NVIDIA 最新发布的液冷 GPU 有什么特性？

Ampere架构的计算卡A100、桌面超算HGX A100，Hopper架构的计算卡H100、桌面超算HGXH100，将在该系列中首次引入液冷散热，从而提高散热效率、降低能耗、节省空间和成本。采用了直接芯片(Direct-to-Chip)冷却技术。功耗将比风冷版本低30%。
蓝海大脑的高性能服务器挺好的，具有高性能，高密度、扩展性强等特点。液冷GPU服务器产品支持1~20块 GPU卡，还可以选择，毕竟能可以选择也是很好的,芯片主要采用龙芯、飞腾、申威、海光、英伟达、Intel、AMD。完全定制啊，敲开心。适用于深度学习训练及推理、生命科学、医药研发、虚拟仿真、遥感测绘等场景，覆盖服务器、静音工作站、数据中心等多种产品形态，量身定制，满足客户全场景需求。技术人员给的建议都非常受用。

显卡正常工作中的耗电量就是其功耗，通常是软件测试其最高功耗获得，功耗比较容易作假，比如NVidia之前通过检测功耗测试软件来调整核心频率，将测试结果降低了接近60W左右；而进入开普勒架构后又通过虚标TDP 来混淆视听

“GPU服务器，简单来说，GPU服务器是基于GPU的应用于视频编解码、深度学习、科学计算等多种场景的快速、稳定、d性的计算服务，我们提供和标准云服务器一致的管理方式。出色的图形处理能力和高性能计算能力提供极致计算性能，有效解放计算压力，提升产品的计算处理效率与竞争力。"

看具体情况看。1CPU的功耗是考量因素,但不能简单认为CPU功耗越高或者低越好。
2使用CPU,首先考虑的是CPU的性能需求。例如我的需求是服务器工作站,那么肯定只能选功耗高的至强CPU而不是选功耗低的赛扬,因为后者性能根本不能满足需求。
3其次,还要考虑价格和替换成本。低电压的CPU和入门的桌面级CPU均可胜任办公和娱乐需求,功耗上低压是高压的4分之一左右;但是对于成本敏感者还是只能选择低压,因为高压价格贵;新世代的CPU功耗一般比旧款低(有时是功耗不变,但性能提升),但是对于企业用户来说宁愿继续使用旧款,因为新购的替换成本高。

GPU功耗比CPU低，
那么也就是说CPU中的逻辑门反转次数不如GPU中的多。那为何能造成此种差异呢？GPU是属于计算密集型芯片而CPU则偏向控制密集型。
什么意思呢？GPU的工作一般是拿到CPU下达的指令之后，便根据要求做大量的浮点运算，毕竟要 *** 作那么多的屏幕像素点，这计算量还是很不容易的。此时的GPU基本上内部每个逻辑门都在为运算疯狂翻转。
CPU的工作则较为综合，要处理许多乱七八糟的问题。这些问题虽然乱，但是往往用不

深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理等多个领域都取得了卓越的成果，可见其重要性

熟悉深度学习的人都知道，深度学习是需要训练的，所谓的训练就是在成千上万个变量中寻找最佳值的计算。这需要通过不断的尝试识别，而最终获得的数值并非是人工确定的数字，而是一种常态的公式。通过这种像素级的学习，不断总结规律，计算机就可以实现像人一样思考。因而，更擅长并行计算和高带宽的GPU，则成了大家关注的重点。

很多人认为深度学习GPU服务器配置跟普通服务器有些不一样，就像很多人认为做设计的机器一定很贵一样。其实只要显卡或者CPU满足深度学习的应用程序就可以进行深度学习。由于现在CPU的核心数量和架构相对于深度学习来说效率会比GPU低很多，所以大部分深度学习的服务器都是通过高端显卡来运算的。

这里谈谈关于深度学习GPU服务器如何选择，深度学习服务器的一些选购原则和建议：

1、电源：品质有保障，功率要足够，有30~40%冗余

稳定、稳定、还是稳定。一个好的电源能够保证主机再长时间运行不宕机和重启。可以想象一下，计算过程中突然重启，那么又要重来，除了降低效率，还影响心情。有些电源低负载使用的时候可能不出问题，一旦高负载运行的时候就容易出问题。选择电源的时候一定要选择功率有冗余品质过硬，不要功率刚刚好超出一点。

