gpu算力tflops

A. 21tops算力相当于什么显卡

英伟达的一个Jetson Xavier NX就是21tops算力。
11月7日，英伟达宣布推出全球尺寸最小的边缘AI超级计算机Jetson Xavier NX，主要面向机器人和边缘嵌入式计算设备。这款新品拥有比信用卡还小的外形，节能型Jetson Xavier NX模块在运行AI工作负载时，可提供最高21 TOPS的服务器级性能，售价399美元，即将在2020年3月开始出货。英伟达推出更具竞争力的边缘AI芯片产品，让AI初创公司们面临更大的竞争压力。

英伟达边缘AI芯片已经有四个系列
今天发布的Jetson Xavier NX最大的亮点在于，与Jetson Nano尺寸相同（70X45mm）的情况下，能够在功耗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能够并行运行多个神经网络，也能同时处理来自多个高分辨率传感器的数据。
Jetson Xavier NX模块具体的规格如下：
GPU：配备384个 NVIDIA CUDA core和48 个Tensor core的 NVIDIA Volta，外加2个NVDLA
CPU：6-core Carmel Arm 64位CPU, 6MB L2 + 4MB L3
视频：2x 4K30 编码和2x 4K60解码
摄像头：最多6个 CSI摄像头（通过虚拟通道最多36个），12路（3x4或6x2） MIPI CSI-2
内存：8GB 128位LPDDR4x；51.2GB/秒
连接：千兆以太网
OS支持：基于Ubuntu的 Linux
模块尺寸：70x45mm
Jetson Xavier NX面向的是对性能需求高，但受到尺寸、重量、功耗以及预算限制的嵌入式边缘计算设备，比如小型商用机器人、无人机、智能高分辨率传感器（用于工厂物流和生产线）、光学检测、网络录像机，便携式医疗设备以及其他工业物联网（IoT）系统。
为了满足这些场景，除了硬件外，软件支持也非常重要。英伟达表示，对于已经开始打造嵌入式计算机的公司，Jetson Xavier NX与所有Jetson系列产品一样都可以在相同的CUDA-X AI软件架构上运行。同时，作为NVIDIA软件架构方法的一部分，Jetson Xavier NX由NVIDIA JetPack SDK提供支持。
NVIDIA JetPack SDK是一个完整的AI软件堆栈，可以运行复杂的AI网络，并用于深度学习的加速库以及计算机视觉、计算机图形、多媒体等。

Jetson Xavier NX的上一款产品是在今年3月的GTC发布，英伟达创始人兼 CEO 黄仁勋宣布推出售价仅99美元的Jetson Nano。根据官方的说法，借助CUDA-X，Jetson Nano可以提供472 GFLOPS的AI性能，功率低至5W。这款售价不高，能够运行所有AI模型的边缘计算平台发布后获得了极大的关注。
Jetson Nano的上一款产品在去年发布。去年九月的日本GTC，黄仁勋公布了AGX阵容，包括Drive Xavier和新推出的Drive Pegasus，还有Jetson AGX Xavier。Jetson AGX Xavier的大规模计算性能可以处理机器人至关重要的测距、定位、测绘、视觉和感知以及路径规划。
Jetson家族更早的产品Jetson TX2在2017年推出，提供两种运行模态：一种是MAX Q，这种模态下能效比能达到最高，是TX1的2倍，功耗在7.5W以下；另一种是MAX P，性能可以做到最高，能效比同样可以做到前一代的2倍，功耗则在15W以下。

虽然推出的时间不同，但他们都具有一个区别于其他边缘SoC的特点，并行运行多个神经网络。
边缘端实力增强，初创公司面临更大生存压力
英伟达在云端AI芯片市场获益颇丰，其中非常重要的原因就是擅长并行计算的GPU能够在在数据中心的各种模型中训练时体现出性能优势。虽然凭借云端AI芯片成为了众多AI芯片初创公司想要超越的目标，但英伟达也有自己的困扰。首先，为AI优化和设计的高性能GPU价格昂贵，让不少开发者望而却步。

其次，随着AI算法的逐步成熟，云端AI训练芯片市场的增速将会放缓，英伟达想要保持业绩的增长以及在AI市场的领导力，就需要向边缘AI市场拓展，同时，用云端加边缘一体化的解决方案吸引更多客户。
从面向终端和边缘设备的Jetson系列芯片的布局来看，英伟达早已明白自己该怎么做。如今，Jetson系列芯片算力从0.5TFlops到32TOPS，应用覆盖小型嵌入式设备、智能汽车、工业设备等多种应用。今天高性能小尺寸Jetson Xavier NX发布，让Jetson家族能够提供性能和功耗更加多样的边缘芯片，这背后就是为了满足AIoT市场多样化的市场需求。
不过，更应该看到的是，英伟达如今不仅能够提供云端和终端AI芯片硬件，其成功背后还有强大的软件生态的支撑。据雷锋网了解，Jetson系列已经吸引了40万的开发者，拥有了3000用户。

