top of page

NVIDIA Vera CPU 플랫폼, HPC로 확장

2일 전
9분 분량

NVIDIA는 2026년 11월 16일 192개 프로세서로 구성된 과학 컴퓨팅 랙을 발표하며, 여전히 CPU에 의존하는 워크로드로 NVIDIA Vera CPU 플랫폼을 확장했다. 이 제안은 데이터 이동과 에너지 효율 측면에서 기존 서버 프로세서에 도전장을 던진다. 그 중요성은 이러한 장점이 실제 애플리케이션, 소프트웨어 마이그레이션, 그리고 전체 클러스터 운영 환경에서도 유지되는지에 달려 있다.

주요 경쟁 구도는 NVIDIA의 통합 접근 방식과 AMD EPYC 및 Intel Xeon 서버의 기반이 되는 프로세서 아키텍처인 기존 x86 시스템 간에 형성된다. NVIDIA는 연구 기관이 프로세서, 메모리, 네트워킹, 냉각을 함께 평가하기를 원한다. 구매자는 이 패키지가 컴퓨팅 환경을 바꿀 만큼 과학적 성과를 충분히 향상시키는지 판단해야 한다.

기후 연구는 구체적인 도입 신호를 제공한다. 독일의 기후 컴퓨팅 센터 DKRZ는 차기 슈퍼컴퓨터의 CPU 파티션으로 Vera를 선택했다. 그러나 이 미래의 설치 프로젝트와 NVIDIA가 새로 발표한 상용 랙은 일정과 구성 면에서 다르다. 어느 쪽도 모든 과학 애플리케이션이 동일한 수준의 혜택을 받을 것임을 입증하지는 않는다.

NVIDIA Vera CPU 플랫폼, 랙 제품으로 전환

이번 발표는 프로세서 제안을 과학 컴퓨팅을 위한 더 폭넓은 인프라 선택지로 확장한다.

NVIDIA의 Vera CPU rack 발표는 CPU 192개, 약 300TB의 메모리, 1페타바이트의 스토리지를 설명한다. 컴퓨팅 노드를 연결하는 네트워크 기술인 Quantum-X800 InfiniBand가 시스템을 연결한다. NVIDIA는 시스템 전체의 피크 메모리 대역폭이 초당 200TB를 넘는다고 제시한다.

마지막 사양은 신중하게 해석해야 한다. 메모리 대역폭은 프로세서가 메모리와 얼마나 빠르게 데이터를 교환할 수 있는지를 측정한다. 전체 피크 수치는 시스템 전반의 이론적 성능을 합산한 것이다. 이는 단일 애플리케이션이 접근할 수 있는 메모리 풀을 설명하거나, 소프트웨어가 광고된 속도를 지속적으로 유지한다고 보장하지 않는다.

이번 발표가 정보 이동이 진전을 제한할 수 있는 애플리케이션을 겨냥한다는 점에서 이 구분은 중요하다. 데이터를 기다리는 프로세서는 연산 자원을 생산적으로 활용할 수 없다. 이러한 지연을 해소하지 않은 채 프로세서를 더 추가하면 과학 작업을 더 빨리 완료하기보다 유휴 자원만 늘릴 위험이 있다.

따라서 이 플랫폼은 단순한 프로세서 교체와는 다른 조달 질문을 제시한다. 구매자는 상호 연결된 구성 요소의 조합을 판단해야 한다. 평가에는 애플리케이션이 작업을 분산하는 방식, 데이터의 위치, 그리고 분리된 계산들이 중간 결과를 얼마나 자주 교환하는지가 포함되어야 한다.

컴퓨팅 노드는 더 큰 시스템에 참여하는 개별 서버다. 강력한 노드 성능은 필수적이지만, 과학 애플리케이션은 다수의 노드에 분산될 때 이러한 장점을 잃을 수 있다. 통신 지연과 불균형한 워크로드도 결과의 일부가 된다.

