击败剩下的0.02%人类选手

OpenAI在2018年一份研究报告显示：2012年起，AI消耗的计算力平均每3.43个月增长一倍，过去6年时间内已经增长30万倍。GPU计算是当下AI深度学习训练和推理计算的首选架构，FPGA与ASIC亦在积蓄力量。

戴尔科技集团持续投入到AI计算解决方案研究，并将我们的研究成果、效能测试、技术白皮书，分享给用户及TensorFlow、Caffe、MXNet等主流开源框架社区。戴尔易安信在DSS8440、C4140、R740、R740xd、R940xa、R840、R7425、T640、XR2等多款服务器上，提供超过50种AI GPU加速配置方案支持，总有一款可以满足您的需求。

IT软件及硬件，一文一武，相得益彰。好的硬件设施，也需要好的资源管理与调度软件，以实现AI计算资源的按需分配和随需扩展。戴尔易安信联合AI计算平台合作伙伴趋动科技，基于猎户座AI软件实现GPU虚拟化，为用户构建数据中心级AI资源池，应用无需修改即可透明共享和使用数据中心内任何服务器上的AI加速器。

支持将一块物理GPU细粒度分割为多块虚拟GPU，分配给多个虚拟机或容器同时使用，实现GPU资源的高效共享，提高AI计算资源利用率。有别于传统GPU虚拟化只切割显存，CUDA核心只能时分复用方式，猎户座AI计算平台可以实现虚拟GPU显存和算力的独立配置和限制。显存和算力，既支持显存和CUDA计算核心的等比例分配，也支持非等比例分配，从而提高资源利用率，降低成本。

支持将单台以及多台服务器的GPU资源提供给一个虚拟机或容器使用，AI应用无需修改代码。用户可以将多台物理服务器计算资源聚合后提供给单一应用使用，为用户的AI应用提供数据中心级超级算力，同时对应用透明。

支持将虚拟机或容器运行在一台没有物理GPU的服务器上，透明地使用另外一台服务器上的GPU资源，而无需修改AI应用代码。借助这项功能，用户可以构建数据中心级GPU资源池，应用可以无障碍地部署到数据中心内的任意服务器，并能够透明地使用任意服务器之上的GPU资源。

支持用户在虚拟机或者容器的生命周期内，动态分配和释放GPU计算资源，实现真正的GPU资源动态伸缩，极大提升了GPU资源调度的灵活度。

猎户座AI计算平台，可以在极少性能损耗下，实现GPU计算资源虚拟化，按需分配，灵活扩展和应用透明。

在之前进行的一项测试中，用例运行在物理GPU、虚拟GPU容器环境、虚拟GPUKVM虚拟机环境，以及通过25Gb ROCE网卡使用远程虚拟GPU资源，运行VGG16、ResNet50、ResNet152、Inception3主流图像分类模型训练，虚拟GPU与物理GPU性能差距几乎可以忽略不计。

通过适用于不同场景、不同AI应用负载的AI加速服务器硬件，以及提供创新AI虚拟化技术的猎户座软件平台，我们为数据科学家提供一套高效经济的AI计算平台。未来的AI计算平台，将如同我们儿时手中的魔方，随着数据科学家的需要，快速变换出应用所需的AI计算资源，为拓展人工智能边界提供有利的计算利器。