过去的服务器主要面向通用市场设计，一个服务器适用于多种场景，而随着大规模部署的数据中心的出现，以及云计算、大数据、人工智能等应用场景的不断深化，实际上服务器也发生了非常大的、本质性的变化。基于以上三大场景，浪潮推出了新一代服务器M5。

　　“最领先”我敢拍胸脯

　　在当天的媒体专访环节，彭震表示：“从某种角度来说，我们现在在AI方面的产品应该是全球‘最领先’的。我们敢拍着胸脯说这句话，可能云计算、大数据，大家都各有所长，我们也很难确定地说，浪潮就是第一，直播，但我认为浪潮的AI产品一定是全球最丰富的。”

　　彭震说这话的底气源自于浪潮针对AI领域的丰富布局。我们一起来看看：

　　浪潮拥有2U2、2U4、2U8的GPU服务器，以及4GPUBox、国内唯一的16GPUBOX。在美国GTC17上，浪潮推出加速人工智能计算的超高密度服务器AGX-2；在IPF上，浪潮与百度联合发布了面向更大规模数据集和深层神经网络的超大规模AI计算平台—SR-AI整机柜服务器；在德国ISC17上，浪潮发布了可灵活扩展的新型AI加速计算产品GX4……

　　AI服务器中的“超算”

　　众所周知，机器学习在模型训练阶段需要百万级次的迭代，而这当然需要GPU的性能发挥出最大效能。从这个角度看，在发布会现场，最吸引机器人圈眼球的无疑是浪潮刚刚推出的NF5288M5 GPU服务器。据现场的产品经理介绍，与传统的PCIe- GPU服务器相比，该服务器的GPU单独效能可以提高60%以上，这是浪潮迄今为止研发的GPU密度最高的一款服务器，“当然从全球来看，这是浪潮提供的密度最高的支持8块nvLink GPU的服务器”，他补充道。

　　拥抱开源

　　实际上，随着深度学习时代的到来，越来越多的大厂商开始开源，把各自的资源贡献出来。在深度学习框架领域，比较知名的有谷歌的TensorFlow、微软的CNTK 、已被亚马逊官方采用的MXNet、LISA lab的Theano，其中在图像处理领域，我们不得不提的就是于UC Berkeley诞生的Caffe，而Caffe是单机版的，并没有针对大量网络环境情况下的版本。

　　针对上述情况，浪潮发布了集群版的Caffe版本——Caffe-MPI，并在GitHub上开源公布所有代码，以此为客户提供更强大的深度学习平台。根据浪潮提供的官方数据，使用GoogleNet模型，在不同GPU数量的情况下，对比每秒处理图像的速度，Caffe-MPI几乎是TensorFlow的两倍。

　　“Caffe并没有做更多的并行化，偏实验性，但是相对比较成熟。所以，我们在里面做了大量的并行化的工作，就是为了给客户做大规模并行学习提供的这样一种能力。所以，我们做了很多的开源投入。”对于为何在开源方面投入资源，彭震补充道：“当然，这一切源于浪潮在HPC上有很多积累，在整个程序的并行化和优化方面有很多积累，我们希望它能够变成一个帮助客户提升业务能力的一个平台，所以我们做了这个事情。”

　　其实，浪潮对于开源，远不止Caffe-MPI这一件事这么简单。实际上，本次M5新一代产品里采用了很多的开放标准和协议，全线引入Open BMC和Redfish。浪潮目前亦积极参与并设计开放的硬件平台和标准，加入多个开源社区，比如OpenStack、OCP、ODCC、Open19等。

　　“对于开源而言，云计算造就了开源，开源成就了云计算？在云计算的场景里，大家不希望被某一厂商锁定，需要一个更加开放的平台。实际上，当有了云计算之后，客户希望要自主可控，开源社区便应运而生，之后又极大地推动了云计算的普及，把过去很多的技术门槛全部打掉了，使得很多开发者能够快速地进入到某一领域，推出一个自己觉得不错的开源系统。”彭震解释道，“云计算需要管理那么多设备、有那么多应用，面向这么多复杂的场景，这根本不是任何一个厂商所能够自己对付得了的，所以需要集所有人各种各样的力量参与进来一块做。”