在人工智能和智能机器新时代，随着模型的准确性和复杂性越来越高，CPU已经无法再提供互动用户体验，GPU作为人工智能新时代的计算引擎，可加快大规模深度学习应用程序的速度，提供卓越的用户体验。

一个值得渲云用户击掌同乐的消息：渲云GPU渲染服务将全面配备NVIDIA Tesla P40，可部署提供更大的吞吐量。每个GPU可带来47TOPS（万亿次运算/秒）的推理性能和INT8运算能力，使得一台配备8个Tesla P40的服务器可提供相当于超过140台CPU服务器的性能。Tesla P40 可在极其复杂的模型中实现实时响应，能够降低延迟，将性能提升为CPU的30倍以上。

Tesla P40配备新的Pascal架构，可带来超过47 TOPS的深度学习推理性能。在处理深度学习工作负载方面，一台使用8个Tesla P40服务器最多可替代140台只使用CPU的服务器，因而可以大幅提升吞吐量并降低购买成本。

目前，深度学习模型在 GPU 服务器上接受训练，但在 CPU 服务器上部署，以便进行推理。Tesla P40 提供极简工作流程，因此组织可以使用相同的服务器进行迭代和部署。

Tesla P40具备INT8运算能力，可在极其复杂的深度学习模型中实现实时响应，能将推理性能速度提升高达30倍。

密集型计算应用需要高性能计算单元，同时高速访问数据也非常重要。在很多HPC应用中，简单的提升HPC计算性能实际计算效率并不明显，除非显存性能也同时提升。基于这个原因，Tesla P40提供了更好的性能及显存规格，24GB，带宽346 GB/s，无论是在显存容量，还是显存频率上，都是远超同类产品。

对于消费级用户来说，GPU就是玩游戏。对于专业人员来说，GPU是计算工具。NVIDIA 针对消费级用户设计GeForce系列产品，针对专业领域企业级用户设计Tesla系列产品。与同类型产品相较，Tesla P40有哪些优势？

在计算领域，非常依赖于GPU返回数据的准确性，即使内存出现单比特错误也可能导致最终计算结果的极大误差。Tesla P40不仅能检测并纠正单比特错误也可以发现并警告双比特错误，这对保证计算结果的精准性来说非常重要。

系统内存越多，运行速度越快。尤其对于某些HPC应用程序来说，内存不够甚至不能执行单次运行。GeForce显卡最大只能提供12GB显存，而Tesla P40 GPU最大可提供2倍显存——24GB，这对GPU执行深度学习运算时使用更大的框架提供了支持。

GeForce产品一般只有单个DMA引擎，Tesla GPU产品采用双DMA引擎，数据可以在CPU和GPU之间同时输入和输出，无需等待，效率更高。

P40拥有双精度浮点运算能力，对于专业领域来说，准确性是计算结果的重要指标，Tesla与GeForce的双精度浮点运算能力相差十几倍之多。

【渲云-渲染者联盟VIP群】已满员，请加“渲云-渲染者联盟VIP2 QQ群”：211486767，或打开钉钉APP搜索钉钉号：UNSU8038，加入我们！更多精彩等着你！