NVIDIA의 설계는 이러한 상호작용을 제품 스토리의 중심에 둔다. 이는 합리적인 엔지니어링 초점이지만, 통합만으로 우위가 입증되는 것은 아니다. 의미 있는 비교는 여전히 비교 가능한 운영 조건에서 수행된 완전한 과학 작업이다.

상용 제공 시점 역시 정확한 표현이 필요하다. NVIDIA는 2027년 초부터 Dell Technologies, HPE, Lenovo, Supermicro의 랙이 제공될 것으로 예상한다. 11월 발표는 출시 예정 제품을 설명한다. 전체 랙이 즉시 일반 공급된다는 의미는 아니다.

연구 기관에는 이 기간이 평가 창을 제공한다. 팀은 대표 애플리케이션을 식별하고, 소프트웨어 의존성을 검토하며, 인프라를 확정하기 전에 비교 가능한 측정치를 요청할 수 있다. 기술적 수용은 프로그램 실행 여부를 확인하는 것 이상을 포함하기 때문에 초기 계획 수립은 유용하다.

시스템은 허용 가능한 과학적 결과를 내고, 안정적으로 운영되며, 센터의 지원 관행에 부합해야 한다. 이러한 요건은 랙 발표를 중요하게 만들지만, 이미 완료된 배포 사례로 만들지는 않는다. 하드웨어 제안은 정의됐지만, 더 폭넓은 운영상의 근거는 아직 축적돼야 한다.

기후 연구가 효율성을 과학적 제약 조건으로 만든다

DKRZ의 선택은 구매자 관심의 근거를 제공하는 한편, 계획된 시스템은 GPU와 함께 CPU 성능이 여전히 중요한 이유를 보여준다.

GPU 또는 그래픽 처리 장치는 많은 계산을 병렬로 수행한다. DKRZ의 HLRE-5 supercomputer는 Grace Blackwell GPU 파티션과 Vera CPU 파티션을 결합한다. Bull이 이 시스템을 구축하며, 2028년 초 가동에 들어갈 것으로 예상된다.

센터의 발표는 NVIDIA의 11월 랙 발표보다 앞선다. DKRZ는 2026년 10월 21일 계약을 공개했다. 이 연대기는 중요하다. NVIDIA는 새 상용 랙이 이미 기후 연구 현장에 투입됐다고 발표하는 것이 아니라, 기존 고객의 선택을 가리키고 있다.

구성도 다르다. DKRZ는 HLRE-5에 Quantum-2 InfiniBand를 명시한 반면, NVIDIA의 새 랙 발표에는 Quantum-X800이 언급된다. 독자는 이 기후 시스템을 상용 플랫폼에 설명된 모든 구성 요소의 동일한 배포 사례로 간주해서는 안 된다.

DKRZ는 새 시스템에서 5킬로미터 해상도의 전 지구 기후 시뮬레이션 두 개를 동시에 실행할 것으로 기대한다. 현재 Levante 시스템과 비교해 시뮬레이션 연도당 에너지를 약 75% 줄일 것으로 전망한다. 이 예측은 Vera CPU만이 아니라 GPU 역량을 포함한 전체 설치 환경에 관한 것이다.

이러한 구분은 프로젝트의 실용적 해석을 강화한다. 기후 센터에는 전체 연구 프로그램을 지원하는 시스템이 필요하다. 그 선택은 프로세서 벤치마크나 단일 구성 요소의 효율 비율로 축소될 수 없다.

더 상세한 기후 모델이 갖는 계획상 함의를 생각해 보자. 연구자에게는 모델을 실행할 충분한 컴퓨팅 용량이 필요하지만, 반복 실험도 필요하다. 결과는 비교, 검증, 그리고 서로 다른 가정의 탐색을 통해 과학적 가치를 얻는다.

