吉浦迅科技

吉浦迅科技（GPUSolution Technologies,簡稱 GPUS）於2009年9月成立於蘇州工業園區獨墅湖高教區，是專注於開發、提供GPU（加速處理器）套用方案的高新科技企業。

基本介紹

• 公司名稱：吉浦迅科技
• 外文名：GPUSolution Technologies
• 成立時間：2009年9月
• 總部地點：蘇州工業園區獨墅湖高教區

公司歷史

成立於2009年的吉浦迅科技是中國GPU異構高性能套用的科技企業，不僅為眾多科研單位提供最完整的GPU高性能開發平台與集群系統，同時也是最早引進最先進OpenACC異構編程標準的廠商，協助科研院所、重點高校、研究單位、金融企業，能快速開發與移植GPU異構套用系統。

吉浦迅科技自主研發“結合GPU性能與VDI套用”的SuperVDITM技術，也於2012年獲得政府“領軍孵化企業”殊榮，將GPU從視覺、高性能、遊戲等傳統套用破繭而出，開啟企業商用的套用範疇，為VDI雲桌面技術提供支持3D套用環境（如CATIA、SolidWorks、AutoCAD等），將GPU套用開創更寬廣的格局。

發展里程碑

2012年4月，結合GPU高性能特性與“桌面雲（VDI）”而成的SuperVDI，是國內支持三維（3D）設計環境的桌面雲方案，廣泛滿足工業三維設計（包括汽車、航空、造船、工程、機械、營建、家具、裝修....等）以及文創三維設計（包括動漫製作、影視後製作...等）套用需求，以及對於“數據安全”有高度要求單位（包括軍工、政府、設計院、律師會計師事務所、銀行/保險/電信櫃檯、廣告創意、設計外包....等）的需求。

2012年1月，成為全球領先的高性能計算（HPC）編譯器提供商Portland Group中國區代理，全線代理其PGI加速編譯器產品。該產品可以迅速幫助現有C/C++/Fortran編程開發人員將現有可並行套用移植到GPU上。 Porland Group為意法半導體全資子公司。

2011年12月，入選NVIDIA中國區GTD戰略夥伴，共同成立“GPU超算實驗室”，投資建立國內最先進的GPU超算平台，計算峰值高達12萬億次（TFLOPs）浮點運算，相當於150台6核CPU電腦計算性能。

2011年12月，推出真正”GPU雲“架構的 VT-GPU 虛擬技術。由吉浦迅創始人兼首席技術官、前任ATI/AMD中國區技術總監Dereck Lin在台灣與交通大學合作成立研發團隊，歷時兩年開發GPU虛擬套用技術，並推出GPU遊戲平台，透過GPU並行運算提升線上遊戲伺服器效能，提高運算效率，並有效降低每一單位運算所需之電力成本(Performance/Watt)，取代原本營運所需之數百台伺服器成為單一機櫃，簡化管理和維護。

2011年 8月，推出業界最小的GPU超算系統，並申請兩項相關專利

2011年 5月，成為美國EM photonics公司CULATools線性代數庫加速工具中國區唯一代理。LAPACK是線性代數中常用函式的一個集合，被科學與工程界數以百萬計的開發人員所廣泛使用。而CULAtools作為GPU版本被全球超級計算中心廣泛採用。

2011年 1月，成為ASUS高性能計算中國區唯一戰略合作夥伴，並且針對生命科學、分子動力、流體力學、生物化學等領域，提供完整的GPU加速方案。

2010年10月，獲NVIDIA中國區TPP 2.0資質

2010年 9月，獲美國Acclereyes公司青睞，授權Jacket for Matlab加速軟體中國區代理，成為國內提供Matlab數值計算GPU整體解決方案供應商

2010年 4月，推出GPU/CUDA網上培訓系統，成為國內提供"商業化CUDA培訓"單位，培訓師是受過nVIDIA正規培訓的專業講師

2010年 1月，進入 nVIDIA 中國區 TPP 行列，並獲得nVIDIA亞太區代理商麗台科技（Leadtek）授權

2009年11月，申請“結合GPU套用與石油第三次探勘方案”專利。

公司業務

CPU/GPU異構（hybrid）並行計算套用

自從2003年開始，有人將GPU（圖形處理單元）的多核（multi-core）特性作為並行運算的用途，便在CPU主宰計算機領域裡埋下一顆未爆彈。其後再經過AMD/ATI的OpenCL介面與NVIDIA CUDA架構的推出，使得GPGPU（General Purpose GPU）開發環境日趨成熟，也在國內外科研領域逐漸獲得認可與採用，其主要原因，還在於“以主頻提高性能的CPU”面臨性能提升的瓶頸所導致，使用大量集群（cluster）架構的CPU並行方式，耗費極高的電能、空間、網路設備、數據存儲設備等等極高成本，所產生的效益曲線已不符預期。

