facebook的big sur 服务器，在设计上运用了高效能的gpu，这也是公司发展人工智能与深度学习技术的利器。

mit technology review实际走访了美国oregon州的prineville，facebook在这个9,000人的小镇存放了数亿用户的数据。在总面积达80万平方英尺的4栋大楼中，安装了一排又一排的电脑。

facebook近期在prinville加了一些运算能力更强的 服务器big sur，搭配强大的gpu芯片，要让软体可以完成更多的任务，例如进行翻译、或担任虚拟助理等。

这些芯片，正是人工智能科技的基础，促进深度学习的发展。现在的软体可以了解图像和语言，正是因为gpu的效能精进，让软体可以处理更大、更复杂的数据。

gpu可以把照片切割成很细的单位，然后同时分析。在每一台big sur 服务器上，都有8个nvidia的gpu。facebook工程师kevin lee并未指出目前facebook有多少个这样的 服务器，不过他表示，目前运作的gpu有数千个。

lee表示，他们会帮助facebook的研究人员训练这些软体，让软体效率变得更快。这些 服务器都是有专门设计的硬体，用于人工智能研究和机器学习。

由于gpu极度耗能，所以不能在 服务器上放得太密集，避免造成所谓的“热点”，造成散热困难。在一个7英尺高的机架中，只能装设8台big sur 服务器；如果是一般的facebook 服务器，可以装30台。

除了prinville的数据中心之外，facebook在ashburn与virginia的数据中心，都有这样的big sur 服务器。目前包括微软(microsoft)、google和百度等，都仰赖gpu进行深度学习研究。

facebook已经公开了big sur的设计。事实上，facebook在2011年启动了开放运算平台计划(open cloud project)，鼓励各家公司一起设计低价、高效能的数据中心硬件。这项计划也让亚洲硬体公司挤压了传统厂商如惠普(hp)和戴尔(dell)的空间。

未来的机器学习 服务器，也可能不会以gpu为核心。许多公司都在研究新的芯片设计。

例如google在5月宣布，已经开始研发自己的芯片设计，名为tpu，专门用来支持语音辨识等功能所需的深度学习软体。nvidia以及新创公司nervana systems等，也在研发客制化的深度学习芯片。

以上是网络信息转载，信息真实性自行斟酌。