Meta 平台對 NVIDIA 大加讚賞，之所以選擇我們的技術，是因為他們認為這是迄今為止非常強大的研究系統。
今天發布的 AI 研究超級叢集 (RSC) 已經在訓練新模型，以便推動 AI 發展。
完成部署後，Meta 的 RSC 有望成為安裝 NVIDIA DGX A100 系統的大型客戶。
該公司在一篇部落格中說道：“我們希望 RSC 能夠幫助我們建構新的 AI 系統，例如，為大型群體（其中每個人講不同的語言）提供即時語音翻譯支援，以便他們可以在參與研究項目時開展無縫協作，也可以一起暢玩 AR 遊戲。”
訓練 AI 的大型模型
RSC 將在今年晚些時候完全建構完畢，然後，Meta 計劃將其用於訓練包含超過萬億參數的 AI 模型。這可推動自然語言處理等領域的發展，助力處理即時識別有害內容等工作。
除了大規模效能之外，Meta 還能以極高的可靠性、安全性、隱私性和靈活性，處理“各種各樣的 AI 模型”，用作 RSC 的關鍵標準。
原理揭秘
新型 AI 超級電腦目前將 760 個 NVIDIA DGX A100 系統作用作運算節點。它們總共包括 6080 個 NVIDIA A100 GPU，這些 GPU 通過 NVIDIA Quantum 200Gb/s InfiniBand 網路相連，可提供 1895 petaflops 的 TF32 效能。
儘管新冠肺炎 (COVID-19) 帶來了挑戰，但 RSC 借助基於 Meta RSC 的 NVIDIA DGX A100 技術，僅用了 18 個月的時間，就將寫在紙上的想法變為一台正常運行的 AI 超級電腦（如以下影片所示）。
20 倍效能提升
這是 Meta 第二次選擇 NVIDIA 技術作為研究基礎設施的基礎。 2017 年，Meta 使用 22,000 個 NVIDIA V100 Tensor Core GPU 建構了第一代 AI 研究基礎設施，此基礎設施可每天處理 35,000 項 AI 訓練任務。
Meta 的早期基準測試表明，與上一代系統相比，RSC 訓練大型 NLP 模型的速度快達 3 倍，運行電腦視覺作業的速度要快達 20 倍。
在於今年晚些時候推出的第二階段中，RSC 將擴展至 16,000 個 GPU，Meta 認為這些 GPU 可提供高達 5 exaflops 的混合精度 AI 效能。 Meta 旨在擴展 RSC 的儲存系統，以每秒 16 TB 的速度提供高達 1 PB 的數據。
可擴展架構
NVIDIA AI 技術適用於各種規模的企業。
NVIDIA DGX 包含全套 NVIDIA AI 軟體，能夠輕鬆地從單個系統擴展至基於內部私有雲或託管供應商運行的 DGX SuperPOD。客戶還可以通過 NVIDIA DGX Foundry 租賃 DGX 系統。