ZD至顶网服务器频道 06月13日 新闻消息:Nvidia公司正准备进军大数据业务,Nvidia ANZ地区经理Mark Patane称,未来几年这将是一笔价值数十亿美元的业务。
Patane认为,GPU将会是帮助企业处理大数据分析的关键解决方案,他指出,过去两年中Nvidia一直与Facebook和Google这样的公司合作帮助他们处理数据。
“他们找到我们,因为他们意识到无法利用普通的计算机,因为这些数据实在是太庞大了。过去几年他们一直与我们合作使用GPU,”他说。
Nvidia机器学习解决方案架构负责人Jon Barker博士进一步解释说,企业越来越多地承担起需要找出如何高效地处理每天他们收集来的数据的方法,并强调每天处理的数据量高达2.5EB,而且未来三年这个数据量将翻一番。
“其中大多数数据不是表格、结构化数据;大多数是图像、音频和文本。显然不管你是试图把控社会的脉搏,了解人们对你的品牌的情感,你都要基于各种事件做交易决策,或者如果你试图开发智能机器人辅助外科医生,或者自驾卡车,这些数据都将是应用的‘燃料’,”他表示。
“问题是我们如何通过分析数据了解内容,答案就是我们需要能够看到、听到、读到数据的机器,并且能够以超出人类水平和人类步伐给出理由。”
Patane认为,除了Nvidia一直提供GPU的高等教育和研究领域之外,大数据的增长对于Nvidia拓宽在商业市场的覆盖面来说也是一个机会。
“不管你是莫纳什大学,大的电信运营商,Google,在医疗领域,还是研究员——都需要GPU,”他说。
“根本的区别是,你可以在非GPU系统上尝试和运行数据,一旦你开始启动,运行算法,你可能需要数周时间才能拿到答案。有了GPU,这个速度会大大加快,几分钟内就可以得到回复。”
不过据Patane称,使用GPU处理大数据目前还是一件比较新的事情,GPU一直被用于工程分析、视频分析、视频回放用于病毒和DNA建模。
Nvidia最近发布了DGX-1服务器,采用Tesla P100 GPU,专门帮助企业处理大数据,Barker称这将帮助企业专注于应用开发而不是数据处理上。
好文章,需要你的鼓励
2025施耐德电气智算峰会上,全新EcoStruxure(TM) Energy Operation电力综合运营系统正式亮相,定位场站级智慧能源管理中枢,集技术领先性与本土适配性于一体。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。