随着GPU技术的发展，其性能逐渐开始稳定，开始越来越多的应用的企业级服务器加速中。满足面向未来的企业级应用需求，作为国内服务器领导厂商浪潮在四路服务器的研发过程中，提高了服务器系统性能：浪潮四路旗舰产品NF8480M3，系统提供14个 PCI-E 3.0扩展插槽并支持热插拔，PCI-E数据传输带宽提升100%，最大支持2块MIC或GPU协处理卡。

GPU加速

早在2011年8月5日，摩根大通与NVIDIA就展示了在服务器中增加GPU的好处。摩根大通为了提高计算速度，将英伟达的GPU整合到服务器中，充当CPU的加速器。所得到的结果让人大吃一惊在执行某些任务时，峰值性能可以达到只使用CPU的100倍。在更为典型的案例中，摩根大通的速度提升了40倍，而由于所需的服务器数量减少，使其成本降低了80%。

GPU(Graphic Processing Unit)，中文译名图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备上图像运算工作的微处理器相当于CPU在电脑中的作用，GPU是显卡的“心脏”，它决定了该显卡的档次和大部分性能，为人所熟知的是作用是三维图像和特效处理功能，今天，GPU已经不再局限于3D图形处理了，GPU通用计算技术发展已经引起业界不少的关注。

北京航空航天大学教授钱德沛表示：“人工智能从过去基于模型的方法，变成现在基于数据、基于统计的方法，主要得益于GPU高度并行的结构、高效快速的连接能力。事实证明GPU很适合深度学习”；GPU相当于CPU在电脑中的作用，GPU是显卡的“心脏”，它决定了该显卡的档次和大部分性能，为人所熟知的是作用是三维图像和特效处理功能，今天，GPU已经不再局限于3D图形处理了，GPU通用计算技术发展已经引起业界不少的关注。

作为国际领先服务器厂商，去年浪潮和国内某知名公司合作，通过GPU加速方案实现了该模型的运算效率的提升，使其能更接近人脑的运算能耗比，从而为该公司的智能语音技术带来突破。

双方联合设计了针对DNN算法特点的GPU集群并行计算框架，采用了每个计算节点配置双路CPU和4块NVIDIA Tesla K20m GPU，以及一块HCA卡的方案，通过GPU提高计算能力、通过IB网络提速节点之间的通信速度，最终完成GPU集群版的DNN并行算法，大幅减低了DNN的计算时间，从而为该公司下一步的智能语音计划提供助力。

除此之外浪潮已经分别与英特尔和英伟达成立联合并行计算实验室，合作开发优化基于MIC和GPU的并行应用。

GPU通用计算就是利用图形处理器（GPU）来进行通用科学与工程计算。事实也证明在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU性能。这也就是为何服务器厂商越来越重视GPU的原因。

如果你数据中心的服务器有GPU，那么在编写服务器应用程序时就应该将其考虑进去，通过GPGPU计算，即通过编程将本该由CPU处理的计算任务交由GPU处理。

浪潮NF8480M3全方位图赏

除了浪潮四路旗舰产品NF8480M3，2015年度产品策略发布会上，浪潮发布了基于NVIDIA Tesla GPU加速器的整机柜服务器——SmartRack协处理加速整机柜服务器，主要面向人工智能、深度学习等应用。凭借Tesla GPU突破性的性能和更大的内存容量，企业用户可以快速地处理大数据分析应用所产生的海量数据。浪潮服务器NF8480M3最大支持2块MIC或GPU协处理卡的配置也体现了浪潮为企业的用心。