Мы все прекрасно знакомы с термином CPU (Central Processing Unit или центральный процессор). Несколько лет назад в обиходе появился и термин GPU (Graphics Processing Unit или графический процессор), к которому мы тоже достаточно быстро привыкли. Но сегодня в статьях на тему искусственного интеллекта и машинного обучения все чаще стали использоваться такие понятия, как NPU (Neural Network Processing Unit или нейронный сетевой процессор) и TPU (Tensor Processing Unit или тензорный процессор). На самом же деле, GPU, NPU, TPU — это специализированные процессоры, только предназначенные для решения разных задач. Они могут в некоторой степени снизить нагрузку на CPU, позволяя использовать ресурсы центрального процессора для других вычислительных задач. Поэтому то, какой процессор нужен пользователю, определяется приложениями и задачами, с которыми он работает.

• CPU (Central Processing Unit). Он имеет меньше ядер и разработан специально для общих вычислений. CPU также можно рассматривать как мозг компьютера, сервера или NAS, отвечающий за выполнение команд и программ, запущенных операционной системой и приложениями, поэтому скорость работы системы и приложений непосредственно связана с производительностью CPU.
• GPU (Graphics Processing Unit). Микропроцессор, предназначенный для выполнения графических операций, который структурирован сотнями или тысячами арифметико-логических устройств и способен параллельно обрабатывать большие объемы вычислений. Он может быть представлен как встроенными в центральный процессор графическими чипами, так и на автономных графических картах. Помимо обычного использования для рендеринга графики в 3D-играх, GPU особенно полезны для выполнения алгоритмов анализа, глубокого обучения и машинного обучения, и их применение, безусловно, не ограничивается обработкой изображений.
• NPU (Neural Network Processing Unit). NPU разработан специально для ускорения приложений искусственного интеллекта с помощью процессоров, имитирующих нейронную систему человека. Он энергоэффективен, подходит для долгосрочного использования и идеален для непрерывных вычислительных задач искусственного интеллекта, таких как генерация изображений, распознавание лиц и т.д.
• TPU (Tensor Processing Unit). TPU — это процессор, разработанный компанией Google специально для ускорения задач машинного обучения. В отличие от графических процессоров, TPU предназначены для крупномасштабных вычислений с невысокой точностью. Исследования Google показывают, что в задачах вывода искусственного интеллекта с использованием нейронных сетей производительность TPU в 15-30 раз выше, чем у современных графических процессоров и центральных процессоров. Однако, поскольку спрос не может быть в достаточной степени удовлетворен предложением из-за ограниченного числа производителей, TPU стоят очень дорого.

Как работает GPU на QNAP NAS? В чем заключаются преимущества встроенных или внешних GPU?

GPU на QNAP NAS — это либо GPU, интегрированные в центральный процессор, либо внешние графические карты, которые пользователи могут установить посредством слота PCIe. Встроенный GPU в CPU может ускорить процесс обработки файлов для видео, позволяя быстро преобразовывать большие файлы в форматы, которые можно легко просматривать на различных устройствах. Например, QNAP NAS TVS-h674T со встроенным GPU в 1,5 раза быстрее по скорости преобразования файлов, чем предыдущее поколение TVS-674XT без встроенного GPU, что значительно экономит время преобразования файлов. Больше информации о моделях QNAP NAS со встроенным GPU можно получить по этой ссылке.

Когда QNAP NAS использует GPU на внешней видеокарте с интерфейсом PCIe, в дополнение к повышению производительности при работе с видеофайлами, пользователь также может увеличить скорость работы графических приложений и производительность при отображении виртуальных машин с помощью функции GPU Pass-through.

Как работает NPU на QNAP NAS и в чем преимущества NPU?

NPU в QNAP NAS ускоряет работу QNAP AI Core. Например, умное распознавание изображений в альбомах QuMagie с помощью искусственного интеллекта, распознавание текста на изображениях приложением Qsirch AI OCR, распознавание лиц с помощью QVR Face Insight и подсчет людей в QVR Human — все эти приложения используют NPU для повышения эффективности искусственного интеллекта.

Одним из примеров NAS, специально разработанных для приложений распознавания изображений с помощью искусственного интеллекта, является новое поколение TS-AI642 AI, оснащенное 64-битным восьмиядерным процессором ARM со встроенным нейронным процессором (NPU) с вычислительной производительностью в 6 TOPS. Благодаря встроенному NPU TS-AI642 AI может выполнить распознавание лиц всего лишь за 0,2 секунды. По сравнению с моделью NAS того же класса с 6 отсеками, скорость распознавания текста OCR на изображениях с помощью искусственного интеллекта, выполняемая TS-AI642 AI, демонстрирует значительное улучшение производительности на 20%. Более подробную информацию о моделях QNAP NAS со встроенным NPU вы можете получить по этой ссылке.

QNAP NAS поддерживает установку Edge TPU, который может помочь в работе таким приложениям, как QNAP QVR Face, выполнять распознавание лиц в режиме реального времени во время динамического анализа входящих видеопотоков. Это снижает нагрузку на центральный процессор NAS и особенно подходит для приложений, требующих распознавания десятков тысяч лиц, или на охраняемых объектах, одновременно отслеживающих многочисленные видеопотоки. Энергоэффективный ускоритель Edge TPU потребляет всего 0,5 Вт для работы с 4 TOPS (триллионов операций в секунду).

Выбор правильного NAS имеет решающее значение в эпоху искусственного интеллекта

QNAP предлагает разнообразные аппаратные решения и приложения для удовлетворения различных потребностей клиентов. Будь то обработка больших объемов изображений и видео с помощью GPU, ускорение приложений искусственного интеллекта с помощью NPU или повышение производительности в проектах машинного обучения с помощью TPU, QNAP достаточно гибок в предложениях программного и аппаратного обеспечения, а также высокоэффективных операционных систем, позволяющих пользователям эффективно управлять резервными копиями хранилищ данных, выполнять широкий спектр задач с помощью искусственного интеллекта и повышать конкурентоспособность своей компании.