JAKARTA, CILACAP.INFO – QNAP Systems, Inc., Pengguna komputer pasti sering mendengar istilah CPU, GPU, NPU, TPU. Sebenarnya, GPU, NPU, TPU semuanya adalah prosesor khusus tetapi ditujukan untuk tugas yang berbeda.
Sebagai prosesor khusus, mereka dapat mengurangi beban kerja CPU sampai batas tertentu, sehingga sumber daya CPU dapat digunakan untuk tugas komputasi lainnya. Oleh karena itu, yang mana yang dibutuhkan pengguna ditentukan oleh aplikasi dan tugas pengguna.
Pengenalan Sederhana mengenai CPU, GPU, NPU, dan TPU
CPU (Central Processing Unit) CPU memiliki lebih sedikit inti dan dirancang khusus untuk komputasi umum. CPU juga dapat dilihat sebagai otak NAS, yang bertanggung jawab untuk menjalankan perintah dan program yang dibutuhkan oleh sistem operasi dan aplikasi, sehingga kecepatan sistem NAS dan aplikasi terkait dengan kinerja CPU.
GPU (Graphics Processing Unit) Mikroprosesor yang didedikasikan untuk menjalankan operasi menggambar, GPU terstruktur dengan ratusan atau ribuan Arithmetic Logic Unit (ALU) dan mampu memproses sejumlah besar kalkulasi secara paralel, dan dapat dikategorikan menjadi chip grafis tertanam dan kartu grafis mandiri.
Selain penggunaan umum untuk rendering grafis dalam gim 3D, GPU sangat berguna untuk menjalankan analisis, pembelajaran mendalam, dan algoritma pembelajaran mesin, dan aplikasinya tentu tidak terbatas pada pemrosesan gambar.
NPU (Neural Network Processing Unit) NPU dirancang khusus untuk mempercepat aplikasi AI, melalui prosesor yang meniru sistem saraf manusia. Hemat energi, cocok untuk penggunaan jangka panjang, dan ideal untuk tugas komputasi AI berkelanjutan, seperti pembuatan gambar, pengenalan wajah, dll.
TPU (Tensor Processing Unit) TPU adalah prosesor yang dikembangkan oleh Google secara khusus untuk mempercepat tugas pembelajaran mesin. Tidak seperti GPU, TPU dirancang untuk komputasi presisi rendah skala besar. Penelitian Google menunjukkan bahwa dalam tugas inferensi AI menggunakan jaringan saraf, kinerja TPU adalah 15 hingga 30 kali lipat dari GPU dan CPU kontemporer. Namun, karena permintaan tidak dapat dipenuhi secara memadai oleh pasokan karena keterbatasan produsen, TPU bisa sangat mahal.
Bagaimana cara kerja GPU pada QNAP NAS? Apa saja keuntungan GPU internal atau eksternal?
GPU pada QNAP NAS adalah GPU yang terintegrasi dalam CPU atau kartu grafis eksternal yang dapat diperluas dengan penggunaan melalui PCIe.
GPU internal dalam CPU dapat mempercepat kecepata konversi file untuk video, sehingga file besar dapat dengan cepat dikonversi ke dalam format yang dapat dijelajahi dengan lancar di berbagai perangkat. Misalnya, QNAP dengan GPU internal, TVS-h674T, memiliki kecepatan konversi file 1,5 kali lebih cepat daripada TVS-674XT generasi sebelumnya tanpa GPU internal, sehingga menghemat banyak waktu konversi file.
Saat QNAP NAS menggunakan GPU ekspansi PCIe eksternal, selain meningkatkan kinerja pemutaran konversi file dan komputasi grafis, ia juga dapat meningkatkan aplikasi grafis dan kinerja tampilan mesin virtual melalui GPU Pass-through*.
*GPU Pass-through hanya kompatibel dengan VM dalam arsitektur Windows dan hanya berlaku untuk model QNAP NAS dan kartu grafis tertentu. Sebelum membeli kartu grafis QNAP NAS, harap periksa terlebih dahulu dimensi fisik dan kebutuhan daya kartu grafis.
Bagaimana cara kerja NPU pada QNAP NAS? Apa saja kelebihan NPU?
Secara khusus, NPU dalam QNAP NAS mempercepat pengoperasian QNAP AI Core. Misalnya: pengenalan gambar AI album pintar QuMagie, pengenalan teks AI OCR Qsirch dalam gambar, pengenalan wajah QVR Face Insight, dan penghitungan orang QVR Human, semuanya mengandalkan NPU untuk meningkatkan efisiensi AI.
Misalnya, AI NAS TS-AI642 generasi baru, yang dirancang khusus untuk aplikasi pengenalan gambar AI, dilengkapi dengan prosesor ARM octa-core 64-bit, dan unit pemrosesan saraf (NPU) terintegrasi dengan kinerja komputasi 6 TOPS. Berkat NPU bawaan, TS-AI642 dapat menyelesaikan pengenalan wajah dalam 0,2 detik. Dibandingkan dengan model NAS 6-bay kelas yang sama, kecepatan pengenalan AI OCR teks dalam gambar yang dijalankan oleh TS-AI642 juga dapat mencapai peningkatan kinerja 20% yang signifikan.
QNAP NAS mendukung pemasangan Edge TPU, yang dapat membantu aplikasi seperti QNAP QVR Face dalam melakukan pengenalan wajah secara real-time selama analisis dinamis aliran video. Hal ini mengurangi beban kerja pada prosesor NAS dan sangat cocok untuk aplikasi yang memerlukan pengenalan puluhan ribu gambar wajah, atau di area bisnis dan keamanan dengan banyak aliran video. Akselerator Edge TPU yang hemat energi hanya memerlukan 0,5 watt untuk melakukan 4 TOPS (triliun operasi per detik) analisis.
Di era informasi, memilih sistem NAS dan prosesor yang tepat sangatlah penting.
QNAP menawarkan beragam spesifikasi dan solusi perangkat keras untuk memenuhi berbagai kebutuhan pelanggan. Baik itu menangani gambar dan video dalam jumlah besar dengan GPU, mempercepat aplikasi AI dengan NPU, atau meningkatkan kinerja dalam proyek pembelajaran mesin dengan TPU, QNAP cukup fleksibel untuk menyediakan beragam perangkat lunak dan perangkat keras serta sistem operasi berefisiensi tinggi untuk memungkinkan pengguna mengelola cadangan penyimpanan data secara efisien, menjalankan aplikasi analisis AI, dan meningkatkan daya saing industri.
Tentang QNAP Systems, Inc.
QNAP (Quality Network Appliance Provider) berkomitmen untuk menyediakan solusi komprehensif dalam pengembangan perangkat lunak, desain perangkat keras, dan manufaktur internal. Berfokus pada inovasi penyimpanan, jaringan, dan video pintar, QNAP kini memperkenalkan solusi Cloud NAS yang revolusioner yang menggabungkan perangkat lunak berbasis langganan mutakhir dan ekosistem saluran layanan yang beragam. QNAP membayangkan NAS sebagai lebih dari sekedar penyimpanan sederhana dan telah menciptakan infrastruktur jaringan berbasis cloud untuk pengguna guna meng-host dan mengembangkan analisis kecerdasan buatan, komputasi edge, dan integrasi data pada solusi QNAP mereka.
Komentar