密集型计算的终极挑战——自动驾驶汽车的人工智能训练

近日，英伟达（NVIDIA）发布了其最新研发成果——超级计算机DGX SuperPOD。其强大的运算能力名列全球运算速度最快排行榜第22名，意欲加快自动驾驶汽车相关技术的开发及部署。

据悉，该超级计算机系统的搭建仅用时3个星期，采用了96台NVIDIA DGX-2H超级计算机与Mellanox互联技术。其处理能力高达9.4 petaflops，用于训练安全自动驾驶汽车所需要的海量深度神经网络。

自动驾驶汽车的人工智能训练可以说得上是密集型计算的终极挑战。

一台数据收集车辆每小时能生成1TB数据。整个车队经过数年行驶后，其数据量将会很快达到几PB（千兆兆字节）量级。这些数据会被用来根据道路规则对算法进行训练，并且还会被用来找出车辆内运行的深度神经网络的潜在故障。

英伟达人工智能基础设施副总裁Clement Farabet表示：“若要保持人工智能领先地位，需要在计算基础设施方面保持领先。很少有像训练自动驾驶汽车这样对人工智能有如此之高的需求，其需要对神经网络进行数万次的反复训练，以满足极高精度。对于如此大规模的处理能，DGX SuperPOD无可替代。”

DGX SuperPOD内含1,536颗NVIDIA V100 Tensor Core GPU，由NVIDIA NVSwitch及 Mellanox网络结构相联接，为其提供强力支持，使其以同等大小的超级计算机所无可匹敌的性能处理数据。该套系统能够不间断运行，优化自动驾驶软件，并以前所未有的周转时间反复训练神经网络。

例如，DGX SuperPOD软硬件平台能够在不到2分钟的时间之内完成人工智能模型ResNet-50的训练，而在2015年，即便采用当时最先进的单颗NVIDIA K80 GPU，也需要25天才能完成训练任务，如今DGX SuperPOD生成结果的速度较之前加快了18,000倍。

值得一提的是

具备同等性能的其他TOP500超级计算机系统都由数千台服务器构建而成，而DGX SuperPOD占地面积更少，其体积比这些同等系统小400倍左右。

通过构建类似DGX SuperPOD这样的超级计算机，使英伟达学会如何设计面向大规模人工智能机器的系统。这是超级计算机技术领域内的一大进步，让大规模计算能力得以跨出学术界，为那些想要使用高性能计算加快其各种计划的交通运输公司及其他行业所用。