昨天，谷歌云平臺宣布，在Google Compute Engine上引入更強大的英偉達GPU。

　　谷歌云想讓英偉達K80 GPU更普遍使用，也開始支持英偉達P100 GPU。與此同時，還推出了一個新的持續定價模型，幫用戶節省費用。

　　對需要運行機器學習工作負載的公司來說，他們能以分鐘為單位更靈活地使用GPU然后支付。根據持續定價模型看，如果最終運行GPU達到一段時間，用戶能得到最多30%的折扣，不會受到巨額賬單的困擾。

　　云GPU能加速工作負載，包括機器學習中的訓練和推理、地球物理學數據處理、模擬、地震分析、分子建模、基因組學和許多高性能計算用例。

　　英偉達Tesla P100基于Pascal GPU的體系，用戶可在降低成本的同時用更少的實例提升吞吐量。與K80相比，P100 GPU能以K80的10倍速加速工作負載。

　　△ CPU、K80 GPU和P100 GPU速度對比圖

　　與傳統解決方案相比，云GPU提供了更好的靈活性、性能和更低的成本：

　　靈活性：谷歌的自定義VM shape和增加的云GPU決定了最終的靈活性。用戶可自定義CPU、內存、磁盤和GPU配置。

　　性能更快：在透傳模式下云GPU可提供裸機性能。谷歌云在每個VM上安裝了4個P100或8個K80 GPU。對于想提高磁盤性能的用戶，可選擇將3TB的本地SSD附加到任何GPU的VM上。

　　低成本：有了云GPU，用戶可按分鐘數計費，并有持續使用折扣。用多少，付多少。

　　△ VM實例在不同等級上的費用

　　云集成：用戶可在所有級別的堆棧中使用云GPU。對于基礎架構來說，計算引擎和容器引擎讓用戶使用VM或容器(Container)運行GPU工作負載。對于機器學習項目，可視情況將云機器學習配置為用GPU減少用TensorFlow大規模訓練模型的時間。

　　目前，P100和K80 GPU在全球四個地區提供，它們分別為美國西部俄勒岡州、美國東部的南卡羅萊納州、歐洲西部的比利時和亞洲東部的臺灣。所有GPU都有持續使用折扣，可以降低使用成本。

　　△ 云GPU部署地區及數量

　　谷歌的這兩種芯片為進行計算密集型任務的團隊提供了選擇的靈活性，方便用戶在平衡速度和價格的同時，優化運行工作量。