2、显卡：目前主流RTX3090,最新RTX4090也将上市

显卡在深度学习中起到很重要的作用，也是预算的一大头。预算有限，可以选择RTX3080 /RTX3090/RTX4090(上月刚发布，本月12日上市)。预算充足，可以选择专业深度学习卡Titan RTX/Tesla V100 /A6000/A100/H100（处于断供中）等等。

3、CPU：两家独大，在这要讲的是PC级和服务器级别处理器的定位

Intel的处理器至强Xeon、酷睿Core、赛扬Celeron、奔腾Pentium和凌动Atom5个系列，而至强是用于服务器端，目前市场上最常见的是酷睿。当下是第三代Xeon Scalable系列处理器，分为Platinum白金、Gold金牌、 Silver 银牌。

AMD处理器分为锐龙Ryzen、锐龙Ryzen Pro、锐龙线程撕裂者Ryzen Threadripper、霄龙EPYC，其中霄龙是服务器端的CPU，最常见的是锐龙。当下是第三代 EPYC（霄龙）处理器 ，AMD 第三代 EPYC 7003 系列最高 64核。

选择单路还是双路也是看软件，纯粹的使用GPU运算，其实CPU没有多大负载。考虑到更多的用途，当然CPU不能太差。主流的高性能多核多线程CPU即可。

4、内存：单根16G/32G/64G 可选，服务器级别内存有ECC功能，PC级内存没有，非常重要

内存32G起步，内存都是可以扩展的，所以够用就好，不够以后可以再加，买多了是浪费。

5、硬盘：固态硬盘和机械硬盘，通常系统盘追求速度用固态硬盘，数据盘强调存储量用机械盘

固态选择大品牌企业级，Nvme或者SATA协议区别不大，杂牌固态就不要考虑了，用着用着突然掉盘就不好了。

6、机箱平台：服务器级别建议选择超微主板平台，稳定性、可靠性是第一要求

预留足够的空间方便升级，比如现在使用单显卡，未来可能要加显卡等等；结构要合理，合理的空间更利于空气流动。最好是加几个散热效果好的机箱风扇辅助散热。温度也是导致不稳定的一个因素。

7、软硬件支持/解决方案：要有

应用方向：深度学习、量化计算、分子动力学、生物信息学、雷达信号处理、地震数据处理、光学自适应、转码解码、医学成像、图像处理、密码破解、数值分析、计算流体力学、计算机辅助设计等多个科研领域。

软件： Caffe, TensorFlow, Abinit, Amber, Gromacs, Lammps, NAMD, VMD, Materials Studio, Wien2K, Gaussian, Vasp, CFX, OpenFOAM, Abaqus, Ansys, LS-DYNA, Maple, Matlab, Blast, FFTW, Nastran等软件的安装、调试、优化、培训、维护等技术支持和服务。

————————————————

版权声明：本文为CSDN博主「Ai17316391579」的原创文章，遵循CC 40 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：>

GPU-Z软件显示的是显卡的整个功耗，和实际工作的不一样，正常待机会远小于TDP，整机功率还得算CPU主板、内存、硬盘等等耗电。

使用方法如下：首先在百度上下载GPU-Z这个中文版或者英文版的软件，安装运行后，第一个选项就是显卡的相关参数,例如：显卡的工艺，显存等相关参数。它也可以实时显示显卡GPU的占用率以及显卡空闲时的自动降频等情况。

扩展资料：

GPU-Z的详细功能：

1、它检测显卡GPU型号、步进、制造工艺、核心面积、晶体管数量，渲染器数量及生产厂商。

2、同时可以检测光栅和着色器处理单元数量及DirectX支持版本。

3、还可以检测GPU核心、着色器和显存运行频率，显存类型(生产厂商)、大小及带宽。

4、另外检测像素填充率和材质填充率速度。

5、也能实时检测GPU温度、GPU使用率、显存使用率及风扇转速等相关信息。

6、还检查显卡插槽类型和显卡所支持的附加功能与显卡驱动信息及系统版本

参考资料：

百度百科-GPU-Z

---