至於“並行”與“串列”計算的差異，與人的眼睛與耳朵的接收模式非常相似。從圖1我們便可清晰地理解“並行處理”與“串列處理”的分別：用耳朵，必須一字一字聆聽；用眼睛，可以一目十行、過目不忘！兩者對於訊息的處理速度有幾十倍的差距！這也是計算機產業非常醉心於”並行計算模式“的最主要原因之一。

圖1

然而，最初用於解決圖形圖像處理的GPU單元，正好就是屬於”並行架構“處理模式：利用多核（multi-core）架構，協助CPU解決大量處理處理與顯示的問題。這一特性恰好在”計算需求爆炸“的21世紀初，被利用來簡易並且快速地提高計算性能達數倍甚至數十倍以上（同樣成本的前提下），透過CPU與GPU相結合的異構（hybrid）模式，其實與”人腦“的工作模式更加接近。

20世紀最重要發現之一，就是權威腦學專家斯佩里對於動物腦部的解剖研究表明，腦有左右之分，其中左腦，被稱為“文字腦”，主要處理文字和數據等抽象信息，具有理解、分析、判斷等抽象思維功能，有理性和邏輯性的特點，所以又稱為“理性腦”；右腦， 被稱為“圖像腦”，處理聲音和圖像等具體信息，具有想像、創意、靈感和超高速反應（超高速記憶和計算）等功能，有感性和直觀的特點，所以又稱“感性腦”。

圖2

CPU/GPU異構計算模式，就如同左右腦搭配使用的方式極為相似，偏重左腦（CPU）或偏重右腦（GPU），都會產生不協調或性能不佳的現象，必須雙劍合璧、各司所職便能發揮非常大的效能。所以，GPU並非取代CPU的，而是提供更大的能量來提升總體計算性能，同樣的，缺乏CPU的話，GPU也無法獨立運作。二者相得益彰，不可或缺！

異構（hybrid）計算模型與OpenACC開發

許多剛接觸CPU/GPU異構計算模式的開發人員，一開始便急忙從CUDA或OpenCL這些開發指令下手，很快就會碰到學習上的障礙，畢竟CUDA與OpenCL屬於”類Assembly“的底層指令，與硬體架構的關聯性緊密，直接與硬體通訊、下命令、分配記憶體空間、數據搬移、數據同步。。。。,往往令人生畏，讓許多原本鐘情於GPU套用的開發人員產生挫敗感，甚至敬而遠之，形成反效果。

其實，簡單分析”異構計算“模型（圖3），不難發現只有幾個計算瓶頸：

圖3

數據傳輸頻寬：在單機系統，主要瓶頸在PCI Bus上，所以這與主機板設計有非常直接的關係。集群架構環境下，則網路頻寬就是很重要關鍵

數據搬移頻率：過度頻繁的數據搬移，絕對會導致計算性能下降，需慎重規劃

計算間斷時間：如果不能讓GPU持續處於峰值計算，經常產生間歇等待狀態，也無法產生有限的性能提升。

基於上述幾點，其實”演算法“的改善，會比”熟悉CUDA/OpenCL程度“更加重要，甚至採用2011年最新制定的OpenACC異構開發標準的工具（如PGI Accelerator編譯器），以及一些商用函式館（如 ArrayFire、CULA等），都能協助開發人員將現有CPU代碼（C或Fortran）快速移植到異構計算架構上，並且得到”一套代碼、跨平台執行“的境界，大幅縮短70%的學習成本與開發周期。

以上OpenACC開發/移植工具、函式館以及相關培訓，都是吉浦迅科技自2013年開始的重點，陸續開展線上的基礎培訓以及進階的實體培訓，更加針對圖形圖像處理（含石油勘探、地質套用、CT重建等）、安防視頻處理、金融分析、數據挖掘等領域，提供專屬的領域套用高階培訓，為GPU套用領域提供更加完整的協助。