NVIDIA 发布了 Tesla 加速计算平台，这是一个端到端的超大规模数据中心平台，可帮助网络服务公司加速其庞大的机器学习工作负载。全新的 NVIDIA 超大规模加速器产品线包含两款加速器：Tesla M40 GPU，它能够帮助研究人员加速创新和设计新型深度神经网络，以满足日益增长的 AI 应用需求；以及 Tesla M4 GPU，这是一款高效节能的加速器，旨在将这些网络部署到整个数据中心。Tesla GPU 产品线常见于服务器架构中，例如我们近期评测过的戴尔 PowerEdge R730 服务器。该产品线还包括 NVIDIA 超大规模套件，这是一系列针对机器学习和视频处理优化的软件应用程序。
NVIDIA Tesla M40 GPU 加速器旨在为科学家节省大量时间，同时针对大量数据训练他们的深度神经网络以提高整体准确性。
产品亮点：
- 针对机器学习进行了优化——与 CPU 相比，训练时间减少了 8 倍（1.2 天，而典型的 AlexNet 训练为 10 天）。
- 专为 24/7 可靠性而构建 – 专为在数据中心环境中实现高可靠性而设计和测试。
- 横向扩展性能——支持 NVIDIA GPUDirect，允许快速多节点神经网络训练。
NVIDIA Tesla M4 加速器是一款高效节能的 GPU，专为超大规模环境而设计。 它还针对视频转码、图像和视频处理以及机器学习推理等高要求、高增长的 Web 服务应用程序进行了优化。
产品亮点：
- 更高的吞吐量：与 CPU 相比，转码、增强和分析多达 5 倍的同步视频流。
- 低功耗：Tesla M4 具有用户可选择的电源配置文件，功耗为 50-75 瓦，在视频处理和机器学习算法方面的能效比 CPU 高出 10 倍。
- 外形小巧：薄型 PCIe 设计适合超大规模数据中心系统所需的外壳。
NVIDIA 超大规模加速器产品线旨在加速超级计算能力，以创新和训练数量不断增加的深度神经网络，并提高处理能力，使其能够立即响应使用该服务的消费者提出的数十亿条查询。
新的 NVIDIA Hyperscale Suite 为开发人员和数据中心管理人员提供了一套广泛的工具，所有这些工具都是为 Web 服务部署而设计的，例如：
- cuDNN：处理用于 AI 应用程序的深度卷积神经网络。
- GPU 加速的 FFmpeg 多媒体软件：加速视频转码和视频处理。
- NVIDIA GPU REST 引擎：支持轻松创建和部署高吞吐量、低延迟的加速 Web 服务，涵盖动态图像大小调整、搜索加速、图像分类和其他任务。
- NVIDIA Image Compute Engine：使用 REST API 的 GPU 加速服务，提供比 CPU 快 5 倍的图像大小调整。
Mesosphere还宣布将与 NVIDIA 合作，NVIDIA 将为其 Apache Mesos 和 Mesosphere 数据中心操作系统 (DCOS) 提供 GPU 技术。NVIDIA 表示，这将使 Web 服务公司在构建和部署用于下一代应用程序的加速数据中心时更加便捷。
可用性
NVIDIA 将于今年晚些时候发布 Tesla M40 GPU 加速器和 Hyperscale Suite 软件，而 Tesla M4 GPU 则定于 2016 年第一季度的某个时间发布。
Amazon