NVIDIA A30
Tensor Core GPU

为应对对话式 AI 等新型挑战而训练 AI 模型需要强大的计算能力与可扩展性。

NVIDIA A30 Tensor Core 具备 Tensor Float (TF32) 精度，可提供比 NVIDIA T4 高 10 倍之多的性能，并且无需更改代码；若使用自动混合精度和 FP16，性能可进一步提升 2 倍，综合起来可将吞吐量提高 20 倍。与 NVIDIA® NVLink®、PCIe Gen4、NVIDIA Mellanox® 网络和 NVIDIA Magnum IO™ SDK 配合使用时，可以扩展到数千个 GPU。

Tensor Core 和 MIG 使 A30 全天都能够动态地用于工作负载。它可以在需求高峰时段用于生产推理，并且部分 GPU 可以在非高峰时段改用于快速重新训练同一批模型。

NVIDIA 在行业级 AI 训练基准测试 MLPerf 中取得多项性能佳绩。

详细了解 NVIDIA Ampere 架构的训练性能 ›

为了获得新一代的发现成果，科学家们希望通过模拟方式来更好地了解我们周围的世界。

NVIDIA A30 采用 FP64 NVIDIA Ampere 架构 Tensor Core，提供自 GPU 推出以来幅度非常大的 HPC 性能飞跃。配合 24 GB 的 GPU 显存和 933 GB/s 的带宽，可让研究人员快速解决双精度计算问题。HPC 应用程序还可以利用 TF32 提高单精度、密集矩阵乘法运算的吞吐量。

FP64 Tensor Core 与 MIG 的结合能让科研机构安全地对 GPU 进行分区，以允许多位研究人员访问计算资源，同时确保 QoS 和更高的 GPU 利用率。部署 AI 的企业可以在需求高峰时段使用 A30 的推理功能，然后在非高峰时段将同一批计算服务器改用于处理 HPC 和 AI 训练工作负载。

查看 HPC 应用程序的最新 GPU 性能 ›

A30 结合 MIG 技术可以更大限度地提高 GPU 加速的基础设施的利用率。借助 MIG，A30 GPU 可划分为多达 4 个独立实例，让多个用户都能使用 GPU 加速功能。

MIG 与 Kubernetes、容器和基于 Hypervisor 的服务器虚拟化配合使用。MIG 可让基础设施管理者为每项作业提供大小合适的 GPU，同时确保 QoS，从而扩大加速计算资源的影响范围，以覆盖每位用户。

详细了解 MIG ›