제안된 시스템이 승인된 시뮬레이션당 에너지를 줄인다면, 센터는 선택지를 얻는다. 기존 에너지 할당 안에서 더 많은 실험을 수행하거나 다른 연구를 위해 용량을 남겨둘 수 있다. 이는 예상된 효율이 실제 운영에서도 달성된다는 조건 아래 가능한 운영상 이점이다.

CPU 용량은 연구 워크플로에 두 유형의 프로세서에 배정되는 작업이 포함되므로 이 계산의 일부로 남는다. DKRZ는 GPU에서 실행되지 않는 애플리케이션에서 Vera의 역할을 명시적으로 언급한다. 핵심 질문은 각 파티션이 센터의 실제 워크로드 조합을 얼마나 잘 지원하는가다.

이는 기존 공급업체와 NVIDIA 모두에 압박을 가한다. AMD와 Intel은 대표적인 과학적 결과를 통해 자사 시스템을 방어해야 한다. NVIDIA는 자사의 대안이 필요한 소프트웨어를 지원하고 배포 후에도 지속적인 이점을 제공한다는 점을 보여야 한다.

따라서 도입 신호는 의미 있지만 범위가 제한적이다. DKRZ는 미래 가동일을 전제로 아키텍처 선택을 내렸다. 성공적인 구축과 지속적인 연구 활용은 선택만으로 얻을 수 있는 것보다 더 강한 근거를 제공할 것이다.

메모리 이동이 경쟁의 핵심 메커니즘이다

기존 CPU에 대한 NVIDIA의 도전은 코어 수를 성능의 전부로 보지 않고, 애플리케이션에 데이터를 지속적으로 공급하는 데 초점을 맞춘다.

CPU 코어는 프로세서 내부의 실행 단위다. 스레드는 독립적으로 스케줄링되는 프로그램 명령어 흐름이다. 코어와 스레드가 많을수록 유용한 처리량은 늘어날 수 있지만, 애플리케이션과 주변 시스템이 이를 생산적으로 유지할 때만 그렇다.

NVIDIA는 Vera 프로세서당 Olympus 코어 88개와 스레드 176개를 명시한다. 여기에 서비스 가능한 SOCAMM2 모듈의 저전력 메모리 기술인 LPDDR5X를 결합한다. 회사는 CPU당 최대 초당 1.2TB의 메모리 대역폭을 제시한다.

이 사양들은 의도된 작동 방식을 설명한다. 과학 소프트웨어는 대규모 값 집합에 대해 반복 계산을 수행하는 경우가 많다. 해당 값을 가져오는 데 처리보다 더 긴 시간이 걸리면, 추가 연산 용량만으로는 개선 효과가 제한적이다.

균형은 애플리케이션에 따라 달라진다. 일부 프로그램은 이미 프로세서 가까이에 있는 데이터로 계산하는 데 많은 시간을 쓴다. 다른 프로그램은 메모리에서 정보를 반복적으로 가져온다. 후자의 패턴에 적합한 프로세서가 전자를 자동으로 앞서는 것은 아니다.

독립 연구는 NVIDIA Vera와 x86 비교에 유용한 맥락을 제공한다. Joseph Moore, Thomas Green, Simon McIntosh-Smith는 Grace, AMD Turin, Intel Granite Rapids를 다룬 Vera architecture comparison을 발표했다.

연구진은 테스트한 과학 코드 대부분에서 Vera가 앞섰다고 보고한다. 이들은 Vera의 이점을 주로 메모리 동작과 동시 스레드 처리 방식에 기인한다고 설명한다. 그러나 Vera는 수치값에 대한 산술 연산을 의미하는 부동소수점 계산이 지배적인 일부 워크로드에서는 AMD와 Intel에 뒤처졌다.

이 결과는 보편적인 프로세서 순위보다 더 제한적인 결론을 뒷받침한다. Vera에는 식별 가능한 아키텍처적 강점이 있으며, 테스트된 애플리케이션은 일률적으로 반응하지 않는다. 이 연구는 새로 발표된 전체 랙을 검증한 것이 아니라, 하나의 프로세서 패키지에서 수행되는 작업을 의미하는 단일 소켓 성능을 평가한다.

