随着AI计算在混合云和多云环境中的扩展,基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。但存储往往成为瓶颈。
无论您是在训练基础模型还是部署智能体AI应用程序,有一点是明确的:GPU计算周期非常宝贵,而且越来越难以充分利用。在训练期间,检查点保存会在数据写入缓慢的网络存储时停滞进展。在推理期间,即使是毫秒级的延迟也会降低用户体验并推高成本。
Hammerspace Tier 0应运而生:这是一个解决方案,它将GPU服务器集群内的本地NVMe存储转变为一个新的闪电般快速的共享存储层,由Hammerspace管理和保护。它可以在几小时内激活,无需大规模升级或复杂集成。您只需即时获得快速的共享存储访问权限,与GPU保持同步。
Tier 0在本地或云端提供比传统网络存储高达10倍的性能。这让您能够减少检查点保存时间,提高GPU使用率,并改善推理和智能体AI的响应时间。由于Tier 0只是Hammerspace数据平台内的另一个层级,在本地存储系统和云计算集群之间移动数据变得轻而易举。
最后,通过让您使用已经拥有的NVMe容量,Tier 0消除了对额外存储系统的需求,节省了电力、空间和预算。在大型GPU集群中,节省的费用可能高达数百万美元。
准备好启用您已经拥有的AI就绪基础设施了吗?今天就开始吧。
Q&A
Q1:Hammerspace Tier 0是什么?它解决了什么问题?
A:Hammerspace Tier 0是一个解决方案,它将GPU服务器集群内的本地NVMe存储转变为闪电般快速的共享存储层。它解决了存储成为AI计算瓶颈的问题,特别是在训练和推理过程中的延迟问题。
Q2:Tier 0相比传统存储有什么优势?
A:Tier 0在本地或云端提供比传统网络存储高达10倍的性能。它能够减少检查点保存时间,提高GPU使用率,改善推理和智能体AI的响应时间,同时节省电力、空间和预算。
Q3:部署Tier 0需要多长时间?是否需要复杂的系统升级?
A:Tier 0可以在几小时内激活,无需大规模升级或复杂集成。它利用您已经拥有的NVMe存储容量,消除了对额外存储系统的需求。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。