Компания Cray начинает выпуск суперкомпьютерных кластеров, предназначенных для систем искусственного интеллекта
Не так давно известная компания Cray Inc. начала выпуск новых суперкомпьютерных кластеров Cray CS-Storm 500GT и Cray CS-Storm 500NX, которые ориентированы на обеспечение работы систем глубинного машинного изучения и самообучения, на которых базируются практически все современные системы искусственного интеллекта. В архитектуре новых суперкомпьютеров использованы массивы графических процессоров Nvidia Tesla, которые обеспечивают максимально эффективное выполнение огромного количества параллельных задач.
Помощь графическим процессорам Nvidia Tesla в их работе оказывают процессоры Intel Xeon "Skylake" в модели 500GT и процессоры Intel Xeon E5-2600 v4 "Broadwell" в модели 500NX. При этом, модель 500GT может комплектоваться графическими процессорами Tesla P40 or P100 в варианте подключения через шину PCIe, а модель 500NX комплектуется только графическими процессорами Nvidia Tesla P100 SXM2.
Кластеры Cray CS-Storm обеспечивают производительность в 187 тера-операций в секунду (tera-operations per second, TOPS) на кластер, или 2.618 TOPS на одну стандартную стойку. Отметим, что в данном случае речь идет не о стандартных операциях с числами, а о так называемых тензорных операциях, используемых алгоритмами глубинного машинного изучения.
Для программирования обоих видов суперкомпьютеров используется стандартная среда программирования Cray programming environment, в качестве системы хранения данных используется система Sonexion, а управляют работой всего этого специальные алгоритмы системы обеспечения работы кластера.
И в заключение следует отметить, что, по всей видимости, компания Cray Inc. сделала ставку на суперкомпьютеры для систем искусственного интеллекта, как на средство сохранения лидирующего положения на рынке суперкомпьютеров. И еще одним подтверждением тому является адаптация к архитектуре новых систем библиотек Spark MLlib и Cray Graphs Engine, на основе которых строятся высокоэффективные системы глубинного изучения, использующие вычислительную мощь графических процессоров.