구매자에게 주는 시사점은 제품을 비교하기 전에 워크로드 특성을 분리해야 한다는 것이다. 메모리 트래픽이 지배적인 센터는 연산이 지배적인 센터와 다른 평가 과제를 가진다. 두 유형을 헤드라인 평균으로 합치면 실제로 중요한 의사결정을 가릴 수 있다.

기존 x86 시스템도 의도된 구성을 반영하는 비교가 필요하다. 메모리 구성, 소프트웨어 튜닝, 프로세서 선택은 결과에 영향을 미친다. 부실하게 구성된 대안은 구매자에게 해당 워크로드에 사용할 수 있는 가장 강력한 실용적 선택지에 대해 거의 알려주지 못한다.

NVIDIA Vera CPU 플랫폼은 이러한 폭넓은 평가를 피할 수 없게 만든다. 이 제안은 프로세서 설계와 메모리 및 시스템 통합을 결합한다. 기존 제품은 애플리케이션 성능, 익숙한 운영 방식, 또는 기존 소프트웨어와의 더 나은 적합성을 통해 여전히 매력적일 수 있다.

한 애플리케이션에는 Vera가 더 적합하고 다른 애플리케이션에는 AMD 또는 Intel 시스템이 더 적합하다고 판단하는 데는 모순이 없다. 과학 컴퓨팅 구매는 프로그램 집합을 지원한다. 구매 결정은 이러한 프로그램이 기관의 연구 우선순위에 어떻게 기여하는지에 달려 있다.

따라서 가장 강력한 경쟁 논거는 어떤 작업이 왜 개선되는지를 밝힐 것이다. 애플리케이션, 운영 조건, 측정 범위를 명시하지 않은 채 아키텍처 승자를 선언하는 것보다 이것이 더 유용하다.

벤치마크 헤드라인은 서로 다른 근거를 갖고 있다

NVIDIA의 기류 측정치, 기상 예측치, 클러스터 비교는 별개의 주장으로 다뤄야 한다.

유체 거동을 시뮬레이션하는 데 쓰이는 소프트웨어 OpenFOAM에 대해 NVIDIA는 x86 비교 시스템 대비 1.9배의 성능을 보고한다. 또한 motorBike Large 기류 테스트에서 와트당 성능이 2.4배라고 보고한다. 이는 특정 워크로드에 대한 NVIDIA의 측정치다.

기상 연구 및 예측 모델인 WRF에 대해서는 발표가 다른 표현을 사용한다. NVIDIA는 x86 대비 성능 1.6배, 에너지 효율 2배를 예상한다. 이 수치는 보도할 때도 예상치라는 상태를 유지해야 한다.

구매 결정에는 이 차이가 실질적으로 중요합니다. 측정 결과는 특정 조건에서 관찰된 결과를 설명합니다. 전망치는 예상 결과에 관한 가정을 더합니다. 둘 다 평가에 참고가 될 수 있지만, 증거로서의 무게는 다릅니다.

NVIDIA의 HPC 성능 브리프는 구성 세부 사항과 추가적인 한계를 제공합니다. 비교 구성에는 AMD EPYC 9755 시스템이 포함되어 있습니다. 클러스터 평가는 Vera를 이전 세대 플랫폼과 비교하며, 경쟁 클러스터를 사용할 수 없었다고 밝힙니다.

이는 클러스터 결과가 입증하는 범위를 제한합니다. 이 결과는 현재 대안과의 완전한 랙 수준 경쟁이 아니라, 시험된 비교에 관한 증거를 제공합니다. 독자는 한 애플리케이션 결과를 모든 과학 워크로드에 대한 주장으로 확대 해석하지 않아야 합니다.

