NVIDIA 首席科学家兼研究高级副总裁 Bill Dally 近日在面向处理器和系统架构师的年度活动—— Hot Chips 上的主题演讲中表示，硬件性能的巨大提升催生了生成式 AI，并为未来的ARM加速提供了丰富的思路，以推动机器学习能力再创新高。

ARM引领服务器 CPU，科技行业新风口

近日，Bill Dally 演讲中谈到了 NVIDIA Grace CPU 超级芯片的性能更新。该超级芯片是首款采用 Neoverse V2 核心的处理器。测试表明，在相同功率下，Grace 系统在各种 CPU 工作负载下的吞吐量比当前的 x86 服务器高出两倍。此外，Arm 的 SystemReady 计划证明了 Grace 系统无需任何更改就能运行现有的 Arm 操作系统和应用。

Grace CPU 让数据中心运营商能够选择是提高性能还是降低功率。

Grace CPU 使用一种超快速结构，在每个裸片中连接 72 颗 Arm Neoverse V2 核心，然后使用某个版本的 NVLink 将其中两个裸片连接到同一封装中，实现了 900 GB/s 的带宽。它是首款使用服务器级 LPDDR5X 内存的数据中心 CPU，在保持成本基本不变的情况下将内存带宽提升 50% 以上，而功率仅仅是普通服务器内存的八分之一。

可见ARM技术，必将是英伟达以及整个科技行业的新的风口。

ARM技术简介

说到ARM，就不得不提苹果，全球首次推出基于ARM架构的芯片M1，凭借优秀的能效比以及足够强大的硬件性能将X86笔记本“虐”了个遍。

ARM架构和X86架构发展方向并不相同，前者小而精，后者大而全。X86发展数十年市售最为复杂指令集，而ARM是精简指令集。可见X86在指令集方面更加复杂，处理器能力更强，性能更高，对应的功耗也会更高。对于需要强大性能且不在乎功耗的计算机而言，X86指令集能够提供强大的性能、更加全面的指令集以及复杂的PCB设计，可以实现更高工作效率，几乎就是强大和全面的代名词。ARM架构则刚好相反，移动端设备异常关注功耗问题，所以只需要提供够用的指令集，对于复杂的操作，ARM通常采用指令集组合、软解码等的方式来完成。在X86架构的PC电脑中，各个硬件之间想要进行通信就需要通过计算机总线，CPU作为计算机的大脑往往需要统筹所有运算，CPU如果需要读取内存中的一组数据，那么信号首先就需要经过北桥，再经过前端总线才能写入CPU。想要读取显存中的数据，信号还要从显卡先到内存才能到达CPU。极大降低了效率。在某些关键领域，这样反复且复杂的X86架构的缺陷是“致命”的，尤其是性命攸关的医疗行业。

而ARM的优势主要聚焦在设备体积小、低功耗、高性能、低成本，与慧维智能产品的产品定位高度吻合。

紧跟英伟达技术线，带来AI医疗好体验

慧维智能作为国内最早和英伟达战略合作的AI医疗企业，一直秉承“高水准、低成本、好体验”的服务理念，合作三年多以来紧跟英伟达技术线，目前深度开发X86与ARM芯片技术架构领域。

“ARM”+“英伟达”或可进一步优化动态医学影像AI辅助检测产品——内镜“帧探”更高性能AI算法计算，进一步提高计算精度，并降低功耗，为医院、医生、患者提高检出率。目前，慧维在X86与ARM两条不同技术线上均有技术沉淀，期待将AI技术更好的服务于医疗行业，为患者、医生、医院带来更高服务效率与收益，致力于全球智能医械市场，让AI技术服务全社会。

原稿来自英伟达中国

NVIDIA首席科学家Bill Dally将在Hot Chips大会发表主题演讲 - NVIDIA 英伟达中国官方博客