
Optimierte Datenverschiebung
Erweiterbare Architektur auf ROCE v2 und DCBx mit vorhandener Serverinfrastruktur des Rechenzentrums
Innovation beschleunigen
Der AMD Alveo™ U55C Beschleuniger wurde für HPC- und Big-Data-Anwendungen entwickelt und ist die leistungsstärkste AMD Alveo Karte.
Der U55C nutzt die Leistungsfähigkeit von AMD Adaptive Computing, um eine im Vergleich zu Architekturen von Wettbewerbern unübertroffen herausragende Performance zu liefern.
Erweitern Sie Ihr System über Hunderte von Alveo U55C Karten auf vorhandener Infrastruktur und im bestehenden Netzwerk mit einer standardbasierten, API-gestützten HPC-Clusterlösung von AMD. Keine proprietäre Hardware, keine Herstellerbindung.
Softwareentwickler und Data Scientists können das Potenzial von Alveo und adaptivem Computing für sich erschließen, wenn sie die High-Level-Programmierbarkeit der Vitis™ Plattform sowohl für die Anwendung als auch für Cluster nutzen.
Die AMD Vitis Unified Software Plattform umfasst eine umfangreiche Reihe von Open-Source-Bibliotheken, die für Performance optimiert wurden. Sie bieten eine sofortige Beschleunigung mit minimalen bis gar keinen Codeänderungen an bestehenden Anwendungen.
Graph-Datenbanken eignen sich hervorragend, um eine Verbindung zwischen isolierten Daten herzustellen und daraus wertvolle Erkenntnisse zu gewinnen. Wenn Sie eine Graph-Datenbank haben, wissen Sie, dass Sie schnelle Antworten am besten durch Beschleunigung erhalten.
Die Alveo U55C Karte kann Abfragezeiten und Vorhersagen für Empfehlungs-Engines von Minuten auf Millisekunden beschleunigen. Die überlegene Rechenleistung und Speicherbandbreite der U55C ermöglicht im Vergleich zu CPU-basierten Clustern eine bis zu 96-mal schnellere Graph-Abfrage bei gleichzeitiger Steigerung der Score-Qualität um bis zu 35 %.
Diese Verbesserung erhöht das Konfidenzniveau und reduziert falsch positive Ergebnisse drastisch auf niedrige einstellige Werte.
TigerGraph setzt mehrere Alveo U55C-Karten ein, um sich die massive Clustering-Fähigkeit von AMD zunutze zu machen und damit die zwei erfolgreichsten Algorithmen zu beschleunigen, auf die sich die graphenbasierten Empfehlungs-Engines Cosine Similarity und Louvain Modularity stützen.
Personalisierte Patientenversorgung in Echtzeit. 96-mal schneller auf AMD.
In diesem Test bot die Alveo U55C Karte eine 96-mal schnellere Performance als eine CPU, auf der die Empfehlungs-Engine Cosine Similarity von TigerGraph ausgeführt wurde. Bei Millionen von Patientendatensätzen lieferte die Karte Ergebnisse innerhalb von Millisekunden.
Betrugserkennung in Echtzeit. 45-mal schneller auf AMD.
Mit der auf der Alveo U55C Karte ausgeführten Graph-Analysedatenbank von TigerGraphs konnte der Louvain Clustering-Algorithmus Betrugsversuche bei Hunderten von Bankkonten 45-mal schneller erkennen.
Die Alveo U55C-Karte eignet sich ideal für die Verarbeitung von Terabyte an Sensordaten in Echtzeit über eine auf Hunderte von Alveo Beschleunigerkarten verteilte dezentrale Verarbeitung.
Die explosionsartige Zunahme der Sensoren an der Edge hat die Dringlichkeit erhöht, Daten in Echtzeit zu verarbeiten.
Standard-GPUs können bei der Ausführung von Clustern für das Streaming von Sensordaten im Hinblick auf Preis, Performance und Leistung einfach nicht mit dem mithalten, was Alveo U55C Karten zu bieten haben.
Legen Sie noch heute los mit der Alveo U55C Beschleunigerkarte. Jetzt verfügbar von AMD und autorisierten Händlern.
Die AMD Alveo U55C High-Performance-Computing-Karte bietet optimierte Beschleunigung für Auslastungen im Bereich High Performance Computing (HPC), Big-Data-Analytik und -Suche, Financial Computing, Computing-Speicher und maschinelles Lernen.
Die AMD Alveo U55C Beschleunigerkarte wurde von Anfang an dafür konzipiert, die beste Leistung pro Watt für HPC- und Big-Data-Auslastungen bereitzustellen. Die Karte bietet die Effizienz und Skalierbarkeit, die von besonders anspruchsvollen Anwendungen verlangt werden.
Melden Sie sich an, um alle Neuigkeiten zum Thema Rechenzentrum zu erhalten oder um mit einem AMD Vertriebsmitarbeiter Kontakt aufzunehmen.