와트당 성능은 경과 시간과도 다른 질문에 답합니다. 경과 시간은 작업 완료에 걸리는 시간을 측정합니다. 와트당 성능은 유용한 작업량과 전력 소비의 관계를 나타냅니다. 기관은 운영 제약에 따라 어느 지표를 우선시할 수도 있습니다.

예를 들어 기상 예보 서비스는 결과가 마감 시간 전에 도착하는지를 고려해야 합니다. 다수의 실험을 계획하는 연구 센터에는 충분한 총처리량도 필요합니다. 한 지표에서 뛰어난 시스템이라도 다른 지표로 평가해야 합니다.

측정 경계도 그만큼 중요합니다. 프로세서 전력, 서버 전력, 시설 에너지는 서로 다른 범위를 나타냅니다. 한 경계에서 유리한 비율을 전체 운영 에너지에 관한 근거 없는 주장으로 바꾸어서는 안 됩니다.

과학적 동등성도 필수 조건입니다. 비교는 해결하려는 문제와 답에 요구되는 품질을 유지해야 합니다. 수치 설정이나 종료 조건을 바꾸면 동등한 개선을 의미하지 않으면서도 실행 시간이 달라질 수 있습니다.

이는 NVIDIA의 측정이 잘못되었다는 증거가 아니라 평가 원칙입니다. 회사는 구매자가 검증할 수 있는 구체적인 주장을 제시했습니다. 다음 단계는 이러한 주장이 각 구매자의 애플리케이션과 운영 조건을 얼마나 잘 설명하는지 확인하는 것입니다.

독립 테스트는 투명한 설정으로 동일한 작업을 검토할 때 신뢰도를 높입니다. 특히 워크로드에 맞춰 선정된 경쟁 시스템을 포함할 때 더욱 가치가 커집니다. 이런 조건에서 유리한 결과를 재현한다면 NVIDIA의 주장은 더 강해질 것입니다.

반대로, 동등한 튜닝 후 우위가 좁혀진다면 구매 판단은 달라질 것입니다. 중요한 결과는 Vera가 어느 영역에서 도움이 되는지 더 명확히 밝히는 것입니다. 한계가 드러난 조건부 우위도 여전히 유용합니다.

소프트웨어 준비 상태가 하드웨어 이득의 활용 가능 여부를 결정한다

과학 팀이 새 시스템에서 애플리케이션을 빌드하고, 검증하며, 유지 관리할 수 있을 때에만 아키텍처 변화는 가치를 제공합니다.

Vera는 프로세서가 이해하는 기계 수준 명령인 Arm 명령어 세트를 사용합니다. 따라서 x86에서 이전하려면 호환되는 소프트웨어 빌드가 필요합니다. 소스 코드에 접근할 수 있으면 도움이 되지만, 모든 종속성이나 성능 문제를 해결해 주지는 않습니다.

NVIDIA는 랙 플랫폼과 함께 HPC SDK 26.11을 발표했습니다. SDK, 즉 소프트웨어 개발 키트는 애플리케이션 빌드에 사용되는 도구를 묶어 제공합니다. 또한 과학 프로그램을 실행 가능한 코드로 변환하는 차세대 Fortran 컴파일러의 공개 베타도 선보였습니다.

HPC 개발 도구는 컴파일, 라이브러리, 성능 분석, 디버깅을 다룹니다. 이러한 역량이 중요한 이유는 애플리케이션 준비 상태에는 최초 빌드 성공 이후 오류와 성능 한계를 찾는 일이 포함되기 때문입니다. 컴파일러의 제공 여부는 평가의 출발점입니다.

베타 표시는 소프트웨어를 사용할 수 없다는 의미를 부여하지 않으면서도 주목할 필요가 있습니다. 이는 구매자가 지원 요구 사항에 맞춰 평가해야 하는 제품 단계를 나타냅니다. 팀은 어떤 컴파일러 버전과 기능이 운영 환경의 기반이 될지 이해해야 합니다.

