转载

Big Sur：Facebook的开源机器学习硬件

作为人工智能（Artificial Interlligence，AI）领域，尤其是机器学习方向的领头企业，Facebook在机器学习算法方面进行了很多研究，公布并开源了很多相关的成果。近日，Facebook又公布了其下一代的“Big Sur”人工智能硬件框架的信息，并表示将开源其设计细节。

近些年，人工智能和机器学习方向取得了长足的发展。据 Kevin Lee透露，Facebook的AI软件已经能够阅读故事、回答相关场景的问题、玩游戏以及通过一些例子来学习非指定的内容。作为计算密集型的应用，AI软件的性能与数据集规模/硬件性能密切相关。尤其是硬件方面，高性能微处理器、存储器以及图形处理器（Graphics Processing Unit，GPU）的发展为AI算法的快速运行提供了坚实基础。为了进一步更好地服务大规模AI计算，Facebook推出了基于GPU的、用于训练神经网络的“Big Sur”硬件系统。

如上图所示，该硬件系统提供了8个PCI-e插槽，最多可支持8个高性能GPU，其中每个GPU的最高功耗可达300W。而且，系统可以根据需要对GPU的拓扑进行灵活配置。Kevin表示，配备 NVIDIA Tesla M40 加速计算平台的Big Sur系统性能，比上一代系统要提高一倍——训练速度是原来的两倍，探索网络的规模也可达到原来的两倍。而且，Big Sur系统具有更高的灵活性和功耗/制冷效率。Facebook特别针对功耗和散热进行了优化，使得系统仍然可以使用风扇进行散热。

此外，系统进一步优化了系统维护相关的资源。Big Sur已经移除了一些很少使用的组件，并提升了替换硬盘和内存等易损组件的便捷性，使得替换这些组件只需要几秒钟时间即可。而且，原来需要耗费一个小时的移除主板的工作也可在一分钟内完成。除了处理器的散热片以外，该系统基本可以做到免工具安装和移除。在触点的颜色方面，Big Sur系统选用了Facebook一贯使用的Pantone 375 C的绿色，方便工程师设别、访问和移除组件。

Kevin表示，Facebook将会延续之前的做法开源Big Sur系统的设计，并将设计材料提交到开源计算项目。据预测，此项工作的对外发布可能会在明年的OCP峰会上进行。Facebook希望通过这种做法，既为社区做出贡献，又能够与社区合作改进该系统。此外，Facebook的AI研究团队的 Yann LeCun表示，如果更多的企业采用Big sur的设计，该系统的价格也可以随着供货量提升而大幅度下降，从而减少企业的硬件成本。

感谢董志南对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号： InfoQChina ）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入InfoQ读者交流群 Big Sur：Facebook的开源机器学习硬件（已满），InfoQ读者交流群（#2））。