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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。