2017年9月21日，谷歌GCE(Google Compute Engine)發布推出更快的GPU。首先，Google云平臺(GCP)隨著NVIDIA P100 GPU在測試版上的推出而獲得另一個性能提升。其次，NVIDIA K80 GPU現在在GCE上可用。第三，宣布在K80和P100 GPU上引入持續使用的折扣。

云GPU可以加速企業的工作負載，包括機器學習訓練和推理，如地球物理數據處理，仿真，地震分析，分子建模，基因組學和更多的高性能計算用例。

NVIDIA的特斯拉P100是目前GPU領域的最先進技術。基于Pascal GPU架構，你可以通過減少實例來增加吞吐量，同時節省資金。與K801相比，P100 GPU可以將工作負載加快10倍。

與傳統解決方案相比，云GPU提供了更好的靈活性，性能和成本節約的組合：

靈活性：Google的自定義虛擬機和增量云GPU提供極大的靈活性。自定義CPU，內存，磁盤和GPU配置，以最好地滿足需求。

快速性能：云端GPU通過直通模式提供裸機性能。每個VM最多可以連接4個P100或8個K80(我們提供最多4個K80板，每個板上有2個GPU)。對于那些尋求更高磁盤性能的用戶，可選擇將最多3TB的本地SSD附加到任何GPU虛擬機。

低成本：使用Cloud GPU，可以獲得與GCP其余資源相同的每分鐘計費和持續使用折扣。只為你需要的資源付費!

云集成：云GPU可用于堆棧的所有級別。對于基礎設施，計算引擎和容器引擎(僅在Alpha群集上支持)允許使用VM或容器運行GPU工作負載。對于機器學習，云機器學習可以選擇配置為利用GPU，以減少使用TensorFlow大規模培訓你的模型所需的時間。

同時，現在可以在全球四個地區部署NVIDIA Tesla P100和K80 GPU。我們所有的GPU都可以利用持續使用折扣，當你使用它們來運行持續的工作負載時，可以自動降低虛擬機的價格(高達30%)。不需要鎖定或預付最低費用承諾來利用這些折扣。

▲

加快機器學習工作量

自推出GPU以來，我們已經看到用戶可以從額外的計算中獲益，從而加速從基因組學和計算金融到訓練和機器學習模型推理等工作。我們的客戶之一，Shazam是GCP早期采用GPU來為音樂識別服務提供支持。

Shazam網站可靠性工程負責人Ben Belchak表示，“對于某些任務，NVIDIA GPU是傳統CPU的成本效益和高性能替代品。他們與Shazam的核心音樂識別工作非常相符，其中我們將用戶錄制的音頻片段與我們4000多萬首歌曲的目錄相匹配。我們通過拍攝每首歌曲的音頻簽名，將其編譯成自定義數據庫格式并將其加載到GPU內存中。每當用戶Shazams一首歌曲，我們的算法使用GPU搜索該數據庫，直到找到一個匹配。每天成功超過2000萬次。”

今天GCP又邁出了一步，成為任何硬件加速工作負載的最佳選擇。隨著NVIDIA P100 GPU的增加，谷歌的主要重點是幫助你將新的用例帶入生活。