Nvidia与VMware长达一年的合作终于取得了成果,今天正式推出了Nvidia AI Enterprise 平台,这是一套AI工具和框架,可以虚拟化AI工作负载并在Nvidia认证的服务器系统上运行这些负载。
Nvidia表示,Nvidia AI Enterprise将让企业能够运行新型AI工作负载,并通过单一平台对其进行管理,此外还可以让企业在靠近数据所在位置的地方部署支持AI的基础设施,无论是在云中、数据中心还是网络边缘。
Nvidia AI Enterprise的关键组件之一是Nvidia GPU Cloud,这是一个针对深度学习和高性能计算的优化软件工具目录,依赖Nvidia GPU的强大性能。Nvidia解释说,通过将这些工具与VMware vSphere集成,企业可以更轻松地在现有服务器上部署AI工作负载。
Nvidia企业计算主管Manuvir Das在新闻简报会上表示,Nvidia AI Enterprise的推出是AI新篇章的开始。他说,现在全球数以千计的企业采用了Nvidia软件,他们利用主流服务器在VMware上运行工作负载。以前,AI工作负载需要专门的基础设施,而现在这个情况完全改变了。
Das说:“Nvidia AI已经面向所有企业准备就绪了。现在,所有企业功能都被融入了AI。”
Nvidia表示,Nvidia AI Enterprise平台可以在VMware vSphere上运行AI工作负载,运行在来自戴尔、HPE、浪潮、联想、技嘉和超微销售的认证系统上。这些厂商售卖的系统采用了一系列Nvidia GPU,包括最先进的A100芯片,以及A30、A40、A10和T4处理器。
此外戴尔今天也宣布推出了Dell EMC VxRail,这是第一款被认证为Nvidia-Certified System for Nvidia AI的超融合平台。
Das表示,Nvidia已经与Domino Data Lab展开进一步合作,以验证Nvidia AI Enterprise 上运行的Domino Enterprise MLOps平台,让企业可以选择将一种更有条理化的方法集成可以直接调用到VMware中的机器学习中。
Domino数据实验室首席执行官Nick Elprin解释说:“我们正在深化我们的产品集成,让Domino Enterprise MLOps平台能够支持更广泛的Nvidia GPU,并针对Nvidia AI Enterprise对其进行验证。这款新产品将帮助数十万企业大规模加速数据科学。”
Nvidia表示,来自汽车、教育、金融、医疗、制造和高科技等行业的数十家企业此前已经在使用Nvidia Enterprise AI平台了,他们将成为围绕对话式AI、计算机视觉、推荐系统打造和部署应用的早期客户。
比萨大学(University of Pisa)正在使用该平台支持跨多个学科的高性能计算和AI训练以推进科学研究。该大学表示,Nvidia Enterprise AI平台让这些应用更易于部署和管理,从而为那些依赖数据分析和深度学习的研究人员和学生提供支持。
比萨大学首席技术官Maurizio Davini表示:“我们的测试表明,Nvidia和VMware的这些最新合作成果以接近裸机的速度,发挥了我们GPU加速虚拟化基础设施的全部潜力。”
Nvidia方面表示,Nvidia Enterprise AI平台现已在全球范围内通过渠道合作伙伴进行销售。价格为每年每个CPU插槽起价2,000美元,提供商业标准支持。永久许可价格为每年3595美元,如需额外支持则需要另外购买。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。