과학 컴퓨팅에 널리 쓰이는 프로그래밍 언어인 Fortran은 이를 기존 연구 코드와 특히 밀접하게 만듭니다. 기존 프로그램에는 과학적 가정과 검증 작업이 담겨 있습니다. 실행 속도 향상과 함께 이러한 결과를 보존하는 일도 중요합니다.

소스 호환 빌드가 동일한 수치 동작을 보장하지는 않습니다. 팀은 허용된 오차 범위 내에서 결과를 계속 검토해야 합니다. 또한 애플리케이션 라이브러리, 데이터 형식, 지원 유틸리티가 예상대로 동작하는지 확인해야 합니다.

실무적 평가는 전체 연구 과정을 포함해야 합니다. 입력 준비, 계산 실행, 출력 저장, 결과 분석은 모두 처리 완료 시간에 기여합니다. 다른 단계가 주요 지연 요인이 된다면 핵심 계산을 가속해도 가치는 줄어듭니다.

운영 지원도 또 하나의 고려 사항입니다. 관리자는 반복 가능한 설치 절차, 모니터링, 장애 진단이 필요합니다. 연구자에게는 소프트웨어 문제를 보고할 명확한 경로가 필요합니다. 이러한 요구 사항은 서로 다른 애플리케이션을 사용하는 많은 팀을 지원하는 센터에서 특히 중요합니다.

NVIDIA Vera와 x86의 선택에서 기존 시스템은 익숙함이라는 가치를 유지합니다. 이것이 더 나은 성능을 입증하는 것은 아니지만, 전환 작업을 줄일 수 있습니다. NVIDIA의 통합 접근법은 도입에 드는 노력을 상쇄할 만큼 충분한 실질적 이점을 제공해야 합니다.

이는 랙의 광범위한 공급에 앞서 소프트웨어 증거에 대한 압박을 만듭니다. 애플리케이션 빌드 보고서, 문서화된 한계, 재현 가능한 검증 결과는 구매자가 준비 상태와 의도를 구분하는 데 도움이 됩니다. 매력적인 사양만으로는 이러한 기록을 대체할 수 없습니다.

연구 그룹은 평가 과정에서 얻은 내용을 보존해야 합니다. 검색 가능한 지식 베이스는 기술 팀 전반에서 컴파일러 설정, 벤치마크 로그, 검증 결정을 연결할 수 있습니다. 이러한 기록은 이후 검토자가 특정 구성이 수용된 이유를 이해하는 데 도움이 됩니다.

소프트웨어 문제는 궁극적으로 과학적 산출물과 연결됩니다. 더 빠르게 실행되지만 과도한 개입이 필요한 애플리케이션은 일상적인 사용에서 기대에 미치지 못할 수 있습니다. 성공적인 플랫폼은 연구자와 관리자가 지속할 수 있는 반복 가능한 작업을 지원합니다.

Vera의 HPC 진출 범위를 보여 줄 세 가지 신호

다음 증거는 발표된 하드웨어, 재현 가능한 애플리케이션 결과, 실질적인 소프트웨어 준비 상태를 연결해야 합니다.

첫째, 2027년 초 공급 시점이 다가오면서 구체적인 파트너 제품을 지켜봐야 합니다. Dell Technologies, HPE, Lenovo, Supermicro가 지명된 공급업체입니다. 상세 구성과 납품 정보는 발표된 설계가 어떻게 구매 가능한 시스템으로 구현되는지 보여 줄 것입니다.

이 신호가 중요한 이유는 기준 사양이 구현 관련 질문을 남겨 두기 때문입니다. 구매자는 각 공급업체가 무엇을 지원하는지, 제안된 시스템이 자사 시설에 어떻게 맞는지 알아야 합니다. 명확한 제품은 NVIDIA의 랙 전략이 운영상 활용 가능한 단계로 나아가고 있다는 근거를 강화할 것입니다.

