NVIDIA用三周架好超级电脑系统DGX SuperPOD，全世界运算第22快将用于无人驾驶系统发展

DGX SuperPOD约可在2分钟不到时间内，完成ResNet-50神经网路模型框架的学习训练，若以2015年提出NVIDIA K80 GPU进行加速的话，大概需要花费25天的训练时间，相较之下，DGX SuperPOD约可将相同训练需求的学习速度提高1.8万倍。

除了宣布与Arm合作打造超级电脑消息，NVIDIA也宣布以短短3周时间完成架设，并且将用于加速开发自驾车系统的超级电脑DGX SuperPOD，正式登上全球运算最快电脑排名第22位，而目前日本运算速度最快的超级电脑系统ABCI (AI Bridging Cloud Infrastructure)，目前则是采用NVIDIA GPU Cloud进行深度学习框架运作，借此推动各类人工智慧技术应用成长。

DGX SuperPOD是以96组NVIDIA DGX-2H (采用Tesla V100 32GB HBM2记忆体版本)，并且搭配NVSwitch与Mellanox互连技术构成，总计连结1536组NVIDIA V100 Tensor Core GPU，形成高达9.4 petaflops运算处理能力，从建造到完成架设仅花费3周时间，并且登上全球运算最快电脑排名第22位，主要用于加快自驾车系统发展使用。

依照NVIDIA说明，DGX SuperPOD约可在2分钟不到时间内，完成ResNet-50神经网路模型框架的学习训练，若以2015年提出NVIDIA K80 GPU进行加速的话，大概需要花费25天的训练时间，相较之下，DGX SuperPOD约可将相同训练需求的学习速度提高1.8万倍。

同时基于模组化设计，DGX SuperPOD也能快速、弹性布署应用在各类企业需求，NVIDIA也同时提出DGX-Ready Data Center计画，让有需求的企业单位能以此快速布署DGX SuperPOD运算资源。

在此次国际超级电脑运算大会中，NVIDIA也宣布由日本经济产业省指导，透过东京工业大学与富士通研究所在内单位合作建造以云端为基础结构的超级电脑平台「ABCI (AI Bridging Cloud Infrastructure) 」，其中采用NVIDIA GPU Cloud与NVIDIA Tensor Core GPU在内运算资源，让各类深度学习框架、机器学习演演演算法，以及HPC应用程式，可以透过Docker、Singularity在内容器服务运作。

而NVIDIA也将藉由提供NGC Container Replicator，借此协助系统管理员自动检查，并且下载最新版本的NGC容器服务内容。

透过NVIDIA GPU Cloud，研究人员将可可藉由「ABCI」平台处理从核物理到制造等领域的人工智慧运算应用需求，或是透过「ABCI」的分散运算能力加快人工智慧训练速度。