Facebook的Big Sur 服務器，在設計上運用了高效能的GPU，這也是公司發展人工智能與深度學習技術的利器。
MIT Technology Review實際走訪了美國Oregon州的Prineville，Facebook在這個9,000人的小鎮存放了數億用戶的數據。在總面積達80萬平方英尺的4棟大樓中，安裝了一排又一排的電腦。
Facebook近期在Prinville加了一些運算能力更強的 服務器Big Sur，搭配強大的GPU芯片，要讓軟體可以完成更多的任務，例如進行翻譯、或擔任虛擬助理等。
這些芯片，正是人工智能科技的基礎，促進深度學習的發展?，F在的軟體可以了解圖像和語言，正是因為GPU的效能精進，讓軟體可以處理更大、更復雜的數據。
GPU可以把照片切割成很細的單位，然后同時分析。在每一臺Big Sur 服務器上，都有8個NVIDIA的GPU。Facebook工程師Kevin Lee并未指出目前Facebook有多少個這樣的 服務器，不過他表示，目前運作的GPU有數千個。
Lee表示，他們會幫助Facebook的研究人員訓練這些軟體，讓軟體效率變得更快。這些 服務器都是有專門設計的硬體，用于人工智能研究和機器學習。
由于GPU極度耗能，所以不能在 服務器上放得太密集，避免造成所謂的“熱點”，造成散熱困難。在一個7英尺高的機架中，只能裝設8臺Big Sur 服務器；如果是一般的Facebook 服務器，可以裝30臺。
除了Prinville的數據中心之外，Facebook在Ashburn與Virginia的數據中心，都有這樣的Big Sur 服務器。目前包括微軟(Microsoft)、Google和百度等，都仰賴GPU進行深度學習研究。
Facebook已經公開了Big Sur的設計。事實上，Facebook在2011年啟動了開放運算平臺計劃(Open Cloud Project)，鼓勵各家公司一起設計低價、高效能的數據中心硬件。這項計劃也讓亞洲硬體公司擠壓了傳統廠商如惠普(HP)和戴爾(Dell)的空間。
未來的機器學習 服務器，也可能不會以GPU為核心。許多公司都在研究新的芯片設計。
例如Google在5月宣布，已經開始研發自己的芯片設計，名為TPU，專門用來支持語音辨識等功能所需的深度學習軟體。NVIDIA以及新創公司Nervana Systems等，也在研發客制化的深度學習芯片。
