Cos'è Nvidia Tesla?
Accelerazione della GPU
L'accelerazione della GPU è l'uso della GPU come componente supplementare alla CPU per elaborare grandi volumi di dati. La CPU è il cervello di qualsiasi sistema e può gestire il multitasking e l'elaborazione dei dati utilizzando uno o più core che gestiscono l'esecuzione dei dati. La CPU è abbastanza potente da gestire operazioni complesse, ma lotta con l'elaborazione ad alto volume; Così venne la GPU. La GPU è anche composta da core per l'esecuzione dei dati, ma contiene un numero enorme di core, sebbene i suoi nuclei siano più semplici e non potenti come i core della CPU. A differenza della CPU, che si basa sulla sua potenza di calcolo, le GPU si basano sul numero di core per elaborare i dati. Mentre le CPU eseguono l'elaborazione seriale dei dati, le GPU vengono utilizzate per l'elaborazione parallela, il che li rende grandi per calcoli semplici e ripetitivi.
Le GPU ad alte prestazioni sono sfruttate sul rendering dei giochi e delle immagini, che richiedono il calcolo rapido di un piccolo insieme di equazioni. Due concetti importanti utilizzati nell'accelerazione della GPU sono l'overclocking della CPU e l'accelerazione dell'hardware. La CPU non è abbastanza potente da gestire compiti altamente computazionali e deve scaricare il calcolo ad alto volume sulla GPU. È qui che entra in gioco l'accelerazione dell'hardware, in cui le applicazioni sono configurate per le attività di scarico nella GPU. D'altra parte, l'overclocking è la pratica di spingere il ciclo dell'orologio della CPU oltre la raccomandazione del produttore per migliorare le sue prestazioni.
I sistemi accelerati GPU si trovano di solito nei data center in cui vengono elaborati grandi volumi di dati. Questi sistemi richiedono GPU specificamente progettate per gestire applicazioni intensive computazionalmente. Come primo produttore di GPU, Nvidia ha esteso i suoi bracci ai sistemi di data center con Nvidia Tesla.
Nvidia Tesla
La scienza, la ricerca, l'ingegneria e molti altri campi richiedono spesso un elevato calcolo per grandi volumi di dati, ma questi erano impossibili negli approcci precedentemente disponibili. Nvidia ha aperto la strada agli scienziati e agli ingegneri di eseguire calcoli ad alte prestazioni nelle loro workstation con il potere delle GPU Tesla.
Nvidia ha sviluppato un'architettura parallela per le GPU Tesla e i prodotti Tesla progettati per soddisfare i requisiti HPC. NVIDIA TESLA Funzionalità thread Execution Manager e Cache di dati paralleli. Il primo gestisce l'esecuzione di migliaia di thread di calcolo mentre il secondo consente una condivisione più rapida dei dati e la consegna dei risultati. Le GPU NVIDIA TESLA ottimizzano la produttività dei data center che si basano fortemente sull'elevato throughput.
L'uso delle GPU NVIDIA TESLA non solo migliora significativamente le prestazioni del sistema, ma aiuta anche a ridurre il costo operativo delle infrastrutture riducendo il numero di nodi server che di conseguenza comporta una riduzione del budget per software e servizi. Il costo operativo è inoltre significativamente più basso con i prodotti Tesla distribuiti poiché dovranno essere installati meno apparecchiature e un consumo energetico notevolmente ridotto.
NVIDIA TESLA GPU
Nvidia si rivolge al mercato di calcolo ad alte prestazioni con la linea di prodotti Tesla. La prima generazione di GPU Nvidia Tesla è stata rilasciata nel maggio del 2007. Queste GPU erano basate sul chip G80 e sulla microarchitettura Tesla dell'azienda e utilizzavano la memoria GDDR3. L'estremità inferiore C870 era un modulo PCIe interno con un chip G80 e 76.8 GB/S Larghezza di banda. Il D870 di livello medio aveva due patatine G80 e il doppio della larghezza di banda del C870 ed è stato progettato per i computer di banca. L'S870 di fascia alta è stata progettata per i server di calcolo con quattro chip G80 e quattro volte la larghezza di banda del C870.
Le generazioni successive hanno utilizzato l'attuale microarchitettura di Nvidia al momento della loro uscita e aveva una larghezza di banda superiore rispetto alla generazione precedente. L'ultima generazione prima che il marchio fosse ritirato è stato l'acceleratore GPU Tesla V100 e T4, che sono stati rilasciati nel 2018.
Tesla V100 si basa sulla microarchitettura di Volta e utilizza il chip GV100, che abbina i nuclei di Cuda con i nuclei di tensore. Il V100 è dotato di 5120 nuclei CUDA e 640 core tensori e offre 125 teraflop di prestazioni di deep learning. Il V100 può sostituire centinaia di server solo CPU e superare i requisiti di HPC e Deep Learning. È disponibile in configurazioni da 32 GB e 16 GB.
L'acceleratore GPU T4 è l'unico GPU Tesla a base di Turing ed è stato l'ultimo ad essere rilasciato sotto il marchio Tesla. La GPU Tesla G4 combina core di ray-tracing e tecnologia Nvidia RTX per il miglioramento del rendering delle immagini. È composto da 2560 nuclei CUDA e 320 core tensori e supporta fino a 16 GB di memoria GDDR6. La GPU T4 è anche efficiente dal punto di vista del potere, usando solo 70 watt.
Pensione e rebranding del marchio
Tesla non è un nome insolito. Non solo è famoso a causa di Nikola Tesla, ma anche a causa del famoso marchio di auto. Per evitare confusione con il marchio automobilistico, Nvidia ha deciso di ritirare il marchio Tesla per i suoi acceleratori GPU nel 2019. A partire dalle versioni del 2021, Nvidia Tesla è stata rinominata come GPU del data center Nvidia.
Tesla ha ottenuto un enorme successo nel settore dei data center, rendendo possibile l'impossibile con le sue prestazioni superiori e la tecnologia economica. Nonostante il rebranding, Nvidia infonde le caratteristiche di Tesla nei suoi acceleratori GPU. Le nuove generazioni sono in concomitanza con la microarchitettura di Nvidia e usano il chip e la memoria più recenti per prestazioni migliori e una larghezza di banda più elevata mantenendo bassa il consumo di energia. Tesla ha scolpito il nome di Nvidia nei sistemi di data center, rendendo Nvidia non solo un marchio di fiducia nei giochi ma anche nel mercato HPC.