gpu算力tflops

A. 21tops算力相當於什麼顯卡

英偉達的一個Jetson Xavier NX就是21tops算力。
11月7日，英偉達宣布推出全球尺寸最小的邊緣AI超級計算機Jetson Xavier NX，主要面向機器人和邊緣嵌入式計算設備。這款新品擁有比信用卡還小的外形，節能型Jetson Xavier NX模塊在運行AI工作負載時，可提供最高21 TOPS的伺服器級性能，售價399美元，即將在2020年3月開始出貨。英偉達推出更具競爭力的邊緣AI晶元產品，讓AI初創公司們面臨更大的競爭壓力。

英偉達邊緣AI晶元已經有四個系列
今天發布的Jetson Xavier NX最大的亮點在於，與Jetson Nano尺寸相同（70X45mm）的情況下，能夠在功耗10W的模式下提供最高14TOPS，在功耗15W模式下最高21 TOPS的性能。另外，Jetson Xavier NX能夠並行運行多個神經網路，也能同時處理來自多個高解析度感測器的數據。
Jetson Xavier NX模塊具體的規格如下：
GPU：配備384個 NVIDIA CUDA core和48 個Tensor core的 NVIDIA Volta，外加2個NVDLA
CPU：6-core Carmel Arm 64位CPU, 6MB L2 + 4MB L3
視頻：2x 4K30 編碼和2x 4K60解碼
攝像頭：最多6個 CSI攝像頭（通過虛擬通道最多36個），12路（3x4或6x2） MIPI CSI-2
內存：8GB 128位LPDDR4x；51.2GB/秒
連接：千兆乙太網
OS支持：基於Ubuntu的 Linux
模塊尺寸：70x45mm
Jetson Xavier NX面向的是對性能需求高，但受到尺寸、重量、功耗以及預算限制的嵌入式邊緣計算設備，比如小型商用機器人、無人機、智能高解析度感測器（用於工廠物流和生產線）、光學檢測、網路錄像機，攜帶型醫療設備以及其他工業物聯網（IoT）系統。
為了滿足這些場景，除了硬體外，軟體支持也非常重要。英偉達表示，對於已經開始打造嵌入式計算機的公司，Jetson Xavier NX與所有Jetson系列產品一樣都可以在相同的CUDA-X AI軟體架構上運行。同時，作為NVIDIA軟體架構方法的一部分，Jetson Xavier NX由NVIDIA JetPack SDK提供支持。
NVIDIA JetPack SDK是一個完整的AI軟體堆棧，可以運行復雜的AI網路，並用於深度學習的加速庫以及計算機視覺、計算機圖形、多媒體等。

Jetson Xavier NX的上一款產品是在今年3月的GTC發布，英偉達創始人兼 CEO 黃仁勛宣布推出售價僅99美元的Jetson Nano。根據官方的說法，藉助CUDA-X，Jetson Nano可以提供472 GFLOPS的AI性能，功率低至5W。這款售價不高，能夠運行所有AI模型的邊緣計算平台發布後獲得了極大的關注。
Jetson Nano的上一款產品在去年發布。去年九月的日本GTC，黃仁勛公布了AGX陣容，包括Drive Xavier和新推出的Drive Pegasus，還有Jetson AGX Xavier。Jetson AGX Xavier的大規模計算性能可以處理機器人至關重要的測距、定位、測繪、視覺和感知以及路徑規劃。
Jetson家族更早的產品Jetson TX2在2017年推出，提供兩種運行模態：一種是MAX Q，這種模態下能效比能達到最高，是TX1的2倍，功耗在7.5W以下；另一種是MAX P，性能可以做到最高，能效比同樣可以做到前一代的2倍，功耗則在15W以下。

雖然推出的時間不同，但他們都具有一個區別於其他邊緣SoC的特點，並行運行多個神經網路。
邊緣端實力增強，初創公司面臨更大生存壓力
英偉達在雲端AI晶元市場獲益頗豐，其中非常重要的原因就是擅長並行計算的GPU能夠在在數據中心的各種模型中訓練時體現出性能優勢。雖然憑借雲端AI晶元成為了眾多AI晶元初創公司想要超越的目標，但英偉達也有自己的困擾。首先，為AI優化和設計的高性能GPU價格昂貴，讓不少開發者望而卻步。

其次，隨著AI演算法的逐步成熟，雲端AI訓練晶元市場的增速將會放緩，英偉達想要保持業績的增長以及在AI市場的領導力，就需要向邊緣AI市場拓展，同時，用雲端加邊緣一體化的解決方案吸引更多客戶。
從面向終端和邊緣設備的Jetson系列晶元的布局來看，英偉達早已明白自己該怎麼做。如今，Jetson系列晶元算力從0.5TFlops到32TOPS，應用覆蓋小型嵌入式設備、智能汽車、工業設備等多種應用。今天高性能小尺寸Jetson Xavier NX發布，讓Jetson家族能夠提供性能和功耗更加多樣的邊緣晶元，這背後就是為了滿足AIoT市場多樣化的市場需求。
不過，更應該看到的是，英偉達如今不僅能夠提供雲端和終端AI晶元硬體，其成功背後還有強大的軟體生態的支撐。據雷鋒網了解，Jetson系列已經吸引了40萬的開發者，擁有了3000用戶。

