至顶网服务器频道 04月08日 新闻消息: 日前,在 GTC 2018 上,Vicor 团队见证了 英伟达 DGX-2 的发布,它是迄今为止最强大的 AI 系统。DGX-2 使用 16 个 SXM3 GPU 卡提供每秒 2 千万亿次浮点运算的计算性能,与前一代 DGX-1 相比,可提供 10 倍的深度学习性能,而功耗仅为 10kW。在展厅内,DGX-2 与 SXM3 卡一同展出,您可以在上面看到最新的Vicor 合封电源 (PoP) 解决方案以及我们的 PI3526 ZVS 降压稳压器。就在不久前的3 月 6 日,我们推出了 600A 稳定电流输出的 PoP 解决方案,其可将 48V 直接转换为 XPU 内核电压。

NVIDIA DGX-2:业界最强大的 AI 系统
合封电源解决方案消除最后一英寸供电问题
合封电源基于 Vicor 分比式电源架构 (FPA),已部署在各种高性能计算系统中,是 2017 OPC(开放式计算项目)美国峰会上的一大亮点。FPA 支持从 48V 直接转换为处理器电压的应用,所带来的效率和电流供给性能类似于常规 12V 设计,但功率密度是其 2 倍。基于 FPA 架构的功率转换和 Vicor SM-ChiP 3D 封装有助于PoP 器件实现更高功率密度。
高密度电源转换解决方案集成在两个模块中:模块化电流倍增器 (MCM) 和模块化电流倍增器驱动器 (MCD)。小型 MCM 有助于在封装上或在最接近处理器裸片的位置提供大电流,进一步消除了通过主板和插座传输大电流所产生的损耗。MCM 可消除困扰常规 12V 设计的"最后一英寸"处理器供电问题,因此,不仅可降低配电损耗,而且还可提高整体电源效率。
合封电源不仅可消除"最后一英寸"问题,为处理器高效供电,而且还可通过支持 48V 输入实现为整个机架的处理器高效供电。传统的12V供电架构,无法在不增加功耗和成本的情况下,为服务器机架上的多个大电流处理器提供强大的功率支持。与 12V 配电相比,采用 48V 配电,服务器机架可获得的优势包括减少铜箔、缩小连接器尺寸以及提高供电效率等。48V 配电有助于数据中心机架突破 12V 机架带来的功率限制(每个机架通常为 15kW 左右),从而可提高机架利用率。除了为数据中心带了巨大的便利外,合封电源的 48V 输入还非常适合为高性能防撞汽车及自动驾驶汽车内使用的处理器供电。
让 48V GPU 系统在原有 12V 系统中工作
在 GTC 上,我们还推出了最新的 NBM 产品,这是一款 12V 至 48V 非隔离的升压转换器,可为仍然依靠原有 12V 配电的数据中心的 48V 高性能 GPU 提供支持。NBM 采用 23 x 17 x 7.4 毫米表面贴装 SM-ChiP 封装,可将 12V 电压转换为 48V,提供超过 98% 的峰值效率、750W 的稳定功率和 1kW 的峰值功率。NBM 是一款完整的解决方案,既不需要外部输入滤波器,也不需要大容量电容器,而且还整合了热插拔及涌流限制技术。
NBM 采用 ZVS 和 ZCS 拓扑在 2MHz 下开关,可为动态负载提供低输出阻抗和 MHz 级的快速瞬态响应。刚过去的GTC 2018,对所有人来说都是一场视觉盛宴,我们为我们的产品能成为 DGX-2 的一部分而感到振奋,Vicor将持续不断地为AI 应用注入创新动力。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。