NVIDIA和NetApp提供托管型NVIDIA DGX SuperPOD和NetApp数据管理平台的订阅服务;面向公有云基础设施的各类集成即将推出
美国加利福尼亚州圣克拉拉市—— COMPUTEX——太平洋时间2021年5月31日——NVIDIA于今日发布NVIDIA® Base Command™ Platform。这款托管在云端的开发中心,可以使企业能够将他们的AI项目从原型快速投入生产。
该软件专为托管在本地或云端的大规模、多用户、多团队AI开发工作流程设计。它可以使众多研究人员和数据科学家同时使用加速计算资源工作,帮助企业最大限度地提高专家级开发者和宝贵AI基础设施的生产力。
Base Command Platform 现可通过 NVIDIA 和 NetApp 联合提供的高级月度订阅来获取。通过附带NetApp 解决方案的 Base Command Platform,将能够利用具有破纪录性能的 NVIDIA DGX SuperPOD™ AI 超级计算机和 NetApp 数据管理服务。
谷歌云计划在其云市场中添加对Base Command Platform的支持,在今年晚些时候为客户提供真正的混合AI体验。
NVIDIA企业计算负责人Manuvir Das表示:“世界级的AI开发工作需要强大的计算基础设施,并且至关重要是让每一家公司和他们的客户都能使用和获得这些资源,从而让AI技术为其所用。作为一款基于NVIDIA加速计算的云托管解决方案,NVIDIA Base Command Platform降低了AI工作流程管理的复杂性,从而让数据科学家和研究人员能够将更多的时间用于开发他们的AI项目,减少管理他们机器的时间。”
NetApp混合云事业部执行副总裁Brad Anderson表示:“大多数企业现在都知道AI对其数字化转型计划的成功至关重要,但他们却面临着一项复杂的挑战,即如何将其部署并整合到企业中。与NetApp合作推出的NVIDIA Base Command Platform和新的订阅产品能够帮助客户更轻松地部署AI并将其应用到工作中,简化工作流程管理,并提供无与伦比的性能和处理能力,为其部署提供巨大的帮助。”
谷歌云机器学习基础设施产品管理总监Manish Sainani表示:“我们很高兴能够与NVIDIA合作,在谷歌云市场中支持Base Command Platform。这款混合型AI产品,可以使得企业只需编写一次就能在任何地方运行,灵活接入多个NVIDIA A100 Tensor Core GPU,通过采用按需的加速计算,企业可以加快AI开发速度。”
为AI和数据科学提供全面的工作流程管理
Base Command Platform为整个AI开发提供了统一的视图。该视图通过图形用户界面和命令行API以及综合监控和报告仪表盘来促进资源的轻松共享。
包括NVIDIA NGC™ 的AI和分析软件目录、与MLOps软件集成的API、Jupyter笔记本等在内的一系列丰富的AI和数据科学工具帮助研究人员可以更快的计划和安排工作负载、完善模型和获得洞察。
NVIDIA开发的Base Command Platform将为其全球各地研究团队的工作提供强有力的支持。平台客户将与NVIDIA内部团队同步获得这些新功能的更新。
供应情况
与NetApp联合提供的NVIDIA Base Command Platform现已向早期体验客户开放,有意向的客户可向NetApp代表咨询更多细节。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。