Kollektivet: Music Video - ÆØÅ (Size Matters)
DGX-1超级计算机 - 看起来像普通机架式服务器 - 从8个Tesla V100 GPU获得大部分计算能力
GPU是第一款基于全新Volta架构的GPU，于周三在加利福尼亚州圣何塞的GPU技术大会上介绍。
[进一步阅读：用于PC游戏的最佳显卡]
“它可以立即开始工作，“Nvidia首席执行官Jen-Hsun Huang在一次主题演讲中表示，”但带有特斯拉V100电脑的DGX-1价格昂贵。在149,000美元，这是值得一些人的生命储蓄。但是，黄先生鼓励人们订购它，并表示这个盒子将在第三季度出货.Nvidia称，新型超级计算机40,960个CUDA内核等于800个CPU的计算能力。根据Nvidia的说法，它取代了以前的基于当前Pascal架构的DGX-1，该架构拥有250个双路服务器的性能。Nvidia表示，该系统可提供约960 teraflops的半精度 - 16位浮点指向性能，这意味着更低的单精度和双精度性能。这些数字不可用，但半精度性能对于机器学习任务来说是非常有价值的。随着GPU的推出，两个20核心的Intel Xeon E5-2698 v4以2.2GHz的时钟速度运行。该系统有四个1.92TB固态硬盘，可在Ubuntu Linux上运行。
系统耗电3200瓦，所以不要整天运行，否则会耗费电费。
游戏玩家不应该对机器不感兴趣。带有特斯拉V100的DGX-1可能太昂贵而无法成为一款巨大的游戏装备;它更多地是为机器学习设计的。
GPU已经在数据中心推动机器学习任务，Nvidia超级计算机就是GPU如何让图像识别和自然语言处理等应用成为现实的例子。所述CPU不能提供足够的计算能力，尤其是对于GPU适合的人工智能。
DGX-1中的特斯拉V100比现有的Pascal架构快五倍，Huang说。它将采用新技术，如NVLink 2.0，这是一种带宽高达300Gbps（比特每秒）的新互连。 GPU拥有超过210亿个晶体管和5120个核心。它还具有900GBps（每秒字节数）的HBM2内存带宽。
Nvidia还包含了一个类似立方体的Tensor Core，它将与常规处理核心配合使用，以提高深度学习效果。 Nvidia专注于构建内核以加速矩阵乘法，这是深度学习系统的核心。该结构将有助于调整低级浮点计算，这应加快深度学习。Huang表示，GPU提供了120 teraflops的深度学习性能，但这很难验证。标准基准测试工具并不适用于机器或深度学习应用，尽管像谷歌这样的公司正在进行开发。超级计算机可与许多高性能计算和深度学习框架（如CUDA，Tensor和Caffe2）结合使用。
该图形公司还推出了DGX Station，它是新型DGX-1的缩小版。它看起来更像是一台工作站，拥有四个Tesla V100 GPU，只有DGX-1的一半。它的售价为69,000美元，并将在第三季度发货。
Nvidia没有立即表示产品是否会全球发货。
