50,000至60,000的图形卡？为什么要卖这么贵的Nvidia Tesla计算卡！

众所周知，图形卡巨头Nvidia的产品可分为三类: 科学计算卡（Tesla），图形卡（Quadro）和家用图形卡（Geforce）. 但是它们都是图形卡. 为什么Geforce卡只需要花费几千美元，而Tesla卡却可以卖到50,000-60,000？

FP64双精度浮点计算能力强

对于卡，仅强调FP32单精度运算速度是不够的. 毕竟，生物化学模拟（例如化学分析和生物遗传学）要求的数学精度远远高于图形成像要求. 例如，要显示清晰的图像，我们可以使用Geforce卡，该卡可以计算到小数点后的23位数字. （您能看到两个2K分辨率图像中像素的差异吗？）但是对于科学家来说，小数点后23位数字可能会导致错误，这可能会导致科学研究中的重大错误，例如药物开发/航空探索. 此时，需要双精度（FP64 = 52小数位）才能进行更精确的计算. 下图显示了不同图形卡的双精度浮点计算功能:

小数点后的小数位数越多，误差越小，读数越准确. 这是我们从小学起就已经知道的基本数学知识.

FP16具有很强的半精度计算能力

如果上述双精度是“数学问题”，则答案越精确越好，则半精度计算是“多项选择”，只需要答案“是或否”. 半精度浮点计算通常用于深度学习/人工智能应用中. NV官员曾经问过CSDN博主“为什么1070半精度运算比单精度运算要慢”: 同样是Pascal架构，只有P100完整的内核才具有完整的计算速度. 下图是不同体系结构中半精度，单精度和双精度吞吐量的比较. 6.0代表Pascal架构的完整核心，而7.0代表最新的volta架构的完整核心. 从图中可以看出，不同架构的完整内核支持所有精度计算模式.

但这与高价有什么关系？

1. 不同的核心完整性级别

对于上述FP64和FP16，要求将FP64单元专门放置在SM单元中以进行双精度计算. 效果仅小于FP16的1/8. 普通Geforce卡的GPU没有独立的FP64单元. 人们将其称为“ castrated版本”，因此具有完整计算功能的GPU昂贵； FP16不需要独立的单位参与，因此在这里我不再赘述. 产品的功能越多，附加值就越高，这很容易理解.

上图是最近流行的Nvidia Volta核心SM单元的. 您会看到一个SM单元不仅保留了FP32 / FP16混合计算，而且还支持IN8和FP64甚至单个Tensor，例如Volta完整的核心Tesla. 该计算卡可以胜任半精度（AI /深度学习） ，单精度（普通音频和视频处理），​​双精度（生化物理研究模拟等），甚至是120T张量多计算任务.

2. 不同的粒子

此外，为了支持高精度计算而不会在读写存储中出现错误，特斯拉通常使用具有ECC错误校正功能的HBM2视频存储器. 该视频存储器的输出量低且价格昂贵，这也构成了Tesla计算卡的价格. 昂贵的原因之一. 当我选择没有ECC内存错误校正的GPU卡进行高精度计算时会发生什么？在2018年初，一些研究人员发现，使用Titan V卡进行模拟计算时，他们将输出不准确的答案. 这是因为Nvidia TITAN系列图形卡禁用了HBM粒子的ECC功能，从而导致数据错误. NVIDIA还建议: 的Tesla图形卡应用于精确的科学计算.

3. 市场需求

2017年，国外媒体GamersNexus透露，HBM2 1GB显存颗粒的单价约为10美元，而相同容量的GDDR5颗粒的成本仅为6.5美元. 据说这种价格差距在2018年已经翻了一番. 存储巨头之一的SK Hynix的一位高管表示: 客户愿意为HNM2颗粒支付2.5倍的费用. 判断GPU市场的普及程度也是特斯拉计算卡价格高昂的原因之一.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shenmilingyu/article-295971-1.html