AI服务器产生背景：基础设施演变的三个时代
l 基础设施1.0：Wintel时代
90年代的商业互联网由x86指令集，标准化操作系统，关系数据库，以太网以及网络数据存储组成。亚马逊，eBay，雅虎，甚至谷歌最早的迭代都建立在这个基础设施1.0的骨干上。
l 基础设施2.0：云计算时代
随着网络的成熟，互联网用户从1995年的1600万到如今到超过40亿，应用程序的规模和性能要求发生了变化。Google，Facebook和亚马逊等一批优秀的科技企业定义了一个新的基础架构类别，它是可扩展的，可编程的开源（大部分）的和商业化的。Linux，KVM，Xen，Docker，Kubernetes，Mesos， Hadoop，Spark等等技术定义了云时代。这种转变描述为基础设施2.0。最终，这一代技术专门用于将互联网扩展到数十亿最终用户，并有效存储从这些用户获取的信息。基础设施2.0的创新催化了数据增长的急剧增长。
l 基础设施3.0：走向智能系统
基础设施2.0最终关心的问题是“如何连接世界”，新一代人工智能技术关注的重点变成了“如何认知理解世界”。
这种连接与认知的区别，使得机器学习与人工智能与前几代的软件逻辑截然不同。编码认知的计算挑战是它颠倒了经典的编程范例。在传统应用中，逻辑是机器通过完成人的手动编码来执行特定的任务，而在机器学习与人工智能中，则是机器自己通过训练算法从数据库推断逻辑，然后执行这个逻辑来做出有关世界的决定和预测。
这种“聪明”的应用程序，背后是海量的数据和指数级的计算力需求。海量的数据正以前所未有的速度和⽅式产生和储存，数据不再是问题；算法经历了数⼗年的发展，在深度学习和加速计算出现之后，得到了迅速的发展和优化，以最新的GPT3语⾔模型为例，该模型包含了1750亿个参数，在NLP领域取得突破性进展的同时，给算⼒也提出了巨⼤的挑战。
随着摩尔定律失效，CPU的物理⼯艺和核⼼数已接近极限，由CPU提供算⼒的传统服务器很难满⾜这种密集型计算的需求。机器学习和人工智能代表了一个基本的新架构，需要重新思考基础架构，工具和开发实践。人工智能需要专属的基础机构进行承载和支撑，AI服务器应运而生。
2 AI服务器定义
人工智能服务器是面向深度学习神经网络需要的快速，低精度，浮点运算高度并行数值计算，搭载大量计算内核和高带宽内存资源，用于支撑深度学习训练和线上推理计算框架模型和应用，可以在多个节点之间高速互联、高效地扩展的硬件平台。
⼈⼯智能服务器适⽤于深度学习、计算机视觉、语⾳识别、⾃然语⾔处理、 视频分析等领域，承载深度学习训练和线上推理业务，⼴泛应⽤于视频监控、图像处理、⾃动化客服、精准营销推荐等典型AI应⽤场景。
现阶段，⼈⼯智能服务器多采⽤异构架构进⾏加速计算，常采用CPU+GPU、CPU+FPGA、CPU+ASIC等多种形式。
3 AI服务器的技术特点
为了让机器学习和人工智能充分发挥潜力，AI服务器的平台架构、接口，系统和工具所发生的演变不是在抽象理论中微小的、渐进式的改进。相反，它们在系统设计和开发工作流程中都是颠覆性的变化。
超高计算性能：AI服务器需要承担大量的计算，通常带有许多计算内核和高带宽内存（HBM）的专用硬件非常接近处理器裸片。针对神经网络需要的快速，低精度，浮点运算，这些芯片针对性优化神经网络的高度并行数值计算。如多次打破全球AI基准性能测试的AI服务器NF5488A5,在4U空间内支持8颗第三代NVLink 全互联的 Nvidia A100 GPU，搭载2颗支持PCIe4.0的AMD EPYC 7742 处理器，NF5488A5提供5 petaFLOPS的极致单机训练性能和超高数据吞吐；
高速IO性能：AI训练中加速卡间需要大量的参数通信，模型越复杂，通信量越大，所以AI服务器对多卡间的通讯性能要求非常高。例如高速互联方面，momo采用PCI3.0协议最大P2P带宽达到32GB/s，采用NVLink 高速互联技术，双向总带宽可以达到300GB/s
超强扩展能力：分布式计算框架，用于训练和推理，可以在多个节点之间高效地扩展模型操作。
封装整个机器学习和人工智能工作流程的端到端平台，从最终用户中抽象出复杂性。
设计独特：AI服务器内置多个加速卡和内存，需要针对性的对于系统结构、散热、拓扑等进行设计，才能满足长期稳定运行的要求。
相关文章