这对于AI芯片的初创公司而言显然不是一个好消息，由于云端AI芯片更加依赖生态，芯片的设计难度也更大，所以大部分AI芯片的初创公司都选择在边缘端市场，并且大都主要提供AI加速器。AI芯片初创公司们希望凭借独特的架构设计以及领先的性能指标的芯片获得市场的认可。
然而，开发者在进行AI算法迁移的时候往往需要使用AI芯片公司提供的编译器等工具，这不仅会增加软件开发者的使用门槛，还可能达不到预期的效果。因此，初创公司的AI芯片大部分都没有得到非常有价值的应用。
这就意味着，AI芯片初创公司们在产品设完成并流片之后，如何找到合适的市场以及模式进行商业化变得非常关键，特别是在资本寒冬以及AI芯片进入落地战的当下。
显然，AI芯片初创公司们面临着更加严峻的生存挑战，一方面，无论是英伟达还是英特尔，他们在云端和边缘端都已经有竞争力很强的产品，在边缘端，凭借软件生态以及渠道的优势，巨头们的芯片更容易获得客户，甚至连擅长软件的Google都推出了面向边缘市场的Google Edge TPU。另一方面，AI芯片初创公司想要推出有竞争力的产品就必须不断迭代和投入，这就需要资金的持续支持，但融资环境以及更加激烈的市场竞争又增加了融资的难度。
正如雷锋网在今年3月份的文章中指出的，AI芯片的战火已经蔓延至边缘端，Jetson Xavier NX的推出不仅是英伟达边缘端AI芯片布局的完善和实力的进一步增强，更是边缘端芯片市场竞争更加激烈的标志。
AI芯片市场更加激烈的竞争有助于推动AI的向前发展，但对于实力较弱的AI芯片初创公司而言，随着芯片巨头们更有竞争力产品的推出，以及像英伟达这样的公司更愿意称自己为系统公司，而非单纯的芯片公司，这让AI芯片初创公司面临着更加严峻的生存挑战。

B. GPU的位宽是多少

核心，对于运算单元也就是流处理器的性能而言，显卡一般用单精度浮点运算性能来衡量，一般是流处理器单元总数x流处理器频率（不是核心频率）x2，也就是通常说得某某显卡运算性能达到多少gflops或tflops，真没看到某某显卡核心达到多少GB/s

C. GPU运算比CPU快很多倍吗

GPU运算是比CPU快很多倍。

CPU运行的是复杂指令，可以进行各种运算，所谓样样精样样松；而GPU指令集简单，工程师就可以将大部分晶体管投入数据运算，所以GPU在图形处理方面要比CPU快很多。

一、CPU 和 GPU 是为了不同的计算任务而设计的：

1、CPU 主要为串行指令而优化，而 GPU 则是为大规模的并行运算而优化。

2、从并行的角度来看，现代的多核 CPU 针对的是指令集并行（ILP）和任务并行（TLP），而 GPU 则是数据并行（DLP）。

3、在同样面积的芯片之上，CPU 更多的放置了多级缓存（L1/L2/LLC）和指令并行相关的控制部件（乱序执行，分支预测等等），而 GPU 上则更多的是运算单元（整数、浮点的乘加单元，特殊运算单元等等）

4、GPU 往往拥有更大带宽的 Memory，也就是所谓的显存，因此在大吞吐量的应用中也会有很好的性能。

二、其次GPU真正的速度优势并没有宣传中的那么大，这主要是因为：

1、所看到的这些比较中，并没有很好的利用上 CPU 中的 SIMD 运算部件。

2、GPU的运算任务无法独立于CPU而执行，运算任务与数据也必须通过总线在GPU与CPU之间传输，因此很多任务是无法达到理论加速的。

(3)gpu算力tflops扩展阅读：

GPU功能作用：

显卡的处理器称为图形处理器（GPU），它是显卡的“心脏”，与CPU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。某些最快速的GPU集成的晶体管数甚至超过了普通CPU。

时下的GPU多数拥有2D或3D图形加速功能。如果CPU想画一个二维图形，只需要发个指令给GPU，如“在坐标位置（x, y）处画个长和宽为a×b大小的长方形”，GPU就可以迅速计算出该图形的所有像素，并在显示器上指定位置画出相应的图形，画完后就通知CPU “我画完了”，然后等待CPU发出下一条图形指令。

