GTC 2017: Nvidia stellt Riesen-GPU Volta mit 5120 Kernen und 16 GByte HBM2 vor

Inhaltsverzeichnis

Nvidia-Chef Jen-Hsun Huang hat auf der GPU Technology Conference in San Jose die kommende GPU-Generation Volta vorgestellt. Sie bietet wesentlich mehr Rechenleistung als die aktuelle Pascal-Generation und ist auf Deep-Learning-Berechnungen zugeschnitten. Die von Huang vorgestellte GPU läuft unter der Bezeichnung GV100 und kommt zunächst auf der Profi-Rechenkarte Tesla V100 zum Einsatz.

Riesenchip mit über 5000 Kernen

GV100 besteht aus 21,1 Milliaren Transistoren und wird vom taiwanischen Auftragsfertiger TSMC mit 12-Nanometer-FFN--Strukturen gefertigt. Zwar soll Volta laut Jonah Alben, Vice President of GPU Engineering, auf einer neuen Architektur aufbauen, die Organisation der Funktionseinheiten ähnelt jedoch dem Pascal-Vorgänger GP100. Die Volta-GPU nimmt eine Fläche von 815 mm² ein und enthält 5120 Shader-Rechenkerne auf der Tesla V100. Zusammen erreichen sie eine Rechenleistung von 15 Billionen Gleitkommaoperationen pro Sekunde (TFlops) bei einfacher Genauigkeit und 7,5 TFlops bei doppelter Genauigkeit (Double Precision). Im Vergleich zum Vorgänger GP100 steigt die Rechenleistung um etwa 40 Prozent. Nvidia zufolge besteht die GV100-GPU im Vollausbau aus 5376 Kernen.

Deep-Learning-Spezialeinheit

Eine als Tensor-Core bezeichnete, auf Deep-Learning-Computing optimierte Einheit soll via CUDA TensorOp-Instruktionen besonders effizient verarbeiten. Die 640 Tensor-Cores des GV100 sollen auf der Tesla V100 eine Rechenleistung von 120 Tensor-TFlops erreichen. Die Tensor-Cores gewährleisten dabei sowohl beim Training als auch beim Inferencing eine besonders hohe Performance.

Überdies enthält GV100 320 Textureinheiten, ein 20 MByte großes Register File und 16 MByte Cache. Nvidia stattet die Rechenkarte mit 16 GByte High Bandwidth Memory 2 aus, der eine Transferrate von 900 GByte/s erreichen soll und von Samsung gefertigt wird. Ein genaues Datenblatt zu GV100 hat Nvidia auf seiner Developer-Seite veröffentlicht.

Volta-Server für 149.000 US-Dollar

Nvidia kündigte ebenfalls einen neuen Deep-Learning-Server mit acht Tesla V100 an. Der DGX-1 soll damit eine theoretische Rechenleistung von 960 Tensor-TFlops erreichen, ab dem dritten Quartal 2017 verfügbar sein und 149.000 US-Dollar kosten. Die kompakte DGX Station enthält vier Tesla V100 und kostet 69.000 US-Dollar. Über NVLink 2.0 können die Tesla-Karten untereinander mit 300 GByte/s kommunizieren.

	Tesla K40	Tesla M40	Tesla P100	Tesla V100
GPU	GK110 (Kepler)	GM200 (Maxwell)	GP100 (Pascal)	GV100 (Volta)
SMs	15	24	56	80
TPCs	15	24	28	40
FP32 Cores / SM	192	128	64	64
FP32 Cores / GPU	2880	3072	3584	5120
FP64 Cores / SM	64	4	32	32
FP64 Cores / GPU	960	96	1792	2560
Tensor Cores / SM	--	--	--	8
Tensor Cores / GPU	--	--	--	640
GPU Boost Clock	810/875 MHz	1114 MHz	1480 MHz	1455 MHz
Peak FP32 TFLOP/s*	5,04	6,8	10,6	15
Peak FP64 TFLOP/s*	1,68	2,1	5,3	7,5
Peak Tensor Core TFLOP/s*	--	--	--	120
Texture Units	240	192	224	320
Memory Interface	384-bit GDDR5	384-bit GDDR5	4096-bit HBM2	4096-bit HBM2
Memory Size	Up to 12 GB	Up to 24 GB	16 GB	16 GB
L2 Cache Size	1536 KB	3072 KB	4096 KB	6144 KB
Shared Memory Size / SM	16 KB/32 KB/48 KB	96 KB	64 KB	Configurable up to 96 KB
Register File Size / SM	256 KB	256 KB	256 KB	256KB
Register File Size / GPU	3840 KB	6144 KB	14336 KB	20480 KB
TDP	235 Watts	250 Watts	300 Watts	300 Watts
Transistors	7.1 billion	8 billion	15.3 billion	21.1 billion
GPU Die Size	551 mm²	601 mm²	610 mm²	815 mm²
Manufacturing Process	28 nm	28 nm	16 nm FinFET+	12 nm FFN

(mfi)