Der KI-Supercomputer von Nvidia und der Universität Florida soll der leistungsfähigste seiner Art im akademischen Umfeld werden.
Nvidia und die Universität Florida wollen den weltweit schnellsten KI-Supercomputer im akademischen Bereich bauen. Das Projekt wird mehr als 70 Millionen US-Dollar kosten.
UF-Alumni und Nvidia-Mitgründer Chris Malachowsky stellt 25 Millionen US-Dollar zur Verfügung, weitere 25 Millionen US-Dollar für Hardware, Software, Schulungen und andere Dienstleistungen kommen direkt von Nvidia. Die Universität Florida will außerdem deutlich mehr als 20 Millionen US-Dollar für die Integration des Supercomputers in das eigene Campus-Datencenter investieren.
Der neue Supercomputer kommt als Upgrade des existierenden Supercomputers "HiPerGator" der Uni Florida. Der "HiPerGator 3" läuft nach dem Umbau auf Nvidias DGX SuperPOD-Architektur. Der neue Supercomputer soll laut Nvidia "700 Petaflop KI-Leistung" bieten und Anfang 2021 an den Start gehen.
Das System ist mit 140 DGX A100-Systemen ausgerüstet, die von 1.120 A100 Tensor Core-GPUs angetrieben werden bei vier Petabyte Hochleistungsspeicher. Ein Nvidia Mellanox HDR 200Gb/s InfiniBand Netzwerk soll für einen hohen Datendurchsatz bei niedriger Netzwerklatenz sorgen.
30.000 Nachwuchs-KI-Forscher sollen die großen Probleme lösen
Mit dem Supercomputer sollen die KI-Forscher der Universität Florida die großen Herausforderungen angehen, die auf die Welt warten: Künstliche Intelligenz soll neue Ansätze und Lösungen finden bei Themen wie Klimaschutz, dem steigenden Meeresspiegel, der Bevölkerungsalterung, Datensicherheit, personalisierte Medizin, dem städtischen Nahverkehr oder der Nahrungsmittelversorgung.
Bis 2030 will die Universität Florida 30.000 Absolventen mit KI-Know-how ausgebildet haben. Der Supercomputer erfüllt bei diesem Unterfangen eine wichtige Rolle: Er dient als Leuchtturm, der talentierten Nachwuchs mit großen KI-Projekten lockt. OpenAIs neue Text-KI GPT-3 beispielsweise beweist, dass beim KI-Training mehr Rechenleistung zu besseren Ergebnissen führen kann - und die Performanceschwelle ist noch nicht erreicht.
Auch Nvidia profitiert von der Kooperation: Die Nachwuchsforscher lernen schon während ihrer Zeit an der Universität den Umgang mit Nvidia Hard- und Software.
Quelle: Nvidia