공급이 지연되거나 범위가 좁아진다면 단기 도입에 대한 기대는 약화될 것입니다. 이는 프로세서의 기술적 품질을 결정하지는 않습니다. 다만 연구 센터가 완전한 제안을 평가하고 배포할 수 있는 시점은 바뀔 것입니다.

둘째, 단일 프로세서를 넘어 현실적인 클러스터 운영까지 확장되는 애플리케이션 측정 결과를 지켜봐야 합니다. 가장 유용한 결과는 문제 규모, 소프트웨어 설정, 비교 시스템, 에너지 경계를 명시할 것입니다. 또한 동등한 과학적 요구 사항을 유지해야 합니다.

이 결과들은 NVIDIA Vera CPU 플랫폼의 기반 메커니즘을 시험하게 됩니다. 애플리케이션이 노드 전반으로 확장된 뒤에도 장점이 유지된다면 통합 접근법은 더 많은 지지를 얻게 됩니다. 통신 또는 다른 오버헤드가 이를 약화한다면 구매자는 더 제한적인 기대를 가져야 합니다.

이 관찰에는 공급업체 벤치마크에만 의존하지 않는 독립 작업도 포함되어야 합니다. 기존 아키텍처 연구는 이미 워크로드 구분이 중요한 이유를 보여 줍니다. 더 폭넓은 테스트는 이러한 구분이 운영 환경에서도 유사하게 유지되는지 확인할 수 있습니다.

셋째, 발표 후 수개월 동안의 소프트웨어 준비 상태 보고서를 지켜봐야 합니다. 컴파일러 업데이트, 애플리케이션 검증, 문서화된 지원 경험은 구매자가 어느 정도의 전환 작업을 마주하는지 드러낼 것입니다. 이러한 신호는 완전한 슈퍼컴퓨터가 서비스를 시작하기 전에도 나타날 수 있습니다.

긍정적 증거에는 대표적 애플리케이션 전반에서 반복 가능한 빌드와 수용된 과학적 결과가 포함될 것입니다. 지속적인 종속성 문제나 불명확한 지원은 단기 도입 근거를 약화할 것입니다. 어느 결과든 DKRZ의 2028년 초 예상 서비스 시작일까지 기다릴 필요는 없습니다.

DKRZ는 즉각적인 수용 시험이 아니라 장기적인 기준점으로 남습니다. CPU와 GPU를 혼합한 설계는 뚜렷한 요구를 가진 연구 워크로드를 반영합니다. 성공적인 운영은 적절한 수준에서 귀속을 유지한 채 그 완전한 시스템에 관한 증거를 제공할 것입니다.

현재 NVIDIA는 명확히 정의된 하드웨어, 지명된 연구 고객, 검토 가능한 성능 주장으로 신뢰할 만한 제안을 구축했습니다. 또한 경쟁 논의의 중심에 워크로드 적합성을 두었습니다. 구매자는 바로 이 지점에 계속 주목해야 합니다.

팀이 과학 인프라를 평가한다면, 핵심 수치를 비교하기 전에 실제 제약을 가장 잘 대표하는 애플리케이션을 식별하십시오. 해당 입력 데이터, 허용되는 출력 오차 범위, 컴파일러 설정, 측정 경계를 보존하십시오. 핵심 계산 전후 단계를 포함해 각 후보 시스템에 동등한 결과를 요청하십시오. NVIDIA Vera CPU 플랫폼에서는 이러한 증거가 메모리 중심 통합이 연구자가 실제로 완료해야 하는 작업을 개선하는지 보여 줄 것입니다. 파트너 공급 현황, 독립 클러스터 테스트, 소프트웨어 검증을 함께 추적하십시오. 각각은 도입 문제의 서로 다른 부분에 답합니다. 인프라 결정을 바꿀 결과는 무엇입니까? 더 짧은 마감 시간, 더 많은 수용 가능한 시뮬레이션, 아니면 동일한 과학 작업에 필요한 더 낮은 에너지입니까?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page