至顶网服务器频道 06月19日 新闻消息(文/李祥敬):在近日举行的Citrix Synergy 2017上,NVIDIA携GRID解决方案全新亮相。XenServer团队展示了业界首款支持GPU的XenMotion技术演示,以及Citrix Director与NVIDIA GRID GPU监控器的集成。
NVIDIA GRID是一个图形虚拟化平台,它推动NVIDIA GPU技术深入虚拟桌面和应用领域发挥效力,为设计师、移动业务专员、办公室工作者等一众人员带来身临其境的优异用户体验。
NVIDIA GRID技术能让IT接入到功能强大的图形加速云解决方案,通过提供更高安全性、工作效率和成本效益的虚拟工作空间,将应用程序和数据集中到一起。
NVIDIA GRID与虚拟化技术的融合
目前NVIDIA GRID与NVIDIA Tesla GPU日益被部署在主流虚拟应用程序,虚拟桌面和虚拟工作站中。越来越多的企业使用传统服务器、超融合设备或者公有云形式的GPU加速技术驱动Windows 10和现代应用程序。
Citrix宣布已经集成NVIDIA GRID,以提供业界首个且唯一融汇了GPU的洞察力和虚拟机器迁移能力、支持对GPU进行全面管理的应用程序。该产品为在数据中心和云端部署NVIDIA GRID加速虚拟应用程序、台式机和工作站的企业提供高级操作功能。 Citrix与NVIDIA在图形虚拟化方面有长期的合作伙伴关系,早在2013年,Citrix在XenServer引入了vGPU技术,首次为虚拟机带来了真正的硬件共享图形计算能力。
现在,Citrix与NVIDIA通力合作,使用XenServer和NVIDIA vGPU释放企业的XenDesktop图形工作负载,并进行虚拟机的XenMotion实时迁移。也就是企业可以将在运行中的启用vGPU的虚拟机实时迁移到另一台主机上面,而不影响用户使用体验,使企业能够更有效地管理主机。
另外,Citrix Director与NVIDIA GRID GPU监控器的集成能够更好地帮助企业监控和分析GPU使用情况,方便企业实现对虚拟化设备的管理。Citrix Director是一个监视控制台,能够提供有关应用程序和桌面的详细趋势和诊断信息。
在虚拟应用程序或虚拟桌面方面,NVIDIA GRID不光与Citrix展开了深入合作,还与VMware有着紧密的合作。
NVIDIA与VMware在图形虚拟化领域的不断深入合作,为用户提供最佳的虚拟化图形加速应用体验。
NVIDIA GRID技术搭配VMware Horizon和vSphere环境,可运行任何应用程序,带来极佳的用户体验。NVIDIA GRID技术可让企业IT部门高效分配图形资源,从而实现更好的可扩展性、可管理性和安全性。终端用户可以跨设备和地点获得所需的图形性能,从而提高生产力。
NVIDIA GRID云端拓展更多应用场景
除了Citrix和VMware,NVIDIA与AWS、微软Azure展开合作,在云端扩展NVIDIA GRID。
AWS通过其Amazon EC2云来提供NVIDIA GRID GPU实例,那些在云端运行图形密集型应用和游戏的用户因而能够获得GPU加速。
NVIDIA GRID GPU专为云计算而设计,使新一代GPU加速的SaaS应用成为了可能,这些应用包括虚拟工作站、加速的虚拟桌面以及游戏即服务。
而在微软Azure云平台上面,由NVIDIA GRID虚拟化平台和NVIDIA Tesla M60 GPU提供支持的Azure虚拟机实例,帮助Azure在云端实现了大规模GPU图形加速的虚拟化,以满足企业的需求。使用NVIDIA GRID,就能在Microsoft Azure中无缝地部署GPU加速的虚拟应用程序、台式机和工作站。
高端工作站用户可以直接在这些实例上运行NVIDIA Quadro GPU优化的应用程序,例如Siemens PLM套件。
此外,不需要Quadro优化应用程序的办公室工作人员和专业人员也可以享受到针对助力提高生产力的应用程序进行优化的高品质用户体验,例如 RDS、Citrix XenApp Essentials、VMware Horizon或Workspot等解决方案交付的虚拟应用程序或虚拟桌面。
写在最后
作为NVIDIA提供的基于GPU的云计算解决方案,围绕GRID,NVIDIA与合作伙伴一同,为企业提供更丰富、便捷和多样化的虚拟化图形体验和服务。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。