15 ປີຂອງການແບ່ງສ່ວນ FP64, ແລະເປັນຫຍັງ Blackwell Ultra ທໍາລາຍຮູບແບບ

\u003ch2\u003e15 ປີຂອງການແບ່ງສ່ວນ FP64, ແລະເປັນຫຍັງ Blackwell Ultra ຈຶ່ງທຳລາຍຮູບແບບ\u003c/h2\u003e \u003cp\u003eບົດຄວາມນີ້ໃຫ້ຄວາມເຂົ້າໃຈ ແລະຂໍ້ມູນທີ່ມີຄຸນຄ່າໃນຫົວຂໍ້ຂອງມັນ, ປະກອບສ່ວນໃນການແບ່ງປັນຄວາມຮູ້ ແລະຄວາມເຂົ້າໃຈ.\u003c/p\u003e \u003ch3\u003e Key Takeaways\u003c/h3\u003e \u003cp\u003e ຜູ້ອ່ານສາມາດຄາດຫວັງວ່າຈະໄດ້ຮັບ:\u003c/p\u003e \u003cul\u003e \u003cli\u003eຄວາມເຂົ້າໃຈເລິກເຊິ່ງກ່ຽວກັບຫົວຂໍ້\u003c/li\u003e \u003cli\u003eການ​ນໍາ​ໃຊ້​ປະ​ຕິ​ບັດ​ແລະ​ຄວາມ​ກ່ຽວ​ຂ້ອງ​ໃນ​ໂລກ​ທີ່​ແທ້​ຈິງ\u003c/li\u003e \u003cli\u003e ທັດສະນະ ແລະການວິເຄາະຂອງຜູ້ຊ່ຽວຊານ\u003c/li\u003e \u003cli\u003e ອັບເດດຂໍ້ມູນການພັດທະນາໃນປະຈຸບັນ\u003c/li\u003e \u003c/ul\u003e \u003ch3\u003e Value Proposition\u003c/h3\u003e \u003cp\u003e ເນື້ອຫາຄຸນນະພາບແບບນີ້ຊ່ວຍສ້າງຄວາມຮູ້ ແລະສົ່ງເສີມການຕັດສິນໃຈທີ່ມີຂໍ້ມູນໃນໂດເມນຕ່າງໆ.\u003c/p\u003e

ຄຳຖາມທີ່ຖາມເລື້ອຍໆ

ການແບ່ງສ່ວນ FP64 ແມ່ນຫຍັງ ແລະເປັນຫຍັງ NVIDIA ຈຶ່ງຮັກສາມັນໄດ້ເປັນເວລາ 15 ປີ?

ການແບ່ງສ່ວນ FP64 ແມ່ນການປະຕິບັດມາດົນນານຂອງ NVIDIA ໃນການສ້າງຄວາມຊັດເຈນສອງເທົ່າຂອງຈຸດລອຍຕົວແບບປອມໃສ່ GPUs ລະດັບຜູ້ບໍລິໂພກໃນຂະນະທີ່ສະຫງວນປະສິດທິພາບ FP64 ເຕັມຮູບແບບສໍາລັບສູນຂໍ້ມູນລາຄາແພງ ແລະບັດບ່ອນເຮັດວຽກ. ນີ້ໄດ້ສ້າງຂັ້ນໄດຜະລິດຕະພັນທີ່ຊັດເຈນບັງຄັບໃຫ້ນັກຄົ້ນຄວ້າ, ນັກວິທະຍາສາດ, ແລະວິສະວະກອນ HPC ຈ່າຍຄ່ານິຍົມທີ່ສໍາຄັນ. ເປັນເວລາ 15 ປີ, ການແບ່ງສ່ວນນີ້ໄດ້ແຍກ GeForce ອອກຈາກສາຍ Quadro ແລະ Tesla/H-series, ເຮັດໃຫ້ມັນເປັນສ່ວນໜຶ່ງທີ່ຄາດເດົາໄດ້ຂອງຍຸດທະສາດການຕະຫຼາດ GPU.

ອັນໃດເຮັດໃຫ້ Blackwell Ultra ອອກຈາກຮູບແບບປະຫວັດສາດນີ້?

Blackwell Ultra (B200 Ultra) ທໍາລາຍຮູບແບບໂດຍການໃຫ້ອັດຕາສ່ວນ FP64 ທີ່ສູງຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນການຕັ້ງຄ່າທີ່ມົວການແບ່ງປັນສູນກາງຂໍ້ມູນຜູ້ບໍລິໂພກແບບດັ້ງເດີມ. ແທນທີ່ຈະບັງຄັບໃຊ້ອັດຕາສ່ວນ 1/32 ຫຼື 1/64 FP64-to-FP32 ທີ່ເຄັ່ງຄັດຕາມປົກກະຕິຂອງພາກສ່ວນຜູ້ບໍລິໂພກ, ສະຖາປັດຕະຍະກໍາສະທ້ອນໃຫ້ເຫັນເຖິງການ pivot ຂອງ NVIDIA ຕໍ່ກັບວຽກງານ AI ແລະ HPC ທີ່ເປັນເອກະສັນກັນ, ບ່ອນທີ່ທໍ່ການຝຶກອົບຮົມຄວາມແມ່ນຍໍາແບບປະສົມເພີ່ມຂຶ້ນຮຽກຮ້ອງໃຫ້ມີການສົ່ງຜ່ານຄວາມແມ່ນຍໍາສອງເທົ່າທີ່ໜ້າເຊື່ອຖືພ້ອມກັບປະສິດທິພາບຂອງ Tensor Core ແທນທີ່ຈະປະຕິບັດຕໍ່ຕະຫຼາດ.

