近日，网宿科技宣布升级GPU计算平台。GPU计算平台基于网络主机广泛分布的节点资源，提供高性能的GPU计算资源，可以显著提高图形处理和浮点计算能力，具有灵活性、低成本、简单易用，可广泛应用于AI模型训练、AI推理、图形可视化、视频处理、云游戏、AIGC等应用场景。

网宿科技Edge云平台部总监苏表示，网宿科技此次升级推出了全新的GPU计算平台，这是公司 在计算网络领域的不断深化，希望为各行业的数字化智能升级构建强大的计算支撑，共享AI时代的创新机遇。

众所周知，有了5G、AI、大数据等新一代信息技术的快速发展、元宇宙、VR/AR、云游戏等新的应用场景加速变成现实，带来了大量的计算能力需求。目前人工智能大模型的兴起，大模型的训练和推理过程进一步带动了计算能力需求的爆发，也推动了计算能力需求从通用CPU计算能力向高性能GPU计算能力发展。

根据数据预测，AI时代计算能力的增长已经远远超过了摩尔定律每18个月翻番的速率，预测到2030年全球超级计算能力将达到0.2ZFLOPS，年均增长率超过34%。根据中国信通院发布的报告，2022年我国GPU智能计算能力规模将增长近一倍，达到268EFLOPS，超过一般计算能力规模据估计，2010年中国经济的复合年增长率为100的智能计算能力规模将为52.3%

在巨大的计算能力需求下，业内厂商意识到，谁能提供真正的高性能GPU，谁就能赢得市场、掌握未来。依托海量的资源和深厚的技术能力，网宿科技已经在其中布局。

据悉，网络边缘的GPU计算平台有四大优势首先，一是它提供了对附近边缘的访问，这大大减少了延迟；第二，依托节点分布广的优势，边缘GPU资源可以覆盖全球主流区域；第三，灵活性，实现计算资源的按需使用、优化成本；第四是在处理复杂计算任务时提供强大的计算性能、在大规模数据处理和高性能计算方面表现优异。

苏介绍，网络化的GPU计算平台实现了IaaS、PaaS、SaaS层的全面覆盖目前已经在AI大模型中训练完成、边缘渲染、边缘推理、转码、云游戏、AIGC文生图、登陆等虚拟场景。

以AI大规模训练场景为例AI训练涉及大规模的数据处理和复杂的计算任务，需要大量的计算资源和数据存储空间，对硬件和基础设施构成巨大挑战，成本居高不下。传统的CPU服务器存在效率瓶颈，已经不能满足快速迭代和实时决策的需求。

GPU计算平台的并行计算能力使其能够同时处理多个数据和模型，充分利用硬件资源，在短时间内训练更大的模型、处理更多的数据，从而提高训练的效率。同时，网络化的GPU计算平台提供了计算实例类型和规模的灵活选择，客户可以根据实际需求进行扩展或收缩，成本可以得到优化，无需投资昂贵的硬件设备。

在更接近用户的场景中，包括虚拟人、云游戏等对实时渲染提出了超高的要求，网络主机的GPU计算平台采用边推就近、私有协议推流，可以减少延迟、保证安全稳定，利用GPU强大的并行计算能力和先进的图形渲染技术，实现高质量、逼真的渲染效果帮助客户提升应用的用户体验和市场竞争力。

每一次颠覆性的应用从崛起走向大规模落地，都需要技术作为助推网宿科技希望一如既往地扮演好技术桥梁的角色，赋能客户实现创新应用的快速落地。苏学敏表示。

值得注意的是，在AI计算能力的催化下，GPU市场正在爆发式增长。根据IDC 美国数据，2021年全球GPU市场规模达到约250亿美元，预计2026年将达到550亿美元，年复合增长率（CAGR）为17%增长主要是由于人工智能和深度学习领域对高性能计算资源的强劲需求此外，随着AI技术的普及，越来越多的企业和研究机构开始加大对GPU的投入，进一步推动了市场的扩大。