近日，網宿科技宣布升級GPU計算平臺。GPU計算平臺基于網絡主機廣泛分布的節點資源，提供高性能的GPU計算資源，可以顯著提高圖形處理和浮點計算能力，具有靈活性、低成本、簡單易用，可廣泛應用于AI模型訓練、AI推理、圖形可視化、視頻處理、云游戲、AIGC等應用場景。

網宿科技Edge云平臺部總監蘇表示，網宿科技此次升級推出了全新的GPU計算平臺，這是公司 在計算網絡領域的不斷深化，希望為各行業的數字化智能升級構建強大的計算支撐，共享AI時代的創新機遇。

眾所周知，有了5G、AI、大數據等新一代信息技術的快速發展、元宇宙、VR/AR、云游戲等新的應用場景加速變成現實，帶來了大量的計算能力需求。目前人工智能大模型的興起，大模型的訓練和推理過程進一步帶動了計算能力需求的爆發，也推動了計算能力需求從通用CPU計算能力向高性能GPU計算能力發展。

根據數據預測，AI時代計算能力的增長已經遠遠超過了摩爾定律每18個月翻番的速率，預測到2030年全球超級計算能力將達到0.2ZFLOPS，年均增長率超過34%。根據中國信通院發布的報告，2022年我國GPU智能計算能力規模將增長近一倍，達到268EFLOPS，超過一般計算能力規模據估計，2010年中國經濟的復合年增長率為100的智能計算能力規模將為52.3%

在巨大的計算能力需求下，業內廠商意識到，誰能提供真正的高性能GPU，誰就能贏得市場、掌握未來。依托海量的資源和深厚的技術能力，網宿科技已經在其中布局。

據悉，網絡邊緣的GPU計算平臺有四大優勢首先，一是它提供了對附近邊緣的訪問，這大大減少了延遲；第二，依托節點分布廣的優勢，邊緣GPU資源可以覆蓋全球主流區域；第三，靈活性，實現計算資源的按需使用、優化成本；第四是在處理復雜計算任務時提供強大的計算性能、在大規模數據處理和高性能計算方面表現優異。

蘇介紹，網絡化的GPU計算平臺實現了IaaS、PaaS、SaaS層的全面覆蓋目前已經在AI大模型中訓練完成、邊緣渲染、邊緣推理、轉碼、云游戲、AIGC文生圖、登陸等虛擬場景。

以AI大規模訓練場景為例AI訓練涉及大規模的數據處理和復雜的計算任務，需要大量的計算資源和數據存儲空間，對硬件和基礎設施構成巨大挑戰，成本居高不下。傳統的CPU服務器存在效率瓶頸，已經不能滿足快速迭代和實時決策的需求。

GPU計算平臺的并行計算能力使其能夠同時處理多個數據和模型，充分利用硬件資源，在短時間內訓練更大的模型、處理更多的數據，從而提高訓練的效率。同時，網絡化的GPU計算平臺提供了計算實例類型和規模的靈活選擇，客戶可以根據實際需求進行擴展或收縮，成本可以得到優化，無需投資昂貴的硬件設備。

在更接近用戶的場景中，包括虛擬人、云游戲等對實時渲染提出了超高的要求，網絡主機的GPU計算平臺采用邊推就近、私有協議推流，可以減少延遲、保證安全穩定，利用GPU強大的并行計算能力和先進的圖形渲染技術，實現高質量、逼真的渲染效果幫助客戶提升應用的用戶體驗和市場競爭力。

每一次顛覆性的應用從崛起走向大規模落地，都需要技術作為助推網宿科技希望一如既往地扮演好技術橋梁的角色，賦能客戶實現創新應用的快速落地。蘇學敏表示。

值得注意的是，在AI計算能力的催化下，GPU市場正在爆發式增長。根據IDC 美國數據，2021年全球GPU市場規模達到約250億美元，預計2026年將達到550億美元，年復合增長率（CAGR）為17%增長主要是由于人工智能和深度學習領域對高性能計算資源的強勁需求此外，隨著AI技術的普及，越來越多的企業和研究機構開始加大對GPU的投入，進一步推動了市場的擴大。