英偉達宣布將斥資69億美元收購數據中心網絡公司邁絡思（Mellanox），令包括長期關注英偉達的人士在內的許多人感到意外。這是迄今為止英偉達最大的一筆收購。
它之前收購的公司規模要小得多，而且常常以低價收購。相對而言，2001年收購競爭對手3dfx是最貼切的類比，正如筆者所說的那樣，當時英偉達的規模要小得多。購買3dfx資產并雇傭100名員工是一個更合理的舉措，因為新資產可以立即加入英偉達的核心業務——電腦制圖。
而邁絡思則來自一個完全不同的業務領域，數據中心網絡。它的產品補充了英偉達的產品，兩者之間沒有重疊。通過這次收購，英偉達表明了它不僅僅是一家GPU公司的嚴肅態度。隨著其加速器業務的指數級增長，并進入相關網絡，英偉達現在已經是一家數據中心公司。
2019GTC大會邁絡思首席執行官Eyal Waldman（左）、英偉達首席執行官黃仁勛（右）
圖片來源：TIRIAS RESEARCH
收購邁絡思有很多有趣的方面值得探討，包括：英偉達進一步進入以色列科技行業；其它依然留在邁絡思(EZChip和Tilera)的計算相關資產；黃延森的管理風格將如何在以色列發揮作用；邁絡思支持CCIX計算加速器連接協議與NVIDIA自己的NVLink。這些我們留待以后討論，免備案主機，現在讓我們重新認識一下并購后的英偉達。
這一切都始于斯坦福大學在2006年左右的一項發現，使用圖形處理單元(GPU)處理一些計算密集型工作負載，相對于傳統處理器或CPU而言，每瓦特的性能有了顯著提高。原來，所有用于處理像素的小計算元素都可以用于粗略的科學計算。該領域最初被稱為GPU計算。與此同時，圖形也變得越來越復雜，功能齊全的數學處理功能也被添加到GPU中。英偉達的一些人，包括Bill Dally教授和已故的John Nicholls，他們注意到有機會擴展GPU的使用，并在高性能計算(HPC)市場上做出顯著的改變。
因此，英偉達在其GPU中為高性能計算工作負載添加了更多功能，并開發了模仿Quadro專業工作站產品線的特斯拉產品線。該公司還為其GPU開發了CUDA編程框架，但從未支持任何其他GPU。與之競爭的主要GPU供應商AMD選擇等待OpenCL的開發，而OpenCL的開發速度要慢得多。
英偉達在高性能計算領域非常成功，在全球超級計算機500強中名列127位，并為世界上速度最快的兩臺超級計算機提供動力，美國能源部橡樹嶺國家實驗室的Summit和勞倫斯利弗莫爾國家實驗室的Sierra。
黃仁勛介紹其PRADA架構的含義圖片來源：TIRIAS RESEARCH
從芯片到系統
在黃仁勛的主題演講中，他提出數據科學現在是科學方法的第四大支柱。英偉達意識到數據科學家和人工智能研究人員的短缺，因此，這些人的生產力很重要，為了保持這種勢頭，將資源給到更多的開發人員很重要。為此，該公司設計了DGX工作站和服務器，完全裝載CUDA-X工具和庫，用于機器學習研究。該公司正通過戴爾、惠普和聯想等多家系統OEM廠商的新數據科學平臺，將觸角伸向數據科學家。
即使有了新的系統和工具，該行業仍然面臨著從艾字節（Exabyte,EB）級別的新數據和現有數據中整理業務和科學見解的挑戰。這正促使數據科學努力解決數據過多的問題。當自動駕駛汽車完全成型時，免備案空間 香港服務器，它們產生的需要處理的信息將會是EB級別的。這就是為什么英偉達認為越來越多的數據中心將需要內置人工智能處理來對所有這些數據進行排序。
超級計算機和超大規模數據設施
在HPC方面的工作中，英偉達專注于在非常大的問題(按比例放大)上實現最大的計算性能。超大規模數據中心通常有許多計算任務同時運行(向外擴展)。數據科學的需求正好處于大數據集和多用戶之間，并且具有向上和向外擴展的特性。
為了滿足這些不同的需求，英偉達已經與邁絡思建立了許多服務器項目，邁絡思提供機架網絡。由于邁絡思的成功，它成為了各大元器件和云服務公司的收購目標，包括英特爾和微軟等公司。
然而，邁絡思沒有選擇這些公司中的任何一家，而是選擇了像英偉達這樣更友好的合作伙伴。當有機會成為邁絡思的買家時，黃仁勛欣然接受了這個機會。隨著Hadoop、SPARC和RAPIDS等數據分析程序所帶來的日益增長的容器化和工作負載的超伸縮性，他看到機架到機架的通信呈指數級增長，這通常被稱為數據中心中的自東向西通信。因此，低延遲網絡已成為創建計算結構的關鍵。邁絡思的網絡技術可以使數據中心足夠靈活，以適應這些不斷變化的工作負載。邁絡思的關鍵開發是將網絡任務從CPU轉移到加速器，在未來，它將把人工智能添加到其切換產品中，以更有效地移動數據。