.

ເປັນ​ຫຍັງ​ການ​ປະ​ຕິ​ບັດ FP64 ຈຶ່ງ​ສຳ​ຄັນ​ສຳ​ລັບ AI ແລະ​ວຽກ​ງານ​ວິ​ທະ​ຍາ​ສາດ​ທີ່​ທັນ​ສະ​ໄໝ?

ການຈຳລອງທາງວິທະຍາສາດຫຼາຍຢ່າງ, ຮູບແບບສະພາບອາກາດ, ການຄຳນວນຄວາມສ່ຽງດ້ານການເງິນ ແລະ ຮູບແບບ ML ທີ່ອີງໃສ່ຟີຊິກຕ້ອງການຄວາມໝັ້ນຄົງຂອງຕົວເລກທີ່ມີພຽງແຕ່ FP64 ສະໜອງໃຫ້. ຮູບແບບທີ່ມີຄວາມແມ່ນຍໍາຕໍ່າກວ່າແນະນຳຄວາມຜິດພາດຮອບວຽນທີ່ປະສົມກັນຫຼາຍກວ່າລ້ານເທື່ອ. ເມື່ອ AI ຕັດກັນຢ່າງເລິກເຊິ່ງກັບຄອມພິວເຕີທາງວິທະຍາສາດ - ນະໂຍບາຍດ້ານໂມເລກຸນ, ການພັບທາດໂປຼຕີນ, ນະໂຍບາຍດ້ານຂອງນ້ໍາໃນຄອມພິວເຕີ້ - ຄວາມຕ້ອງການສໍາລັບການສົ່ງຜ່ານ FP64 ທີ່ແທ້ຈິງເຕີບໂຕ. ແພລດຟອມເຊັ່ນ Mewayz ເຊິ່ງສະເໜີໃຫ້ຫຼາຍກວ່າ 207 ທຸລະກິດ ແລະໂມດູນ AI ເລີ່ມຕົ້ນທີ່ $19/ເດືອນ, ຊ່ວຍໃຫ້ທີມງານຈັດການ ແລະນຳໃຊ້ທໍ່ທີ່ນຳໃຊ້ຄອມພິວເຕີເຫຼົ່ານີ້ໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ໂຄງສ້າງພື້ນຖານ.

ວິ​ສາ​ຫະ​ກິດ​ຄວນ​ວາງ​ແຜນ​ພື້ນ​ຖານ​ໂຄງ​ລ່າງ GPU ຂອງ​ເຂົາ​ເຈົ້າ​ແນວ​ໃດ​ໃນ​ແສງ​ສະ​ຫວ່າງ​ຂອງ​ການ​ປ່ຽນ​ແປງ​ສະ​ຖາ​ປັດ​ຕະ​ຍະ​ກໍາ​ນີ້?

ນັກທຸລະກິດຄວນປະເມີນຍຸດທະສາດການຈັດຊື້ GPU ເປັນເວລາຫຼາຍປີຄືນໃໝ່ ດຽວນີ້ວ່າກຳແພງການແບ່ງສ່ວນກຳລັງປ່ຽນໄປ. ວຽກງານທີ່ຕ້ອງໃຊ້ຮາດແວ Quadro ຫຼື H100 ທີ່ອຸທິດຕົນໃນເມື່ອກ່ອນອາດຈະສາມາດບັນລຸໄດ້ໃນສະຖາປັດຕະຍະກໍາທີ່ເປັນເອກະພາບໃນຮຸ່ນຕໍ່ໄປ. ແທນທີ່ຈະສະໜອງຄອມພິວເຕີລາຄາແພງເກີນໄປ, ທີມງານສາມາດລວມເຄື່ອງມືໂດຍໃຊ້ເວທີເຊັ່ນ Mewayz — ດ້ວຍ 207+ ໂມດູນໃນລາຄາ $19/month — ເພື່ອຈັດການຂັ້ນຕອນການເຮັດວຽກອ້ອມຂ້າງ: ການຈັດການໂຄງການ, ການວິເຄາະ ແລະການເຊື່ອມໂຍງ AI, ປົດງົບປະມານສໍາລັບສິ່ງທີ່ເປັນວັດຖຸດິບ FP64.

ແທ້ໆ.