在介紹選擇GPU服務器的基本原則之前，先來跟大家介紹下常見的GPU和GPU服務器。

常見的GPU，按總線接口類型可以分為NV-Link接口、傳統(tǒng)總線接口以及傳統(tǒng)PCI-e總線三種。

NV-Link接口類型的GPU典型代表是NVIDIA V100，采用SXM2接口，在DGX-2上有SXM3的接口。

NV-Link總線標準的GPU服務器可以分為兩類，一類是NVIDIA公司設計的DGX超級計算機，另一類是合作伙伴設計的NV-Link接口的服務器。DGX超級計算機不僅僅提供硬件，還有相關的軟件和服務。

傳統(tǒng)總線接口的GPU，目前主流的有這幾款產品，比如采用了PCI-e接口的V100、 P40(P開頭指的是上一代PASCAL架構)和P4，以及最新的圖靈架構T4等。其中比較薄和只占一個槽位的P4和T4，通常用于Inference，目前也已經有成熟的模型進行推理和識別。

傳統(tǒng)PCI-e總線的GPU服務器也分為兩類，一類是OEM服務器，比如曙光、浪潮、華為等其他國際品牌；另一類是非OEM的服務器，也包括很多種類。

選擇服務器時除了分類，還要考慮性能指標，比如精度、顯存類型、顯存容量以及功耗等，同時也會有一些服務器是需要水冷、降噪或者對溫度、移動性等等方面有特殊的要求，就需要特殊的服務器。

選擇GPU服務器時首先要考慮業(yè)務需求來選擇適合的GPU型號。在HPC高性能計算中還需要根據精度來選擇，比如有的高性能計算需要雙精度，這時如果使用P40或者P4就不合適，只能使用V100或者P100；同時也會對顯存容量有要求，比如石油或石化勘探類的計算應用對顯存要求比較高；還有些對總線標準有要求，因此選擇GPU型號要先看業(yè)務需求。

GPU服務器人工智能領域的應用也比較多！

在教學場景中，對GPU虛擬化的要求比較高。根據課堂人數，一個老師可能需要將GPU服務器虛擬出30甚至60個虛擬GPU，因此批量Training對GPU要求比較高，通常用V100做GPU的訓練。模型訓練完之后需要進行推理，因此推理一般會使用P4或者T4，少部分情況也會用V100。

當GPU型號選定后，再考慮用什么樣GPU的服務器。這時我們需要考慮以下幾種情況：

第一、在邊緣服務器上需要根據量來選擇T4或者P4等相應的服務器，同時也要考慮服務器的使用場景，比如火車站卡口、機場卡口或者公安卡口等；在中心端做Inference時可能需要V100的服務器，需要考慮吞吐量以及使用場景、數量等。

第二、需要考慮客戶本身使用人群和IT運維能力，對于BAT這類大公司來說，他們自己的運營能力比較強，這時會選擇通用的PCI-e服務器；而對于一些IT運維能力不那么強的客戶，他們更關注數字以及數據標注等，我們稱這類人為數據科學家，選擇GPU服務器的標準也會有所不同。

第三、需要考慮配套軟件和服務的價值。

第四、要考慮整體GPU集群系統(tǒng)的成熟程度以及工程效率，比如像DGX這種GPU一體化的超級計算機，它有非常成熟的從底端的操作系統(tǒng)驅動Docker到其他部分都是固定且優(yōu)化過的，這時效率就比較高。

中科云達DGX-1

輕松取得工作成果

如今的深度學習環(huán)境在軟件設計方面耗費的時間價值可達數十萬美元，而開源軟件需要數月的時間才能變得穩(wěn)定。借助 NVIDIA DGX-1，您可以立即提高效率，簡化工作流程并與團隊開展協作。利用配有 NVIDIA 隨時更新的優(yōu)化軟件解決方案可節(jié)省您的時間和資金。

革命性的 AI 性能

盡管許多解決方案都提供 GPU 加速性能，但只有 NVIDIA DGX-1 發(fā)揮出了最新 NVIDIA? Tesla? V100 的全部潛力，包括下一代 NVIDIA NVLink? 和 Tensor 核心架構。相 比其他基于 GPU 的系統(tǒng)，DGX-1 憑借 NVIDIA GPU Cloud 深度學習軟件堆棧和當今流行的技術框架，將訓練速度提升高達三倍。

投資保護

利用 NVIDIA 深度學習專業(yè)知識的全部力量支持您的項目，因此您無需再浪費時間和資金費力地獲得想要的結果。NVIDIA 的企業(yè)級支持讓您無需耗費時間對硬件和開源軟件進行問題排查。節(jié)省調試和優(yōu)化時間，增加更多時間專注探索發(fā)現。

通往深度學習的更快路徑

構建深度學習平臺不僅僅在于選擇服務器和 GPU。在企業(yè)環(huán)境中實施 AI 需要慎重選擇和集成復雜的軟件和硬件。NVIDIA DGX-1? 通過開箱即用的解決方案來加快實施您的計劃，如此一來，您可以在幾小時而非數周或數月內獲得見解。