Nvidia已将9款新的支持GPU的超级计算容器添加到它的云服务中了。
Nvidia扩充了Nvidia GPU Cloud(NGC),现在包括35个容器,这一数量在去年发布时基础上翻了三番。
他们瞄准的是负责运行巨大的工作负载、使用机器学习处理数学运算以训练模型或运行模拟的核心工程师。开发人员可以在他们选择的框架中编写程序,然后将模型部署到共享集群上,这样他们的模型就可以运行得更快。
NCG还配备了适用于各种应用的不同软件包。“NGC上提供用于PGI编译器的容器将帮助开发人员构建面向多核CPU和Nvidia Tesla GPU的HPC应用。PGI编译器和工具支持使用OpenACC、OpenMP和CUDA Fortran并行编程来开发性能可移植的HPC应用,”Nvidia在一篇博客文章中这样解释道。
有些像CHROMA一样是用于优化数学和物理模型的,AMBER用于分子模拟,CANDLE用于癌症研究。显然有超过27000个用户注册到NGC的容器注册表。
“自11月的超级计算大会以来,NGC已经增加了9个新的HPC和可视化容器,包括CHROMA、CANDLE、PGI和VMD。除此之外,还有8个容器,包括NAMD、GROMACS以及去年超算大会上推出的ParaView。”
容器让开发人员不需要安装所有必需的不同库和后端程序来部署他们的模型。对于测试模型也很不错,因为研究人员可以在不同的系统上运行各种实验,并检查他们的模拟结果是否相同。
他们还使用不同的以GPU为驱动的工作站进行测试,例如Nvidia的DGX,以及其他云平台如AWS、Google Cloud和Oracle Cloud Infrastructure。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。