Nvidia与NetApp合作打造深度学习GPU服务器芯片

NetApp和Nvidia已经推出了一个组合式的AI参考架构系统，与Pure Storage和Nvidia 合作的AIRI系统相竞争。

这款系统主要针对深度学习，与FlexPod（思科和NetApp合作的融合基础设施）不同，这款系统没有品牌名称。而且与AIRI不同的是，它也没有自己的机箱封装。

NetApp和Nvidia技术白皮书《针对实际深度学惯用例的可扩展AI基础设施设计》定义了一个针对NetApp A800全闪存存储阵列和Nvidia DGX-1 GPU服务器系统的参考架构（RA）。此外还有一个速度慢一些的，成本更低的、基于A700阵列的参考架构。

高配的参考架构支持单个A800阵列（高可用性配对配置），5个DGX-1 GPU服务器，连接2个思科Nexus 100GbitE交换机。速度较慢的A700全闪存阵列参考架构支持4个DGX-1和40GbitE。

A800系统通过100GbitE链路连接到DGX-1，支持RDMA作为集群互连。A800可横向扩展为24节点集群和74.8PB容量。

据说A800系统可实现25GB /秒的读取带宽和低于500微秒的延迟。

NetApp Nvidia DL参考架构配置图

Pure Storage和Nvidia的AIRI有一个FlashBlade阵列，支持4个DGX-1。FlashBlade阵列提供17GB /秒的速度，低于3毫秒的延迟。这与NetApp和Nvidia合作的参考架构系统相比似乎较慢，但A800是NetApp最快的全闪存阵列，而Pure的FlashBlade则更多地是一款容量优化型闪存阵列。

和Pure AIRI Mini一样，NetApp Nvidia DL RA可以从1个DGX-1起步，扩展到5个。 A800的原始容量通常为364.8TB，Pure的AIRI原始闪存容量为533TB。

AIRI RA配置图如下所示：

Pure Nvidia AIRI配置图

NetApp和Pure都对他们的这两个系统进行了基准测试，并且都包含Res-152和ResNet-50运行使用合成数据、NFS和64批量大小。

NetApp提供了图表和数据，而Pure只提供图表，所以对比起来有点困难。不过，我们可以通过将这些图表放在一起做个粗略的估计。

合成的总图表并不漂亮，不过确实提供了一些对比：

NetApp和Pure Resnet性能对比

至少从这些图表可以看出，NetApp Nvidia RA的性能优于AIRI，但让我们吃惊的是，由于NetApp/Nvidia DL系统与Pure AIRI系统相比具有更高的带宽和更低的延迟，分别是25GB/s的读取带宽和低于500微秒以下，后者分别17GB/s和低于3毫秒。

价格对比很好，但没有人透露给我们这方面的数据。我们猜测Nvidia可能会宣布更多深度学习方面的合作伙伴关系，就像NetApp和Pure这样的。HPE和IBM都是很明显的候选对象，还有像Apeiron、E8和Excelero等NVMe-oF这样的新兴阵列初创公司。