Nvidia siger slut med gamer-GPU’er til servere

Illustration: ezphoto/Bigstock
Grafikkortgiganten tillader ikke længere brug af billige gamer-GPU’er i datacenteret.

Hvis du har Nvidias gamer-grafikkort snurrende i dit datacenter, skal du til at lede efter nye, dyrere kort. Grafikkortgiganten starter nemlig det nye år med at forbyde brugen af deres Geforce- og Titan-grafikkort til brug i datacentre, skriver The Register.

»No Datacenter Deployment. The SOFTWARE is not licensed for datacenter deployment, except that blockchain processing in a datacenter is permitted,« står der nu i licensen til grafikkortenes drivere på Nvidias hjemmeside.

Nvidia undtager, som det fremgår sidst i sætningen, crypto-mining fra udelukkelsen. En cached kopi af licensen fra 31. december 2017 viser, at der ikke stod noget om brug i datacentre før årsskiftet ifølge The Register.

Populære AI-kort

Nvidia er kendt for at producere de populære Geforce- og Titan-grafikkort, som lader pc-gamere verden over opleve digitale verdener i sprød 4K og HD-grafik, men grafikkortproducenten fra Silicon Valley slår også sine folder i AI-verdenen, hvor grafikkort trækker de tunge beregninger bag machine learning-algoritmer.

Kritiske stemmer beskylder Nvidia for at gøre det dyrere at drive datacentre. Et Geforce 1080 Titan-kort, der markedsføres til tunge gaming-computere, koster omkring 700 dollars, mens de kort, Nvidia markedsfører til datacentre såsom Tesla V100, koster 9.000 dollars.

Sidstnævnte kort leverer da også 7 teraflops sammenlignet med gaming-kortets 0.355 teraflops, men det er langtfra alle datacentre, der har brug for så ekstreme mængder regnekraft.

»Dette kan potentielt have stor indflydelse for forskningsinstitutter, som bruger de billigere GPU’er til at processere data,« siger en unavngiven akademisk kilde til The Register.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (9)
Mads Boye

Som en kommentar til artiklens input om flops, er grunden til at vælge GeForce kortene til DC, ikke performance på double precision, men derimod single precision, hvor GeForce, optil Tesla V100, har haft bedre performance end Tesla.
GeForce 1080 TI: 10,6 TF (single precision)
Tesla P100: 8 TF (single precision)
Derfor har GeForce været et bedre kort til deep learning/machine learning/AI.

Casper Niebe

Er jeg den eneste, der savner noget i denne artikel? Som f.eks. en begrundelse fra nVidia. Hvis en bilforhandler forbød deres biler, der snildt kører 180 km/t at køre på andet end landeveje, er jeg ret sikker på, virksomheden ville blive bedt om at forklare baggrunden for deres beslutning om at forbyde kørsel på motorveje.

I denne artikel er der absolut ingen baggrund - blot en knastør konstatering.

Peter Valdemar Mørch

Gør dette andet end at bevise over for hardware startups at der her er et marked hvor der kan tjenes penge?

Vi kan jo være heldige at Google og Facebook frigiver open hardware designs til dette. De har om nogen brug for billig AI hardware. Og vil ikke engang betale 1% overpris.

Lyder som en lækkerbisken nyhed for mig. Nvidia har da vist lige skudt sig selv i foden...

Log ind eller Opret konto for at kommentere
Pressemeddelelser

Welcome to the Cloud Integration Enablement Day (Bring your own laptop)

On this track, we will give you the chance to become a "Cloud First" data integration specialist.
15. nov 2017

Silicom i Søborg har fået stærk vind i sejlene…

Silicom Denmark arbejder med cutting-edge teknologier og er helt fremme hvad angår FPGA teknologien, som har eksisteret i over 20 år.
22. sep 2017

Conference: How AI and Machine Learning can accelerate your business growth

Can Artificial Intelligence (AI) and Machine Learning bring actual value to your business? Will it supercharge growth? How do other businesses leverage AI and Machine Learning?
13. sep 2017
Jobfinder Logo
Job fra Jobfinder