随着工业巨头越来越多地开始使用云,NVIDIA 与 Rescale 合作,将全栈 NVIDIA AI 软件提供给所有大型云服务商。

与许多企业一样,工业科学计算领域也存在数据问题。
无论是新能源开发、新交通运输模式创建等看似棘手的挑战,还是提高运营效率、改善客户支持等关键型问题,都需要通过大规模高性能计算予以解决。
借助 Rescale 云平台,伊莱克斯(Electrolux)、电装(Denso)、三星、Virgin Orbit 等公司不必设计、制造和构建更多的超级计算机,这使他们能够以节能的方式扩展加速计算,并加速创新。
为了满足工业科学界对云端 AI 日益增长的需求,NVIDIA 创始人兼首席执行官黄仁勋与 Rescale 创始人兼首席执行官 Joris Poort 一同出席 Rescale Big Compute 线上会议,宣布 Rescale 将采用 NVIDIA AI 软件组合。
NVIDIA AI 将为 Rescale 的高性能计算即服务产品带来新的功能,这些产品包括分布在各行各业的数百家客户所使用的仿真和工程软件。NVIDIA 也正为今天所发布的 Rescale 计算推荐引擎提供加速,该引擎使客户能够确定正确的基础设施方案,以优化成本和速度目标。
黄仁勋表示:“物理学机器学习 AI 模型融合了原则性、数据驱动的方法,使设计空间的探索速度和规模提升了好几个数量级。Rescale 正处于这些主要趋势的交汇点。NVIDIA 的加速和 AI 计算平台与 Rescale 形成了完美互补,推动了工业科学计算的发展。”
Joris Poort 表示: “追求突破创新的工程师和科学家需要集成云平台,让研发软件和加速计算变得触手可及。借助 NVIDIA 加速的高性能计算,我们帮助客户加快研究速度并节约成本。将 NVIDIA AI Enterprise 应用于 Rescale 平台中,能够融合最先进的算力与最强大的 AI,并支持更多类型的 AI 工作流,最终研发领导者可以在所选择的任何云上运行它们。”
NVIDIA AI 进一步扩展云端高性能计算
两家公司宣布,他们正在把 NVIDIA AI Enterprise 引入 Rescale,扩大该云平台的产品范围,以包含 NVIDIA 支持的 AI 工作流和处理引擎。一旦推出,在 NVIDIA 的支持下,客户将能够在任何领先的云中开发 AI 应用。
作为广受全球采用的 NVIDIA AI 平台软件,NVIDIA AI Enterprise 包含 AI 工作流每个步骤的基本处理引擎,从数据处理和 AI 模型训练到仿真和大规模部署。
NVIDIA AI 使企业机构能够开发预测模型,通过计算机视觉、路线和供应链优化、机器人仿真等应用来补充和扩展工业高性能计算的研发。
通过 Rescale 软件目录,可以访问 NVIDIA NGC 上的数百个 NVIDIA 加速的容器化应用和预训练 AI 模型,客户能够按需运行仿真以及扩大或缩小规模。
NVIDIA Modulus 加速基于物理学的机器学习
Rescale 现在提供用于开发物理学机器学习神经网络模型的 NVIDIA Modulus 框架,为广泛的工程用例提供支持。
Modulus 融合了物理学与数据的力量,构建能够实现近实时仿真的高保真模型。只需在 Rescale 平台上点击几下,客户就能通过 Modulus 运行整个 AI 驱动的仿真工作流,从数据预处理和模型训练到推理和模型部署。
从本地到云的工作流编排扩大灵活性
Rescale 还整合了 NVIDIA Base Command Platform AI 开发者工作流管理软件,该软件可以将各个云上的工作负载编排到本地 NVIDIA DGX 系统。
NVIDIA 在各个领先的云服务商平台上加速 Rescale 的高性能计算即服务平台,包括 Amazon Web Services、Google Cloud、Microsoft Azure 和 Oracle Cloud Infrastructure。Rescale 是 NVIDIA 初创加速计划成员之一。
如您要了解更多信息,欢迎观看 Big Compute 主题演讲回放中黄仁勋和 Joris Poort 就本新闻所展开的讨论对话。
好文章,需要你的鼓励
全球数据中心建设需求持续高涨。北美方面,美国数据中心建设支出年化达510亿美元,微软在威斯康星州开放33亿美元设施,亚马逊和谷歌宣布在密苏里州合计投资250亿美元。欧洲方面,SoftBank将在法国建设5GW AI数据中心,投资额达750亿欧元。亚太地区,AirTrunk计划在印度投资210亿美元建设3GW数据中心。中东与非洲地区也有多项大规模项目落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着企业将AI融入机器人、工业设备等物理基础设施,边云协同架构正成为关键课题。以Luminous Robotics和先正达为例:前者在太阳能农场部署的机器人每秒做出10次决策,数据定期上传云端持续优化模型;后者通过Cropwise平台整合卫星、无人机、拖拉机传感器数据,辅助农民完成约150项农业决策。两家公司均强调,边缘端负责实时响应,云端负责模型训练与更新,同时保持人工监督以确保安全与准确性。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。