AES-100边缘智能服务器,颠覆传统服务器,架构让人工智能边缘部署更轻松
中国上海 – 2022年6月16日
全球领先的边缘计算解决方案提供商—凌华科技推出基于华为Ascend Atlas200的全新边缘智能服务器AES-100,突破固有服务器的设计理念,采用分布式AI节点加弹性灵活的处理器设计方案,可在紧凑的1U空间内布置多路边缘处理单元,也可以根据场景和需求不同搭配不同的CPU模块,适用于广泛的AI边缘应用。
AES-100视频分析服务器架构图
产品亮点
与传统的集中式算力架构相比,AES-100采用的分布式多路AI节点能够有效地降低硬件成本。
算力架构 |
传统集中式算力架构 |
分布式算力架构 |
产品特点 |
CPU+GPU的异构计算,多个GPU通过PCIE链接到两颗处理器,如:双路4PU服务器、双路8GPU服务器; |
每颗AI SOC芯片是一个完整的小算力节点,配置独立的CPU、AI核心、编解码核心、显存、存储和操作系统; |
CPU主要职责 |
负责数据预处理,如视频软解码,CPU性能要求较高,根据GPU数量增加,CPU的性能也要增加; |
系统CPU:负责任务调度,对CPU性能要求不高; SOC CPU:负责数据预处理; 编解码核心:负责视频编解码; |
内存主要职责 |
与GPU显存之间数据交换,一般配置的内存容量要大于GPU的显存总容量,GPU数量越多,需要配置的内存容量也越大; |
系统内存:负责任务调度,对内存容量要求不高; SOC 内存:相当于显存,用于数据交换; |
成本对比 |
CPU和内存的性能要求高,成本占比高 |
CPU和内存的性能要求低,成本占比低 |
在高算力的场景下,采用分布式算力架构的硬件成本可大幅度下降。AES-100可以广泛应用在城市道路对行人、机动车以及非机动车的特征结构化数据分析,可极大提高在海量视频中对目标的查找速度;监所等特殊场合发生的一场行为进行检测,并及时发出报警,有效提升视频监控的价值,保障工作人员及在押人员的安全。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。