這對於AI晶元的初創公司而言顯然不是一個好消息，由於雲端AI晶元更加依賴生態，晶元的設計難度也更大，所以大部分AI晶元的初創公司都選擇在邊緣端市場，並且大都主要提供AI加速器。AI晶元初創公司們希望憑借獨特的架構設計以及領先的性能指標的晶元獲得市場的認可。
然而，開發者在進行AI演算法遷移的時候往往需要使用AI晶元公司提供的編譯器等工具，這不僅會增加軟體開發者的使用門檻，還可能達不到預期的效果。因此，初創公司的AI晶元大部分都沒有得到非常有價值的應用。
這就意味著，AI晶元初創公司們在產品設完成並流片之後，如何找到合適的市場以及模式進行商業化變得非常關鍵，特別是在資本寒冬以及AI晶元進入落地戰的當下。
顯然，AI晶元初創公司們面臨著更加嚴峻的生存挑戰，一方面，無論是英偉達還是英特爾，他們在雲端和邊緣端都已經有競爭力很強的產品，在邊緣端，憑借軟體生態以及渠道的優勢，巨頭們的晶元更容易獲得客戶，甚至連擅長軟體的Google都推出了面向邊緣市場的Google Edge TPU。另一方面，AI晶元初創公司想要推出有競爭力的產品就必須不斷迭代和投入，這就需要資金的持續支持，但融資環境以及更加激烈的市場競爭又增加了融資的難度。
正如雷鋒網在今年3月份的文章中指出的，AI晶元的戰火已經蔓延至邊緣端，Jetson Xavier NX的推出不僅是英偉達邊緣端AI晶元布局的完善和實力的進一步增強，更是邊緣端晶元市場競爭更加激烈的標志。
AI晶元市場更加激烈的競爭有助於推動AI的向前發展，但對於實力較弱的AI晶元初創公司而言，隨著晶元巨頭們更有競爭力產品的推出，以及像英偉達這樣的公司更願意稱自己為系統公司，而非單純的晶元公司，這讓AI晶元初創公司面臨著更加嚴峻的生存挑戰。

B. GPU的位寬是多少

核心，對於運算單元也就是流處理器的性能而言，顯卡一般用單精度浮點運算性能來衡量，一般是流處理器單元總數x流處理器頻率（不是核心頻率）x2，也就是通常說得某某顯卡運算性能達到多少gflops或tflops，真沒看到某某顯卡核心達到多少GB/s

C. GPU運算比CPU快很多倍嗎

GPU運算是比CPU快很多倍。

CPU運行的是復雜指令，可以進行各種運算，所謂樣樣精樣樣松；而GPU指令集簡單，工程師就可以將大部分晶體管投入數據運算，所以GPU在圖形處理方面要比CPU快很多。

一、CPU 和 GPU 是為了不同的計算任務而設計的：

1、CPU 主要為串列指令而優化，而 GPU 則是為大規模的並行運算而優化。

2、從並行的角度來看，現代的多核 CPU 針對的是指令集並行（ILP）和任務並行（TLP），而 GPU 則是數據並行（DLP）。

3、在同樣面積的晶元之上，CPU 更多的放置了多級緩存（L1/L2/LLC）和指令並行相關的控制部件（亂序執行，分支預測等等），而 GPU 上則更多的是運算單元（整數、浮點的乘加單元，特殊運算單元等等）

4、GPU 往往擁有更大帶寬的 Memory，也就是所謂的顯存，因此在大吞吐量的應用中也會有很好的性能。

二、其次GPU真正的速度優勢並沒有宣傳中的那麼大，這主要是因為：

1、所看到的這些比較中，並沒有很好的利用上 CPU 中的 SIMD 運算部件。

2、GPU的運算任務無法獨立於CPU而執行，運算任務與數據也必須通過匯流排在GPU與CPU之間傳輸，因此很多任務是無法達到理論加速的。

(3)gpu算力tflops擴展閱讀：

GPU功能作用：

顯卡的處理器稱為圖形處理器（GPU），它是顯卡的「心臟」，與CPU類似，只不過GPU是專為執行復雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。某些最快速的GPU集成的晶體管數甚至超過了普通CPU。

時下的GPU多數擁有2D或3D圖形加速功能。如果CPU想畫一個二維圖形，只需要發個指令給GPU，如「在坐標位置（x, y）處畫個長和寬為a×b大小的長方形」，GPU就可以迅速計算出該圖形的所有像素，並在顯示器上指定位置畫出相應的圖形，畫完後就通知CPU 「我畫完了」，然後等待CPU發出下一條圖形指令。

