极智AI | 全场景算力产品矩阵 看算能系列AI产品

极智AI | 全场景算力产品矩阵 看算能系列AI产品

大家好，我是极智视界，本文介绍一下 算能系列 AI 产品。

算能，你也可以理解为 比特大陆，拥有全场景的 AI 产品，这个全场景主要是包括 处理器、AI卡 和 服务器 ：

处理器系列：BM1684 TPU处理器、BM1682 TPU处理器；AI卡系列： SC5+ 智算卡、SC3 智算卡;服务器系列：SG6 智算服务器、SE5 微服务器、SE3 微服务器；

文章目录

​​1 处理器系列​​​​2 AI卡系列​​​​3 服务器系列​​

1 处理器系列

BM1684 是 BM1682 的升级版，BM1684 全称为 张量计算处理器 BM1684，是算能面向深度学习领域推出的第三代张量处理器，性能较上代提升约 6 倍。这里指的 上代 即为 BM1682。既然讲到性能，就直接上数据把：

BM1684 相较于 BM1682 最显著的改善是 开始支持 INT8 运算，在 比特大陆 SDK 工具链 (BMNNSDK, BITMAIN Neural Network SDK) 中有 ​​开启winograd加速算力​​​ 和 ​​不开启winograd加速算力​​​，两者相差悬殊，而 比特大陆中的 ​​开启winograd加速​​ 也只是针对 INT8，而 BM1682 没有 INT8，所以 BM1682 只能 望尘莫及。

其他不多说了，来看看 BM1684 的庐山真面目

2 AI卡系列

芯片 / 处理器层是比较底层的，AI卡相较于 处理器，更上一层。所以这里的 SC5+ 智算卡 和 SC3 智算卡的区别，也主要是 其内置芯片的不同，SC5+ 智算卡内置 三颗 BM1684 芯片，而 SC3 智算卡内置 一颗 BM1682 芯片，所以也可以理解为 SC5+ 是 SC3 的新一代卡。来看两张卡的性能参数对比：

可以看到 SC5+ 升级的不是一丁半点，在 算力 和 显存 方面都有巨大的升级，特别是 INT8算力 和 显存 两个方面，其中 INT8 算力主要源于 BM1684 的能力。

算能还是主要面向算法推理场景，所以卡也都是面向 AI应用部署/落地，没有全高全长的训练卡。来看下 SC5+ 的样子

3 服务器系列

服务器是面向应用落地的 终极产品硬件形态，所以服务器也是凌驾于 AI卡 和 芯片之上，三者关系从上往下基本就是 ==> 服务器 > AI 卡 > 芯片/处理器。算能的服务器形态也比较丰富，主要有面向 小云场景 的 SG6 服务器，面向 边缘场景 的 SE5 和 SE3。

小云场景 的 SG6 服务器 (PCIE卡槽的机器)，又可以分为 SG6-10-B22 和 SG6-06-A22。其中 SG6-10-B22 可搭载 30 颗 BM1684，什么意思呢，一张 SC5+ 算力卡内置 3 颗 BM1684，也就是说 SG6-10-B22 最多可以插 10 张 SC5+ 算力卡。而不同的是 SG6-06-A22 只能搭载 18 颗 BM1684，也就是最多插 6 张 SC5+ 算力卡。就这么点区别，然后整台服务器的算力啥的，简单粗暴的估算方法就是 ​​你插了几张SC5+卡，就是几倍的能力​​。

来看下 SG6-10-B22 的样子

边缘场景 的 SE5 微服务器 和 SE3 微服务器，其主要区别也是内置了不同的芯片，SE5 内置一颗 BM1684，SE3 内置一颗 BM1682，所以他们的性能参数也可以直接参考 单芯片/单处理器 的性能，无需多说。从产品角度来说，SE5 的算力相对比较高，可以用于 10路~16路 左右的视频解析；SE3 则算力低些，可用于 4 路左右的视频解析，偏 端场景 。

来看下 SE5 的样子

综上可以看到，算能的 AI 产品是比较丰富的，覆盖了 云、边、端，而且 芯片自研，还是比较赞的。需要注意的一点是，你不要看 BM1684 和 BM1682 从名字上看起来好像差不多，实际它们走不同的 SDK (BM1682 用老SDK，功能支持不完善)，API 接口变化也比较大，所以在算能的不同型号设备上的部署 无法很好地直接切换 ，所以如果你做好了 云端 SC5+ 和 边缘端 SE5 的部署后，想直接切到更低算力的 SE3 上，是需要一定开发周期的。

好了，以上分享了 算能系列 AI 产品，希望我的分享能对你的学习有一点帮助。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。