有了GPU，CPU就从图形处理的任务中解放出来，可以执行其他更多的系统任务，这样可以大大提高计算机的整体性能。

D. TFlops/s 是什么计数单位啊

所谓petaflop，是衡量计算机性能的一个重要单位，1petaflop等于每秒钟进行1千万亿次的数学运算。

当今最快的并行计算操作可以达到teraflop量级的速度。美国的国家科学基金会，连同NASA和DARPA一起，已经为构想一个petaflop计算机赞助八个研究计划。一个petaflop计算机会实际上需要一个在相同的问题方面的平行工作的庞大数量的计算机。

所谓petaflop，其应用可能包括外科手术中的实时核磁共振成像，以计算器为基础的麻醉药设计、天体物理学的模拟、环境污染的模型建立和研究长期气候。

(4)gpu算力tflops扩展阅读

我国制造的天河二号超级电脑于近日问鼎了世界超级电脑500强。据悉这台电脑问世的时间比原定计划早了不少，它采用了32,000 颗Xeon 处理器，同时还配有48,000 颗 Xeon Phi 加速处理器。其运算速度达到了33.85 Petaflop，差不多是上一个冠军 Titan 的两倍。

全系统包含6144个通用处理器（CPU）和5120个加速处理器（GPU），仅系统级软件就有20多万行代码。按照每人每个小时写20行代码的速度，需要写1万小时。互联通信网络的单根线传输速率为10Gbps，这是目前国际上最快的速率，相当于在“天河一号”计算机内部修了一条信息高速公路。

E. 小顾讲堂：相同功耗的CPU和GPU哪个算力更强

相同功耗的，也就是常见百w以内的CPU和gpu，显卡是gtx1050ti功耗75w，像gtx1060功耗130w，CPU可以是i7六核十二线程级别，还是CPU性能是专门用于数据处理的，性能相对较强，
如果排除功耗，高端独显芯片运算性能早就超过了CPU速度。

F. 英伟达的 Tesla GPU 性能有多强劲，跟普通 GPU 的主要区别是什么

目前高端的NVIDIA显卡有Geforce，Quadro，Tesla 三个系列的产品，并且他们都支持 NVIDIA CUDA并行计算平台。 然而 NVIDIA GeForce 和 NVIDIA Quadro 分别是为消费级图形处理和专业可视化而设计的，只有 Tesla 产品系列是完全针对并行计算而设计的，可提供独有的计算特性。由于Tesla系列产品的专业性，所以就注定了它肯定要用在相关的领域，比如：地震处理, 信号与图像处理, 视频分析等对图形运算要求比较高的行业。

再就是英特尔的PHI卡了，也是GPU运算，与Tesla也不分上下。

我们是丽台DAILI，有问题HI。

G. 3090算力多少tflops

3090算力能达到35.6TFLOPS。

是每秒所执行的浮点运算次数（英文：Floating-point operations per second；缩写：FLOPS）的简称，被用来评估电脑效能，尤其是在使用到大量浮点运算的科学计算领域中。

正因为FLOPS字尾的那个S，代表秒，而不是复数，所以不能够省略。

浮点运算实际上包括了所有涉及小数的运算，在某类应用软件中常常出现，比整数运算更费时间。现今大部分的处理器中都有浮点运算器。因此每秒浮点运算次数所量测的实际上就是浮点运算器的执行速度。

而最常用来测量每秒浮点运算次数的基准程序（benchmark）之一，就是Linpack。

H. 有没有人测过2400G的GPU算力是多少

2400g的vega没有显存，但凡此类集成显卡，很多挖矿工具直接不能运行的，而且，就算能也没有用，人家用rx560一台机器可以接至少6块，而2400g根本不能多个一起用，一个2400g必须对应一块主板，这个成本比显卡挖高了非常多。

I. 1080ti算力多少tflops

莱特币是1.8G的算力。全网算力才8600Gh/s，1080ti显卡独占1/4700。







以太币（ETH），算力才32MH/s，1070都有40MH/s了。很多人说1080Ti算力拉不上去是因为gddr5x显存延迟高，果然还是A卡的挖矿好，网上看到别人说480都能有65MH/s的算力。







ZEC币，算力724Sol/s，接近三张10603G的算力，总价比3张1060贵个2K软妹币。但相比供不应求的A卡RX4808G，3张价格才5K不到，算力却有900+Sol/s，不过有价无市也白搭。

J. 现在的手机哪个的GPU最强

如下图，最强GPU为苹果A12Z处理器的GPU Apple x8，约为 1.2TFlops 到 1.4TFlops。