|
全球领先的边缘计算解决方案提供商—凌华科技推出基于华为Ascend Atlas200的全新边缘智能服务器AES-100，突破固有服务器的设计理念，采用分布式AI节点加弹性灵活的处理器设计方案，可在紧凑的1U空间内布置多路边缘处理单元，也可以根据场景和需求不同搭配不同的CPU模块，适用于广泛的AI边缘应用。
AES-100视频分析服务器架构图
产品亮点
•AES-100采用华为Atlas200边缘智能计算核心，在1U空间内最多可支持24路Ascend310并行处理，最高具备了528TFLOPS算力;
•每个Atlas-200可独立部署任务，达到物理隔离部署不同的算法;
•
灵活多变的计算核心，可搭配Intel、兆芯、飞腾等多种处理器，适应不同的工作环境和要求，还可满足国产化CPU加国产化AI模块的需求;
•提供高网络吞吐能力，标配支持4路千兆网路和1路管理网口;
•高可靠性，提供双冗余电源;
•单瓦算力优秀，整机可达到1.38TFLOPS/W;
与传统的集中式算力架构相比，AES-100采用的分布式多路AI节点能够有效地降低硬件成本。
算力架构
传统集中式算力架构
分布式算力架构
产品特点
CPU+GPU的异构计算，多个GPU通过PCIE链接到两颗处理器，如：双路4PU服务器、双路8GPU服务器;
每颗AI SOC芯片是一个完整的小算力节点，配置独立的CPU、AI核心、编解码核心、显存、存储和操作系统;
CPU主要职责
负责数据预处理，如视频软解码，CPU性能要求较高，根据GPU数量增加，CPU的性能也要增加;
系统CPU：负责任务调度，对CPU性能要求不高;
SOC CPU：负责数据预处理;
编解码核心：负责视频编解码;
内存主要职责
与GPU显存之间数据交换，一般配置的内存容量要大于GPU的显存总容量，GPU数量越多，需要配置的内存容量也越大;
系统内存：负责任务调度，对内存容量要求不高;
SOC 内存：相当于显存，用于数据交换;
成本对比
CPU和内存的性能要求高，成本占比高
CPU和内存的性能要求低，成本占比低
在高算力的场景下，采用分布式算力架构的硬件成本可大幅度下降。AES-100可以广泛应用在城市道路对行人、机动车以及非机动车的特征结构化数据分析，可极大提高在海量视频中对目标的查找速度;监所等特殊场合发生的一场行为进行检测，并及时发出报警，有效提升视频监控的价值，保障工作人员及在押人员的安全。
了解更多关于凌华科技。
【关于凌华科技】
凌华科技(股票代号：6166)引领边缘计算，是AI人工智能驱动世界的推动者。我们制造并开发用于嵌入式、分布式与智能计算的边缘硬件与软件解决方案，全球超过1600家客户信任凌华科技，选择我们作为其关键任务的重要伙伴，从重症监护室的医疗计算机到全球第一辆高速自动驾驶赛车，都有我们的足迹。
凌华科技是英特尔、NVIDIA、AWS和SAS的重要合作伙伴，并加入了英特尔顾问委员会、ROS 2技术指导委员会以及Autoware自动驾驶开源基金会。我们积极参与了开源技术、机器人、自主化、物联网、5G等超过24个标准规范的制定，以驱动智能制造、网络通信、智能医疗、能源、国防军工、智能交通与信息娱乐等领域的创新。
凌华科技拥有1800多名员工和200多家合作伙伴。25年以来，我们秉持并推动当今和未来技术的发展，创新科技，转动世界。
