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
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。
苹果即将发布Apple TV 4K和HomePod mini 2两款产品更新。更值得期待的是三款全新产品:配备7英寸方形显示屏的HomePod Touch将搭载全新homeOS系统,支持Safari、音乐等应用及小组件功能,预计售价350美元;此外还有智能安全摄像头和视频门铃两款配件。这标志着苹果从依赖第三方HomeKit配件转向自主研发智能家居产品的重要战略转变。
UCL研究团队通过分析16万场AI对战数据发现,传统认为"平局代表AI实力相当"的观念完全错误。研究表明平局主要反映问题难度和客观性,而非AI能力对比。当忽略平局进行评分时,四种主流评分系统的预测准确率均提升1-3%。这项发现颠覆了现有AI评估理论,建议未来评分系统应考虑问题特征而非简单的平局语义。