NVIDIA surpuissance Hopper, la plate-forme de calcul en intelligence artificielle la plus avancée au monde

SC23—NVIDIA a annoncé aujourd’hui que le plate-forme de calcul AI la plus avancée au monde était désormais plus puissante avec l’introduction de NVIDIA HGX ™ H200. Basé sur l’architecture NVIDIA Hopper ™, la plate-forme présente le processeur graphique NVIDIA H200 Tensor Core avec une mémoire avancée pour gérer des quantités massives de données pour les charges de travail d’apprentissage automatique génératif et de calcul hautes performances. Le NVIDIA H200 est la première carte graphique à offrir HBM3e – une mémoire plus rapide et plus grande pour alimenter l’accélération de l’apprentissage automatique génératif et des grands modèles linguistiques, tout en faisant avancer le calcul scientifique pour les charges de travail HPC. Avec HBM3e, le NVIDIA H200 offre 141 Go de mémoire à 4,8 téraoctets par seconde, presque le double de la capacité et 2,4 fois plus de bande passante par rapport à son prédécesseur, le NVIDIA A100. Les systèmes alimentés par H200 de fabricants de serveurs et de fournisseurs de services en nuage de renommée mondiale sont attendus pour commencer à être expédiés au deuxième trimestre 2024. «Pour créer de l’intelligence avec des applications d’apprentissage automatique génératif et HPC, de vastes quantités de données doivent être traitées de manière efficace à haute vitesse en utilisant une grande mémoire graphique rapide», a déclaré Ian Buck, vice-président hyperscale et HPC chez NVIDIA. « Avec NVIDIA H200, la plate-forme de supercalculateur AI la plus complète au monde vient juste de devenir plus rapide pour résoudre certains des défis les plus importants du monde. » Innovation perpétuelle, sauts de performances perpétuels
L’architecture NVIDIA Hopper offre une amélioration de performances sans précédent par rapport à son prédécesseur et continue de repousser les limites grâce aux améliorations logicielles en cours avec H100, y compris la récente sortie de puissantes bibliothèques open source comme NVIDIA TensorRT ™-LLM.

Share the Post: