由于复杂度渐增、资源需求分散以及现有硬件架构的局限性，目前的深度学习（DL）资源已经落后。来自英伟达公司的研究人员正在探索多芯片模块以满足不断变化的数据需求。

图形处理单元（GPU）由于其固有功能和最优化性能是支持DL的主要资源之一。然而传统的融合GPU解决方案依赖由传统芯片和专用硬件（如高带宽内存、张量核心/矩阵核心、光线追踪等）组成的架构，只适用于特定任务，缺乏实用性。此次英伟达提出的“可组合封装”（COPA）多芯片图形处理单元（GPU）模块架构（COPA-GPU），可以帮助数据中心客户使用相同的GPU资源处理特殊任务。

与当前单片GPU设计将所有特定的执行组件和缓存合并到一个包中不同，COPA-GPU架构提供了混合和匹配多个硬件块的能力，能更好地适应当今高性能计算（HPC）)和DL环境中呈现的动态工作负载。这种整合更多功能和适应多种工作负载的能力可以提高GPU的重用水平，更重要的是，能帮助数据科学家利用现有资源突破边界。

信息来源：

https://www.techspot.com/news/92906-nvidia-pursuing-multi-chip-module-architecture-meet-evolving.html