Nvidia宣布与高性能计算初创公司Rescale展开合作,简化在公有云基础设施上运行人工智能应用的任务。

此次双方的合作伙伴关系包括几个部分,其中Rescale将把自己的技术与Nvidia的几个人工智能开发和部署工具集成在一起。此外,Rescale正在推出一种软件功能,可以自动优化企业人工智能应用环境的成本和性能。
总部位于美国旧金山的Rescale已经获得了来自Nvidia、微软和其他一些知名投资者超过1.5亿美元的资金支持,它提供的软件平台可以更轻松地在云中运行高性能计算应用。高性能计算应用是一种硬件密集型应用,例如用于支持研究和工程项目的物理模拟器。
Rescale的Rescale平台可以自动执行在云基础设施上部署高性能计算软件所涉及的大部分手动工,还可以执行应用保护等相关任务。
Resale公司首席产品官Edward Hsu在新闻发布会上说:“我们正在从我所说的基于直觉的工程转向更科学的模型。”
Hsu举了几个例子来说明这项工作。例如,一家机翼设计公司过去必须提出设计并在风洞中进行测试,这是一个漫长且成本极高的过程。他说,这家公司可以在不使用风洞的情况下,在Rescale的平台上模拟20到30种翼型设计,而且现在借助Nvidia的新功能,他们可以进行所有这些实验并使用人工智能和机器学习来确定哪个是适合当前目标的。
Rescale还在功能集中提供了预打包高性能计算应用的目录。客户无需大量手动操作即可部署应用。Rescale还通过这次与Nvidia的合作,向软件目录中增加了对Nvidia几种AI工具的支持。
首先是Nvidia AI Enterprise平台,这个集合中包含了十多款软件工具,旨在简化构建、部署和维护神经网络的任务。
Nvidia AI Enterprise平台中的一些工具专注于简化Nvidia AI软件云基础设施的管理过程,还可以优化神经网络以更有效地使用Nvidia芯片。为了简化开发人员的工作,Nvidia还在其中提供了软件构建块,可以更轻松地为机器人等场景创建AI应用。
除了Nvidia AI Enterprise,Rescale将在自己的平台上支持其他很多Nvidia的软件工具。
其中一个工具是Nvidia Base Command Platform,研究人员通过这个界面可以协调训练新神经网络的过程,此外还有Nvidia Modulus软件,该软件可以更轻松地构建用于执行涉及物理计算研究和工程任务的神经网络。
Nvidia公司创始人、首席执行官黄仁勋表示:“物理机器学习人工智能模型融合了原则性和数据驱动的方法,让我们能够以比以往任何时候都高出许多数量级的速度和规模探索我们的设计空间。Rescale则处于这些主要趋势的交汇处。Nvidia的加速计算和AI计算平台是对Rescale的完美补充,有助于推进工业科学计算。”
除了扩大对Nvidia软件的支持之外,此次Rescale还推出了一款名为Compute Recommendation Engine(CRE)的新工具,在帮助公司优化运行人工智能和高性能计算应用的云环境。
据Rescale称,CRE工具将硬件成本最小化,对于把哪些基础设施资源添加到云环境中进行优化。而且,该工具能够配置基础设施资源以最大限度地提高性能,企业组织可以根据自己的要求定制CRE平衡成本效益和绩效的方式。
Rescale公司创始人、首席执行官Joris Poort表示:“我们独特的为云而构建的方法,让我们能够为全球任何云上的任何工作负载按需地提供最佳的加速计算性能,我们与Nvidia的合作,将为我们的工业高性能计算客户带来强大的AI新功能。”
Rescale表示,企业组织依赖他们的平台进行医学研究、飞机开发和芯片设计。而且,Rescale利通过从1亿多个高性能计算工作负载中收集元数据,开发了新的CRE基础设施优化工具。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。