ZDNet至顶网服务器频道 10月31日 新闻消息(文/张锐): NVIDIA给大家的第一印象就是设计游戏机内核,以及面向图形处理等方面的一家公司,但是现如今NVIDIA不止单纯的在那个圈子里“混”了,开始积极致力于企业级,打造出能够改变整个行业的创新产品。
NVIDIA在VMware vFourum 2014年大会会后的采访环节中,为媒体详细介绍了NVIDIA GRID vGPU 技术,本人有幸采访到了NVIDIA GRID云计算资深产品经理Milan Diebel以及PSG&云计算业务总经理 Ashok Pandey。
NVIDIAPSG&云计算业务总经理 Ashok Pandey
敞开怀抱 开启试用计划
NVIDIA GRID vGPU 技术支持多个虚拟机,并且可做到共享单一 GPU 的处理能力,以便在专业的 2D 和 3D 应用上提供丰富的图形体验。 该技术与 VMware Horizon 相结合,可以带来卓越的用户体验以及 IT 团队所需的扩展性,以便让 IT 团队能够满足自己组织内部最苛刻的用户需求。
在首批的NVIDIA抢先试用计划中,NVIDIAPSG&云计算业务总经理 Ashok Pandey介绍到,“空中客车集团、CH2MHILL 以及 MetroHealth加入到其中,参加该计划即可在最新的技术普遍上市之前抢先试用,这些技术将用于 GPU 虚拟化、虚拟应用以及桌面基础架构。”这是一项有限试用计划,面向世界各地符合特定要求的组织,其中一项要求是: 当前已经是 VMware Horizon 以及 NVIDIA GRID 的客户。
用户可以通过试用计划使用到NVIDIA最新的技术,同时NVIDIA也可以从多家组织中了解到用户使用之后的反馈,从而改善其解决方案来继续为用户提供更高的价值。从这项使用计划中也能看的出,这些参与者处于独特的地位,是解决方案开发过程中的重要部分。NVIDIA能够让他们所具备在市场中的竞争优势和先驱优势,这一合作项目能够为客户以及服务供应商提供高性能以满足图形密集型复杂应用的需求。
借助GRID 开拓中国市场
在中国市场这个大的“披萨”上,谁都想分一块,在这个靠实力吃饭的年代,想吃饱必须得有真本事。在GPU虚拟化的世界里,NVIDIA可谓是没有竞争对手,所以其应用行业领域的广度是不可预测的。
NVIDIA GRID云计算资深产品经理Milan Diebel
NVIDIA自从有了GRID之后,包括电脑工作人员,知识工作者,高级的桌面使用者,以及设计师来说,这将会是一个很好的消息,GRID都可以为大家提供优秀的终端体验。在谈到GRID的优势时,NVIDIA GRID云计算资深产品经理Milan Diebel表示到,“传统的服务器当中只有CPU,众所周知CPU非常擅长的是串型的任务处理,这也是CPU的最大用处所在。但是如果想要有好的图形任务的完成,就需要GPU。GPU本身就适合并行的处理,在图形处理上,效率是非常高的。那如果在服务器中既有CPU,又有了GPU的话,就可以使得你的虚拟桌面能够像现在传统的PC一样具有同样好的性能。”
CPU虚拟化技术已经存在了很长时间,VMware vSphere技术很长时间以来一直都在对CPU进行虚拟化,NVIDIA如今可以对GPU进行同样的虚拟化,通过这项技术,可以做到把一个实际的GPU切成八块,实现GPU的虚拟化。
在面对中国的用户时,NVIDIA有着其独到的想法,就像Ashok Pandey所说,“中国有着自己独特的市场情况,我们想要在中国赢得更多的市场,就必须研究出带有中国特色的方法。目前NVIDIA正在接触一些国内的云服务企业和供应商,在沟通的交流的过程中,发现中小企业是个很庞大的市场,我们称之为云图站——工作站在云端,NVIDIA将会在这方面投入大量的精力。”
NVIDIA在GPU虚拟化方面的投入,将会在一定程度上决定着其未来发展的市场广度,NVIDIA的明天将会依靠GRID这个支点来撬动整个市场,并且将会在建设智慧城市方面上不遗余力,让我们拭目以待。
好文章,需要你的鼓励
检索增强生成(RAG)正成为AI领域的关键技术,通过结合外部信息检索与大语言模型的生成能力,解决传统模型仅依赖训练数据的局限性。RAG允许模型实时访问外部数据库或文档,提供更准确、更新的信息。该技术可应用于企业文档查询、个人化AI助手等场景,通过向模型提供特定领域知识来获得精准结果。微软专家指出,RAG有助于结合知识与推理、提高模型使用效率,并支持多模态应用。
加州大学伯克利分校研究团队开发出革命性的R2R2R系统,仅需智能手机拍摄和一段演示视频,就能自动生成大量机器人训练数据。该系统绕过了传统昂贵的远程操作和复杂物理仿真,通过3D重建和智能轨迹生成技术,让机器人训练效率提升27倍,成本大幅降低,有望让高质量机器人技能变得像安装手机应用一样普及。
AI数据平台iMerit认为企业级AI工具集成的下一步不是更多数据,而是更好的数据。该公司正式推出学者计划,旨在建立专家团队来微调生成式AI模型。与Scale AI的高吞吐量方法不同,iMerit专注于专家主导的高质量数据标注,需要深度人工判断和领域专业监督。公司目前与超过4000名学者合作,客户包括三家大型生成式AI公司、八家顶级自动驾驶公司等。
腾讯优图实验室提出AnoGen方法,仅用3张异常图片就能训练出高精度工业检测AI。该方法通过扩散模型学习异常特征并生成大量逼真样本,在MVTec数据集上将检测精度提升5.8%,为解决工业异常检测中样本稀缺问题提供了突破性方案。