telegreat超强芯片打造ai性能超过512millionflops，打造深度学习服务器

telegreat全球旗舰产品，我们非常荣幸地宣布，通过heliop7超强的芯片打造了一款ai性能超过512millionflops，并且在芯片性能上，在定制化处理和ai训练性能上是业界主流。我们的硬件规划部门将继续针对开发人员实现稳定的ai平台，如malir32000gpu，或拥有更高能效的rtx2060/2070gpu；有数千个全定制特征点/密度的模型和更强的可扩展性。

而且凭借多款深度学习服务器，我们的客户可以利用更高效，高性能的模型执行，如最好的caffe，tensorflow和pytorch。通过整合malir2000gpu这个全新的gpu，通过高性能的端到端ai，模型处理，高效率数据流处理，和更便宜的研发成本，我们的机器学习服务器同样可以满足高端部署的要求。我们也会尝试整合更多最新的深度学习基础架构，和高性能数据的性能优势。

我们支持开发者在已有的malir32000gpu上训练，而无需同时支持tensorflow，pytorch和torch。我们现在正在开发第二代芯片，整合lava-gpu，我们发布了一个名为lava-gpu的新gpu架构；大型的tensorflowgpu资源占用以及即将到来的高性能、高模型并行架构，这两项将会改变现有gpu的架构。

我们将继续以mlp和xeonplatinumgpu为目标芯片并测试速度，我们也将通过深度学习服务器提供开发者对新gpu的选择。tensorflow1.1已经于11月10日早间正式发布，随后开发者们都已经收到了它的更新。从16版本开始，tensorflowgpu成本优势就已经显示了出来。而在11月10日之前，还有一系列变化将影响到端到端，特别是ai和深度学习的端到端可用性：1）gpu加速率从目前的0.2ghz提升到1.4ghz；2）定制化mlp训练、推理、可视化的成本最低。

可以期待的是，未来的训练并行性的改善，以及因网络层数不同而有可能带来的主干延迟更小；其次可以期待gpu所能带来的额外计算能力进一步减少。目前我们在硬件上已经做了非常多工作，希望做得更好，这可以让我们有更多的时间帮助客户实现良好的集成，以更好的方式结合客户的需求，做出最好的产品。我们的技术团队也在逐步扩大，我们的团队目前有400名工程师，加上基础架构部门的工程师，将有数千人。