Wenn Sie Hilfe benötigen, klicken Sie hier:

FPGA-Beschleunigerkarten der FX-Serie

Die FPGA-Beschleunigerkarten der FX-Serie von Huawei bringen die ultimative Leistung mit 16 PCIe 3.0 Interconnect Lanes und zwei 100-GE-Netzwerkports. Die Karten unterstützen bis zu 32 GB externem Speicher. Karten der FX-Serie eignen sich optimal für Arbeitslasten wie Künstliche Intelligenz (KI), Gensequenzierung, Videokodierung, Bildverarbeitung, Datenkomprimierung und Netzwerkverarbeitung. Sie liefern unwiderstehliche Rechenleistung sowie Datenverbindungen mit hoher Bandbreite für unterschiedliche Arten hardwarebeschleunigter Services. Zudem sorgen sie in Rechenzentren für einen Leistungsschub und optimale Energieeffizienz.

Anwendungsszenarien

  • FPGA

    Videoverarbeitung

    Videoanwendungen wie automatische Bildklassifizierung und -erkennung, Bildsuche, Transkodierung, Echtzeitwiedergabe, Livecasts sowie erweiterte und virtuelle Realität erfordern eine hohe Echtzeitrechenleistung, die von FPGA-Servern bereitgestellt werden kann. Diese bieten kosteneffiziente Lösungen, die sich optimal für Videoszenarien eignen, reduzieren die Bereitstellungskosten für H.265-Codierung um 40 %, verbessern die Komprimierungsrate der H.265-Codierung gegenüber H.264 um 30–50 % und reduzieren die Kosten für HD-Livecasts für Netzwerke zur Inhaltsbereitstellung um 30–50 %.

  • Images Codecs

    Bildtranskodierung

    Mit der rapiden Entwicklung von Technologien wie Big Data, Internet der Dinge, mobile Verbindungen und Cloud-Computing geht eine ständige Zunahme von Bildinhalten einher, die ein hohes Maß an Serverressourcen verbraucht. Der FPGA-Server bietet Vorteile wie eine effiziente parallele Datenverarbeitung, einen hohen Durchsatz sowie eine geringe Latenz und eignet sich ideal zur Lösung von Problemen im Zusammenhang mit geringer Kongruenz bei der CPU-Verarbeitung, langsamer Bildverarbeitung und hoher Nutzung von Rechenressourcen. Die Gesamtbetriebskosten liegen um ein Siebtel niedriger als bei einem herkömmlichen Server, die Leistung ist 15-mal höher und die Latenz konnte auf ein Drittel der Zeit gesenkt werden.

  • FPGA

    Genomforschung

    Präzisionsmedizin ist möglich durch Gensequenzierung und -analyse sowie durch die schnelle Analyse von biologischen und medizinischen Massendaten. Viele Bereiche wie z. B. Arzneimittelentwicklung und molekulare Züchtung erfordern zudem die Verarbeitung von Massendaten und Hardwarebeschleunigung, um Leistungsengpässe bei der Berechnung biologischer Daten zu beheben. FPGA-Server erfüllen diese Anforderungen dank ihrer ausgezeichneten programmierbaren Hardwarerechenleistung, die um das Sechsfache gesteigert werden konnte. Die Kapitalausgaben sind um 40 % gesunken, der für die Bereitstellung erforderliche Platz wurde um 80 % reduziert und der Stromverbrauch ist um 70 % niedriger.

  • FPGA

    Finanzanalysen

    Die Finanzbranche hat hohe Anforderungen an Rechenkapazitäten und benötigt schnelle Reaktionen mit extrem geringer Latenz und hohem Durchsatz. Service-Szenarien sind hier etwa auf dem Binominalmodell basierende Finanzberechnungen, hochfrequente Finanztransaktionen, Transaktionsalgorithmen für Fonds und Wertpapiere, Analysen finanzieller Risiken und Entscheidungsfindung sowie die Gewährleistung von Transaktionssicherheit. Der FPGA-Server bietet eine optimale Hardware-Beschleunigungslösung für diese Szenarien durch Verwendung programmierbarer Technologie zur Hardware-Beschleunigung. In bestimmten Szenarien liefert der FPGA-Server eine hundertfach höhere Leistung als Software. FPGA-Server steigern zudem die Rechenleistung und Analysegenauigkeit und erreichen dank maßgeschneiderter Hardwareschaltkreise eine extrem geringe Latenz.

  • Deep Learning

    Mehrschichtige neuronale Netze für maschinelles Lernen benötigen gewaltige Rechenressourcen. Der Trainingsprozess beinhaltet die Verwaltung von Massendaten, und für den Interferenzprozess ist eine extrem geringe Latenz erforderlich. Darüber hinaus werden Algorithmen für das maschinelle Lernen ständig verbessert. FPGA-Beschleunigerkarten erfüllen diese Anforderungen dank parallelem Computing, programmierbarer Hardware, geringem Stromverbrauch und geringer Latenz. Sie bieten das optimale Design für einen dynamischen Hardwareschaltkreis für verschiedene Algorithmen für maschinelles Lernen, der den strengen Anforderungen an Massen-Computing und eine extrem geringe Latenz gerecht wird. Aus diesem Grund sind FPGA-Beschleunigerkarten eine überzeugende Lösung, wenn es darum geht, die Hardwareanforderungen für maschinelles Lernen zu erfüllen. Die FPGA-Karten verbessern den Durchsatz um das Anderthalbfache und halbieren die Latenzzeit.

Huawei

Technische Daten

Modell FX600 FX300
Formfaktor Volle Höhe, 3/4-Länge Halbe Höhe, halbe Länge
FPGA 2.586K LE, 6.800 DSP
345,9 Mbit/s
1.314K LE, 3.474 DSP
168,2 Mbit/s
PCIe 16 x PCIe 3.0 16 x PCIe 3.0
Arbeitsspeicher 4 DDR4 DIMMs, 8 GB/16 GB 2.400 MHz 64-Bit-SDRAM ECC 2 DDR4 DIMMs, 16 GB 2.133 MHz 64-Bit-SDRAM ECC
Netzwerk 2 QSFP28 100 GE-Ports, kompatibel mit 40 GE 2 QSFP28 100 GE-Ports
Energieversorgung Passive Kühlung
Bis zu 200 W
Passive Kühlung
Bis zu 75 W
Anzeigen/Tasten Statusanzeige
Statusanzeige für optischen Port
Goldfarbene Selbstreparaturtaste
Statusanzeige
Statusanzeige für optischen Port
Goldfarbene Selbstreparaturtaste
Konfiguration FPGA-Konfiguration über JTAG
1 Gbit/s QSP-Flash-Speicher
FPGA-Konfiguration über JTAG
1 Gbit/s QSP-Flash-Speicher
Temperatur 0 °C bis 45 °C (32 °F bis 113 °F) 0 °C bis 45 °C (32 °F bis 113 °F)

Für Partner

Wenn Sie bereits Partner von Huawei sind, klicken Sie bitte hier um zu weiteren Marketing-Ressourcen zu gelangen, und klicken Sie hier um die Partnerzone zu besuchen, um den Anfragestatus zu überprüfen, Bestellungen zu verwalten, Support zu erhalten oder mehr über andere Huawei-Partner zu erfahren.