GPU：释放所有数据奥秘的关键
摘要：为了有效地处理目前在世界上产生的所有数据，我们需要GPU计算。
几年前，风险投资家马克•安德森(Marc Andreesen)准确地预测，“软件正在吞噬世界”。今天公布的最新统计结果，很可能是数据正在吞噬世界。
根据IDC的数据，到2025年，世界每年将创造180个zettabytes(2013年的4.4 zettabytes)。直到不久之前，数据都是结构化的，这意味着它以行和列的形式呈现，并且很容易地输入、存储和排序。今天，大部分数据都是非结构化的，来自不同的网站、设备和数据库，并呈现为视频、图像、图形等。
所有这些结构化和非结构化的数据都是帮助组织更好地了解他们的客户的关键，遵循行为模式预测未来的行动，发现突破来治愈疾病，并让社区更安全，在在无数其他事情中提供帮助。
为了利用这些数据，人工智能和机器学习已经出现，它利用算法来训练数据以寻找模式。问题是，传统的CPU(中央处理单元)无法满足处理这种复杂的海量数据所需要的大量处理，而这正是GPU(图形处理单元)计算擅长的地方。
基于GPU的服务器正迅速成为有效处理人工智能(尤其是深度学习算法)数据的必要条件，因为CPU实际上已经完成了其他所有工作。虽然CPU有能力在几天或几个小时内处理大量非结构化数据，但GPU在几分钟内就能做到这一点。
虽然GPU计算是热门的新技术，但它并不是什么新鲜事物。GPU已经在游戏应用，以及视频回放和分析中使用了很多年。它们被设计成与数据数组一起工作，以便更快地处理大数组数据。
我喜欢描述CPU和GPU之间的区别，因为赛车和运货卡车将大量的货物从一个地方转移到另一个地方。赛车的速度非常快，它可以到达需要快速行驶的地方，但它可能需要多次往返才能完成任务。另一方面，一辆货车可能没有那么快，但可能只需要一次运输。
现在的“货运卡车”车队的领导者是英伟达，它最初是一个显卡制造商，为游戏玩家提供更好的3D渲染。然而，它看到了如何帮助处理大数据，因此它发明了一个计算机平台，让数据科学家使用GPU来更高效、更快地处理这些数据。
英伟达已经通过其软件平台CUDA为深度学习算法提供了高水平的应用，CUDA可以让硬件用在不同于最初用途的方面。
然而，随着市场继续升温，新玩家进入了这个圈子，提供了更具有竞争力、提供新功能和能力。而像英特尔或谷歌这样的大公司则继续专注于GPU计算。这种竞争只会激发持续的创新和更低的成本。
采用这项技术并不是什么轻松的事情。考虑这些要求：
成本，仅一张GPU卡就可以花费超过1万美元，而大多数深度学习项目需要至少4张GPU卡。
专门的硬件架构，想要部署GPU服务器的公司也应该明白，不仅仅是GPU的成本，还有一个特殊的硬件架构，还有很多CPU和RAM。GPU服务器几乎都是定制的，以满足开发人员特定的机器学习需求。
专业设施，GPU服务器需要特殊的外壳，具有特定的功率、气流和温度要求。
另一个需要注意的事情是，因为运行GPU服务器需要专门的专业知识、持续的维护和大量的金融投资。大多数公司，尤其是中等市场的公司，都没有能力或预算来内部处理它，转而求助于少数人工智能和软件工程服务提供商，它们可以提供GPU功能来构建和管理机器学习项目。
随着机器学习的结束，GPU计算可能最终成为所有软件开发项目的标准计算处理器。了解它的起源、能力和可能性，为各种状态和规模的企业提供了一个在快速发展的商业世界中的重要优势。
↓↓ 点击"阅读原文" 【加入云技术社区】
相关阅读：
慕尼黑：Linux带我们到地狱 将在2020年全面拥抱Windows
更多文章请关注