择功率有冗余品质过硬，不要功率刚刚好超出一点。

2、显卡：目前主流RTX3090,最新RTX4090也将上市

显卡在深度学习中起到很重要的作用，也是预算的一大头。预算有限，可以选择RTX3080 /RTX3090/RTX4090(上月刚发布，本月12日上市)。预算充足，可以选择专业深度学习卡Titan RTX/Tesla V100 /A6000/A100/H100（处于断供中）等等。

3、CPU：两家独大，在这要讲的是PC级和服务器级别处理器的定位

Intel的处理器至强Xeon、酷睿Core、赛扬Celeron、奔腾Pentium和凌动Atom5个系列，而至强是用于服务器端，目前市场上最常见的是酷睿。当下是第三代Xeon Scalable系列处理器，分为Platinum白金、Gold金牌、 Silver 银牌。

AMD处理器分为锐龙Ryzen、锐龙Ryzen Pro、锐龙线程撕裂者Ryzen Threadripper、霄龙EPYC，其中霄龙是服务器端的CPU，最常见的是锐龙。当下是第三代 EPYC（霄龙）处理器 ，AMD 第三代 EPYC 7003 系列最高 64核。

选择单路还是双路也是看软件，纯粹的使用GPU运算，其实CPU没有多大负载。考虑到更多的用途，当然CPU不能太差。主流的高性能多核多线程CPU即可。

4、内存：单根16G/32G/64G 可选，服务器级别内存有ECC功能，PC级内存没有，非常重要

内存32G起步，内存都是可以扩展的，所以够用就好，不够以后可以再加，买多了是浪费。

5、硬盘：固态硬盘和机械硬盘，通常系统盘追求速度用固态硬盘，数据盘强调存储量用机械盘

固态选择大品牌企业级，Nvme或者SATA协议区别不大，杂牌固态就不要考虑了，用着用着突然掉盘就不好了。

6、机箱平台：服务器级别建议选择超微主板平台，稳定性、可靠性是第一要求

预留足够的空间方便升级，比如现在使用单显卡，未来可能要加显卡等等；结构要合理，合理的空间更利于空气流动。最好是加几个散热效果好的机箱风扇辅助散热。温度也是导致不稳定的一个因素。

7、软硬件支持/解决方案：要有

应用方向：深度学习、量化计算、分子动力学、生物信息学、雷达信号处理、地震数据处理、光学自适应、转码解码、医学成像、图像处理、密码破解、数值分析、计算流体力学、计算机辅助设计等多个科研领域。

软件： Caffe, TensorFlow, Abinit, Amber, Gromacs, Lammps, NAMD, VMD, Materials Studio, Wien2K, Gaussian, Vasp, CFX, OpenFOAM, Abaqus, Ansys, LS-DYNA, Maple, Matlab, Blast, FFTW, Nastran等软件的安装、调试、优化、培训、维护等技术支持和服务。

————————————————

版权声明：本文为CSDN博主「Ai17316391579」的原创文章，遵循CC 40 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blogcsdnnet/Ai17316391579/article/details/127533617