有了GPU，CPU就從圖形處理的任務中解放出來，可以執行其他更多的系統任務，這樣可以大大提高計算機的整體性能。

D. TFlops/s 是什麼計數單位啊

所謂petaflop，是衡量計算機性能的一個重要單位，1petaflop等於每秒鍾進行1千萬億次的數學運算。

當今最快的並行計算操作可以達到teraflop量級的速度。美國的國家科學基金會，連同NASA和DARPA一起，已經為構想一個petaflop計算機贊助八個研究計劃。一個petaflop計算機會實際上需要一個在相同的問題方面的平行工作的龐大數量的計算機。

所謂petaflop，其應用可能包括外科手術中的實時核磁共振成像，以計算器為基礎的麻醉葯設計、天體物理學的模擬、環境污染的模型建立和研究長期氣候。

(4)gpu算力tflops擴展閱讀

我國製造的天河二號超級電腦於近日問鼎了世界超級電腦500強。據悉這台電腦問世的時間比原定計劃早了不少，它採用了32,000 顆Xeon 處理器，同時還配有48,000 顆 Xeon Phi 加速處理器。其運算速度達到了33.85 Petaflop，差不多是上一個冠軍 Titan 的兩倍。

全系統包含6144個通用處理器（CPU）和5120個加速處理器（GPU），僅系統級軟體就有20多萬行代碼。按照每人每個小時寫20行代碼的速度，需要寫1萬小時。互聯通信網路的單根線傳輸速率為10Gbps，這是目前國際上最快的速率，相當於在「天河一號」計算機內部修了一條信息高速公路。

E. 小顧講堂：相同功耗的CPU和GPU哪個算力更強

相同功耗的，也就是常見百w以內的CPU和gpu，顯卡是gtx1050ti功耗75w，像gtx1060功耗130w，CPU可以是i7六核十二線程級別，還是CPU性能是專門用於數據處理的，性能相對較強，
如果排除功耗，高端獨顯晶元運算性能早就超過了CPU速度。

F. 英偉達的 Tesla GPU 性能有多強勁，跟普通 GPU 的主要區別是什麼

目前高端的NVIDIA顯卡有Geforce，Quadro，Tesla 三個系列的產品，並且他們都支持 NVIDIA CUDA並行計算平台。 然而 NVIDIA GeForce 和 NVIDIA Quadro 分別是為消費級圖形處理和專業可視化而設計的，只有 Tesla 產品系列是完全針對並行計算而設計的，可提供獨有的計算特性。由於Tesla系列產品的專業性，所以就註定了它肯定要用在相關的領域，比如：地震處理, 信號與圖像處理, 視頻分析等對圖形運算要求比較高的行業。

再就是英特爾的PHI卡了，也是GPU運算，與Tesla也不分上下。

我們是麗台DAILI，有問題HI。

G. 3090算力多少tflops

3090算力能達到35.6TFLOPS。

是每秒所執行的浮點運算次數（英文：Floating-point operations per second；縮寫：FLOPS）的簡稱，被用來評估電腦效能，尤其是在使用到大量浮點運算的科學計算領域中。

正因為FLOPS字尾的那個S，代表秒，而不是復數，所以不能夠省略。

浮點運算實際上包括了所有涉及小數的運算，在某類應用軟體中常常出現，比整數運算更費時間。現今大部分的處理器中都有浮點運算器。因此每秒浮點運算次數所量測的實際上就是浮點運算器的執行速度。

而最常用來測量每秒浮點運算次數的基準程序（benchmark）之一，就是Linpack。

H. 有沒有人測過2400G的GPU算力是多少

2400g的vega沒有顯存，但凡此類集成顯卡，很多挖礦工具直接不能運行的，而且，就算能也沒有用，人家用rx560一台機器可以接至少6塊，而2400g根本不能多個一起用，一個2400g必須對應一塊主板，這個成本比顯卡挖高了非常多。

I. 1080ti算力多少tflops

萊特幣是1.8G的算力。全網算力才8600Gh/s，1080ti顯卡獨佔1/4700。







以太幣（ETH），算力才32MH/s，1070都有40MH/s了。很多人說1080Ti算力拉不上去是因為gddr5x顯存延遲高，果然還是A卡的挖礦好，網上看到別人說480都能有65MH/s的算力。







ZEC幣，算力724Sol/s，接近三張10603G的算力，總價比3張1060貴個2K軟妹幣。但相比供不應求的A卡RX4808G，3張價格才5K不到，算力卻有900+Sol/s，不過有價無市也白搭。

J. 現在的手機哪個的GPU最強

如下圖，最強GPU為蘋果A12Z處理器的GPU Apple x8，約為 1.2TFlops 到 1.4TFlops。