昨天，谷歌云平臺宣布，在Google Compute Engine上引入更強大的英偉達GPU。

　　谷歌云想讓英偉達K80 GPU更普遍使用，也開始支持英偉達P100 GPU。與此同時，還推出了一個新的持續(xù)定價模型，幫用戶節(jié)省費用。

　　對需要運行機器學(xué)習(xí)工作負載的公司來說，他們能以分鐘為單位更靈活地使用GPU然后支付。根據(jù)持續(xù)定價模型看，如果最終運行GPU達到一段時間，用戶能得到最多30%的折扣，不會受到巨額賬單的困擾。

　　云GPU能加速工作負載，包括機器學(xué)習(xí)中的訓(xùn)練和推理、地球物理學(xué)數(shù)據(jù)處理、模擬、地震分析、分子建模、基因組學(xué)和許多高性能計算用例。

　　英偉達Tesla P100基于Pascal GPU的體系，用戶可在降低成本的同時用更少的實例提升吞吐量。與K80相比，P100 GPU能以K80的10倍速加速工作負載。

　　△ CPU、K80 GPU和P100 GPU速度對比圖

　　與傳統(tǒng)解決方案相比，云GPU提供了更好的靈活性、性能和更低的成本：

　　靈活性：谷歌的自定義VM shape和增加的云GPU決定了最終的靈活性。用戶可自定義CPU、內(nèi)存、磁盤和GPU配置。

　　性能更快：在透傳模式下云GPU可提供裸機性能。谷歌云在每個VM上安裝了4個P100或8個K80 GPU。對于想提高磁盤性能的用戶，可選擇將3TB的本地SSD附加到任何GPU的VM上。

　　低成本：有了云GPU，用戶可按分鐘數(shù)計費，并有持續(xù)使用折扣。用多少，付多少。

　　△ VM實例在不同等級上的費用

　　云集成：用戶可在所有級別的堆棧中使用云GPU。對于基礎(chǔ)架構(gòu)來說，計算引擎和容器引擎讓用戶使用VM或容器(Container)運行GPU工作負載。對于機器學(xué)習(xí)項目，可視情況將云機器學(xué)習(xí)配置為用GPU減少用TensorFlow大規(guī)模訓(xùn)練模型的時間。

　　目前，P100和K80 GPU在全球四個地區(qū)提供，它們分別為美國西部俄勒岡州、美國東部的南卡羅萊納州、歐洲西部的比利時和亞洲東部的臺灣。所有GPU都有持續(xù)使用折扣，可以降低使用成本。

　　△ 云GPU部署地區(qū)及數(shù)量

　　谷歌的這兩種芯片為進行計算密集型任務(wù)的團隊提供了選擇的靈活性，方便用戶在平衡速度和價格的同時，優(yōu)化運行工作量。