微软Cognitive Toolkit正式上线,支持GPU加速

2016年11月15日,在美国盐湖城SC16超算大会上, NVIDIA宣布将与微软共同加速企业内部的人工智能. 得益于首款基于微软Azure云端或内部运行的NVIDIA Tesla GPUs定制式人工智能框架,企业现在可实施覆盖数据中心和微软云的人工智能平台.该优化平台可在NVIDIA GPU(包括采用了Pascal架构的GPU和NVLink 互联技术的NVIDIA DGX-1超级计算机)和Azure N系列虚拟机(目前仍是测试版本)上运行微软的Cognitive Toolkit.     

智能工业革命

过去6周,我们一直在世界各地接连召开NVIDIA开发者大会.GPU技术大会(GTC)始办于2009年,旨在探索使用大规模并行处理GPU实现高性能计算的新方法.GTC逐渐成为GPU深度学习的中心——引发现代人工智能大爆炸的新计算模式.     

HPC里程碑：IBM POWER8服务器通过NVLINK与Tesla P100互联

2016年9月21日,在GTC CHINA 2016大会上, NVIDIA与IBM共同宣布：全新POWER8家族将通过NVLINK与NVIDIA Tesla P100实现强势组合。NVIDIA黑科技加IBM服务器,能加速人工智能、深度学习和数据分析这类高度融合的工作,加速人工智能的企业化应用。     

NVIDIA推出全球首款车载人工智能超级电脑

2016年1月4日,在美国拉斯维加斯举办的国际消费类电子产品展览会(CES)上,NVIDIA发布了NVIDIA DRIVE PX 2,全球最强大的车载人工智能引擎. DRIVE PX 2是NVIDIA为其汽车领域的合作伙伴而打造的产品,这套系统相当于150台MacBook Pro,为深度学习提供了前所未有的处理性能.它包含2颗第二代Tegra处理器和2颗基于Pascal架构的新一代独立GPU,每秒最多可完成24万亿次深度学习运算.该平台采用专门的指令集,这些指令集可加速深度学习网络推理中所运用的数学运算,平台计算性能比上一代产品快10倍以上.在通用浮点运算方面, DRIVE PX 2的多精度GPU架构每秒最多能够完成8万亿次运算,比上一代产品快了4倍以上.     

浪潮发布基于Tesla GPU加速器整机柜服务器

2015年2月4日,浪潮正式发布了基于NVIDIA Tesla GPU加速器的整机柜服务器--SmartRack协处理加速整机柜服务器,这是一款密集型高度并行计算服务器,主要面向人工智能、深度学习等应用。
　　通过与NVIDIA公司紧密合作,浪潮SmartRack协处理加速整机柜服务器可在1U空间里完美部署4个Tesla GPU加速器,实现“CPU+协处理器”协同计算加速,合理分配计算资源,充分释放计算能力,在并行计算方面有绝佳的表现,以高效、低耗、可靠。智能的特性,满足深度学习和人工智能等应用。此外,该产品还融合了广泛使用的NVIDIA CUDA并行计算平台以及cuDNN GPU加速库,最大效能发挥了GPU的强大处理性能,另外还能够完美支持Caffe、Torch等业界广泛使用的深度学习计算框架。     

NVIDIA Kepler 架构Tesla GPU全面深入高性能计算领域

2012年5月15日,在全球GPU技术大会上,NVIDIA发布了全新系列的NVIDIA Tesla GPU,这一系列产品基于NVIDIAKepler GPU计算架构.NVIDIA希望,凭借这款新架构的TeslaGPU进一步深入高性能计算领域,让科学计算与工程应用能更轻松地利用GPU的并行计算效能.     

工业云：NVIDIA加入“设计创新云服务平台”建设队列

2016年9月13日，在GPU技术大会上，NVIDIA与山东发展投资控股集团有限公司宣布达成战略合作，双方将致力于信息技术与专业制造设计的深度融合，携手共建国际一流的设计创新云服务平台。这虽然不是国内工业云领域的新鲜事，但却是国内第一个基于NVIDIA GPU的技术平台，而且是专注于制造业产品设计领域的创新技术支持平台。     

NVIDIA Kepler架构Tesla GPU全面深入高性能计算领域

2012年5月15日,在全球GPU技术大会上,NVIDIA发布了全新系列的NVIDIATeslaGPU,这一系列产品基于NVIDIAKeplerGPU计算架构。NVIDIA希望,凭借这款新架构的TeslaGPU进一步深入高性能计算领域,让科学计算与工程应用能更轻松地利用GPU的并行计算效能。     

NVIDIA发布深度学习战略

2015年4月15日,NVIDIA在京召开了以"GPU计算开启深度学习的大门"为主题的战略发布会,公布了最新的针对深度学习的产品和解决方案,其中包括:全球最快GPU GeForce GTX TITAN X,针对研究人员的深度学习平台DIGITS DevBox,加速深度学习的下一代GPU架构Pascal和用于自动驾驶汽车的深度学习平台DRIVE PX.     

