GPU

GPU，全称为图形处理单元（Graphics Processing Unit），是一种专用于处理图形和图像计算的处理器。起初，GPU主要用于图形渲染，但随着计算需求的增加，尤其是在科学计算、深度学习和其他并行计算领域，GPU的通用计算能力逐渐受到重视。

GPU相对于传统的中央处理单元（CPU）在设计上有一些显著的区别。CPU更适用于处理通用的控制流任务，而GPU则专注于高度并行的数据处理。GPU通常拥有大量的小型处理单元，被设计成能够同时处理大量相似的任务，例如图形渲染中的像素计算或深度学习中的矩阵运算。

总体而言，GPU在图形处理领域的成功应用和对并行计算需求的响应使其逐渐演变成为通用计算设备，广泛用于加速各种科学和工程计算应用。

Supermicro拥有多样化的Tier 1系统产品组合，整合了先进的功能，可达到5 petaFLOPS AI性能，采用4U外型尺寸，搭载latest NVIDIA A100、NVIDIA A40、NVIDIA RTX A6000，以及最新的NVIDIA A30、NVIDIA A10和NVIDIA A16 GPU。

近日曝光的一项新专利表明，在 CPU 领域成功运用小芯片设计之后，AMD 还有望在即将到来的 RDNA 3 GPU 架构上落实同样的设计理念。

随着互联网用户的快速增长，数据体量的急剧膨胀，数据中心对计算的需求也在迅猛上涨。

加州圣荷西2021年2月27日 -- Super Micro Computer, Inc. (Nasdaq：SMCI) 为企业级运算、储存、网络解决方案和绿色运算技术等领域的全球领导者，今日发布与市面上其他现有产品截然不同创新的全新多节点 GPU 解决方案的详细资料。

成立一百天，融资两轮，获得数十亿，深创投、红杉资本中国基金、GGV联合领投，牛年伊始，GPU独角兽「摩尔线程」便交出重磅成绩单。

Imagination Technologies宣布：业界领先的RISC-V 处理器、平台及解决方案提供商赛昉科技有限公司（StarFive，以下简称“赛昉科技”）授权采用了Imagination的B系列图形处理器（GPU）知识产权（IP），以支持其最新RISC-V单板计算机（SBC）的开发。

早期的机器学习以搜索为基础，主要依靠进行过一定优化的暴力方法。但是随着机器学习逐渐成熟，它开始专注于加速技术已经很成熟的统计方法和优化问题。同时深度学习的问世更是带来原本可能无法实现的优化方法。本文将介绍现代机器学习如何找到兼顾规模和速度的新方法。

2020年11月11日 —— 英特尔公司今日宣布多项重要的技术进展，这也是英特尔多年来一直致力于通过统一的软件体验打造跨架构解决方案的又一里程碑。其中，英特尔® oneAPI Gold工具包将于今年12月正式交付；英特尔软件栈推出新功能，作为公司软硬件联合设计方法的一部分。同时，英特尔正式发布其首款数据中心独立图形显卡。该服务器GPU基于Xe-LP微架构，专为高密度、低时延的安卓云游戏和流媒体服务而设计。