训练服务器系统

如今的世界比以往任何时候都更加紧密互连，数以亿计的物联网设备彼此连接，不断生成海量数据。 数据集被传输至世界各地的云数据中心并存储在其中。经过分析提炼，数据将重新定义人们的交易、交往乃至日常生活。神经网络通过处理数据获取洞察，并以此识别模式对信息进行分类。神经网络训练系统属于计算密集型应用，离不开高性能的系统架构。虽然 CPU 是数据中心的主力设备，但由于人工智能工作负载的高度重复性和并行特性，我们可以通过组合计算设备实现更优化的数据处理。

硬件加速器通常用来加快网络、存储和计算设备的运行，处理工作负载大的任务。 FPGA、GPU 和 ASIC 是硬件加速器，都能用于特定任务中的系统优化。现场可编程逻辑门阵列 (FPGA)：通常用于将网络和存储任务从 CPU 剥离，并加快网络和存储进程。图形处理单元 (GPU)：用于处理并发任务，可以比 CPU 更高效地处理大型数据集。专用集成电路 (ASIC)：是围绕特定工作负载或任务设计的处理器，可实现最佳的能效。超大规模和云数据中心可以处理各种服务，采用多种设备集合来满足需求。

选择以太网和 InfiniBand 等协议来支持网络连接。 TE 高速 I/O 产品组合（如 OSFP 和 QSFP-DD）可实现这些连接。再利用 PCIe 将存储设备、网络接口卡 (NIC) 和硬件加速器连接到 CPU。TE 的 Sliver 连接器和电缆系列，包括符合 SFF-TA-1002 规范的产品，可支持这些设备以 PCIe Gen 5 和 Gen 6 的速度连接和运行。

Compute Express Link (CXL) 和 Gen-Z 是近两年推出并被快速采用的协议，旨在通过高速缓存一致的存储来消除内存瓶颈。这有助于创建新的架构，增加对外部 PCIe 结构的需求，而 TE 的 CDFP 和 Mini-SAS HD 等连接产品可以支持这一需求。

TE 的 STRADA Whisper 高速背板连接器和电缆系统，支持 112 Gbps PAM-4 高速传输，提供盲插连接，有助于实现系统模块化。