NVIDIA Tesla M10 GRID：让每台服务器虚拟100个图形加速型桌面

2016年5月23日，NVIDIA正式推出搭配全新 NVIDIA Tesla M10 GPU的NVIDIA GRID，为企业应用实现虚拟化开辟道路。     

ANSYS与NVIDIA合作推出商用GPU加速流体动力学求解器

正日前,ANSYS与NVIDIA携手开发出可显著加速大型多物理模型仿真的解决方案,合作推出商用GPU加速流体动力学求解器.用户现在可利用NVIDIA图形处理器(GPU)加速CFD仿真,同时能够快速处理复杂的大型仿真模型.在ANSYS Mechanical对GPU成功支持的基础之上,首次与FLUENT 15.0配套推出的商用GPU加速CFD仿真的求解器,能够拓宽ANSYS仿真产品系列对NVIDIA GPU的支持范围.     

产品新闻

融入色影新“视”界 NVIDIA GeForce 6800系列GPU 4月21日,NVIDIA公司发布了面向高性能台式机平台的GeForce 6800系列GPU(图形处理器),包括旗舰产品GeForce 6800 Ultra和高端产品GeForce 6800。     

AM2先行者——微星K9N NEO-F主板

在3月份的CeBIT2006展会上,nVI- DIA公司正式宣布了下一代芯片组—— nForce 500系列。根据NVIDIA透露的消息, nForce 500系列的芯片组阵容相当庞大, 涵盖了从低端到高端的产品。它们分别是: NVIDIA nForce 590 SLI MCP,针对发烧用户,双GPU用户; NVIDIA nForce 570 SLI MCP,针对高性能、双GPU用户: NVIDIA nForce 570 MCP,针对单 GPU高性能用户: NVIDIA nForce 550 MCP,针对主流市场。     

要闻点评

打造产品家族GeForce4 NVIDIA亮相北京 3月13日,NVIDIA(r)公司(Nasdaq代码:NVDA)推出了全新的GeForce4图形处理器(GPU)产品家族,这是世界上速度最快、最具创新精神并且功能最为强大的GPU。GeForce4 GPU为台式PC机、Mac和笔记本电脑市场等多个市场领域带来革命     

GPU的未来——专访NVIDIA（英伟达）创始人、总裁兼首席执行官黄仁勋先生

既然CPU中可以集成GPU,那么未来NVIDIA GPU中是否也会加入CPU呢？CUDA—x86的作用究竟是怎样的？借2010年9月21日～23日NVIDIA举办GTC（GPU Technology Conference）大会之际,本刊记者就上述用户关注的热门话题采访TNVIDIA（英伟达）创始人、总裁兼首席执行官黄仁勋先生（以下简称“黄”）。     

美超微将推出4U 8X GPU SuperServer

美超微将在2013年国际超级计算大会上推出针对NVIDIA Tesla K40 GPU加速器优化的功能强大的4U 8X GPU SuperServer全新的SuperServer拥有先进的散热架构,独立的CPU/GPU散热区,     

GPU，你可以估得更多、更好——2010年NVIDIA GTC大会现场报道

GPU的功能绝不仅仅是进行和游戏相关的图形处理,它可以做得更多、更好。在通用计算方面．它已经展现出了令人惊讶的性能表现。在2010年NVIDIA举办的GTC（GPU Technology Conference）大会上,《微型计算机》与全球知名科学家．工程师以及研究人员一同见证了GPU技术的发展。     

行业动态(新产品)

英伟达发布多项创新成果2019年12月18日,在美国英伟达(NVIDIA)公司举办的GTC(GPU Technology Conference,GPU技术峰会)中国大会上,公司创始人兼CEO黄仁勋宣布NVIDIA已经售出15亿块GPU,并发布支持L2-L5级自动驾驶系统级芯片Orin,全新版本Isaac软件开发套件(SDK)、TensorRT 7推理软件开发套件等创新成果。     

NVIDIA GPU将加速Microsoft Azure

2015年9月30日,NVIDIA宣布,微软公司将通过云平台Microsoft Azure向世界各地的客户提供基于NVIDIA GPU的专业图形应用和加速计算功能。Azure在其全新的N系列虚拟机产品中部署了NVIDIA GRID,成为向企业提供NVIDIA GRID 2.0虚拟化图形的云计算平台。     

深度报文检测中基于GPU的正则表达式匹配引擎*

提出了一种基于GPU的正则表达式匹配引擎来加速深度报文检测中的模式匹配过程。该引擎基于DFA模型,在匹配时每一个GPU线程处理一个报文,通过大量的并行线程来提高引擎的吞吐量。基于NVIDIA GeForce 9800GT GPU的实验表明,该引擎处理实际网络报文时的吞吐量达到了7.91 Gbps。