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
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。