Diese Internetseite verwendet Cookies, um die Nutzererfahrung zu verbessern und den Benutzern bestimmte Dienste und Funktionen bereitzustellen.Cookies erlauben
Eine GPU, auch Grafikprozessor oder Graphics processing unit genannt, führt mathematische Berechnungen von Daten besonders schnell durch. Grafikintensive Programme, etwa in der Forschung und Entwicklung, haben in der Vergangenheit zunehmend zur Beeinträchtigung der zentralen Recheneinheit (CPU) eines Servers geführt. Entsprechend ist GPU Computing heute ein Standard für rechenintensive Prozesse. Während die CPU die klassischen Rechenleistungen ausführt, übernimmt der Grafikprozessor die anspruchsvollen Aufgaben und entlastet so den eigentlichen Prozessor. Im Ergebnis beschleunigen Unternehmen durch die bessere Leistung der Server ihre Arbeitsprozesse und Produktionsabläufe.
GPUs erledigen parallel mehrere Aufgaben
Moderne GPUs zerlegen die eigentliche Rechenaufgabe in mehrere Unteraufgaben und bearbeiten diese parallel. Dafür sind sie mit einer Vielzahl an Kernen ausgerüstet: Während CPUs in der Regel vier bis 64 Kerne haben, verfügen neueste GPUs über mehrere Tausend Kerne, welche zudem noch virtuell unterteilt sind. So kann jeder Kern mehrere Aufgaben erfüllen.
Die rasante Entwicklung der Digitalisierung und Datenverarbeitung wäre ohne leistungsstarke GPUs nicht möglich gewesen. Ob im Bereich der Medizin, Materialwissenschaft, in der Produktion oder Forschung: Ingenieure und Techniker nutzen die parallel arbeitenden Helfer in den Servern für ihre immensen Berechnungen von Daten. Da diese Menge an zu verarbeitenden Daten zukünftig nicht weniger, sondern mehr wird, nimmt demnach auch die Bedeutung von GPUs zu.
KI, Machine Learning und Deep Learning
Um die künstliche Intelligenz weiter zu entwickeln, müssen die Unternehmen immer mehr Daten immer schneller sammeln und auswerten. Diese sehr rechenintensiven Aufgaben benötigen leistungsstarke GPUs. Durch die Tausenden von Kernen und die parallele Architektur verarbeiten Grafikprozessoren kleinere Datensätze in wenigen Sekunden statt in vier bis fünf Minuten durch eine CPU. Bei besonders hohem Datenvolumen, wie etwa beim Deep Learning, reduzieren sich die Zeiten von Wochen auf Tage. Speziell für KI entwickelte GPUs schaffen mittlerweile eine Rechenleistung von 100 Tera Fließkommaoperationen pro Sekunde (TeraFLOPS). Führende Hersteller entwickeln zunehmend speziell für die KI-Forschung eigene GPUs.
Bei Fragen hilft Ihnen gerne unser Experten-Team - auch wenn es um passende weitere Komponenten wie RAM, HDD oder Controller geht.
Auftragsbezogen (Lieferzeit 2-3Tage)
