GPU制造商Nvidia(英伟达)日前在数据中心业务出人意料放缓的情况下推出一项新的合作伙伴网络计划。新计划可以令企业更容易地利用Nvidia的DGX系统。可用DGX的新数据中心计划已准备就绪(https://www.nvidia.com/en-us/data-center/colocation-partners/),企业可以通过新的Nvidia托管合作伙伴资格网络访问数据中心服务。
GPU加速计算对于那些想要部署AI(人工智能)工作负载的企业是非常有用的。Nvidia在声明里指出,各行各业都有些机构(从医疗保健到石油和天然气业务)成功部署了自己的基于DGX系统的AI数据中心。但也有许多机构并不拥有可以支持加速计算操作的现代数据中心设施。
现在这些机构可以去找一个Nvidia托管合作伙伴,而无需自己折腾自身设施的升级。他们可以通过新计划部署DGX系统或最近发布的DDN、IBM Storage、NetApp和Pure Storage的DGX参考架构解决方案。
Nvidia前一阵披露了第四季度的业绩未达预期的消息,几天后就推出了旗下数据中心新计划。 Nvidia表示,“客户趋向于更加谨慎,Nvidia之前预测的一些交易在本季度的最后一个月未能完成。”另外,游戏需求低于预期, 导致了Nvidia下调公司第四季度指引。
Nvidia新计划的合作伙伴网络目前含九家北美数据中心运营商,包括Aligned Energy、Colovore、Core Scientific、CyrusOne、Digital Reality、EdgeConneX、Flexential、Scale Matrix和Switch。 Nvidia正评估北美的其他的计划合作伙伴,并计划在今年晚些时候在全球推广该计划。
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。