WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/tag/weka 一站å¼IT解决æ–ÒŽ¡ˆæä¾›å•?/description> Thu, 21 Aug 2025 06:57:03 +0000 zh-Hans hourly 1 //wordpress.org/?v=6.8.3 //51269984.cn/wp-content/uploads/2023/06/cropped-fav-32x32.png WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/tag/weka 32 32 WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/weka-nvidia-blackwell-collaboration.html?utm_source=rss&utm_medium=rss&utm_campaign=weka-nvidia-blackwell-collaboration Tue, 25 Mar 2025 08:43:21 +0000 //51269984.cn/?p=27464 NVIDIA GB200åQˆBlackwellåQ‰åã^å°æ­£ä»¥å‰æ‰€æœªæœ‰çš„速度ã€è§„模和效率é‡å¡‘ AI 计算。NVIDIA […]

WEKA æºæ‰‹ NVIDIA BlackwellåQŒé‡Šæ”?AI æŽ¨ç†æ— é™æ½œèƒ½æœ€å…ˆå‡ºçŽ°åœ¨ç‘žæŠ€¿U‘技ã€?/p> ]]>

NVIDIA GB200åQˆBlackwellåQ‰åã^å°æ­£ä»¥å‰æ‰€æœªæœ‰çš?strong>速度ã€è§„模和效率é‡å¡‘ AI 计算。NVIDIA Blackwell ä¸“äØ“æ»¡èƒö下一ä»?AI 工作负è²çš„å·¨å¤§éœ€æ±‚è€Œè®¾è®¡ï¼Œåœ¨æŽ¨ç†æ¨¡åž‹ã€AI 代ç†å’ŒÂ Token 生戽{‰æ–¹é¢å±•çŽîCº†½H破性进展。凭借其先进的架构,Blackwell GPU æä¾›­‘…高速通信ã€å·¨å¤§çš„å†…å­˜å¸¦å®½ä»¥åŠæ— ä¸Žä¼¦æ¯”的计½Ž—能力,˜q™äº›éƒ½æ˜¯å®žçŽ°å®žæ—¶ AI 决策所必需的。éšç€ AI 从啾U¯çš„训练转å‘夿‚的推ç†å’Œå†³ç­–åQŒåŸº¼‹€è®¾æ–½å¿…须䏿–­˜q›åŒ–以跟上步ä¼ã€?/p>

æ–°åž‹ AI ­‘…çñ”芯片
æ–°åž‹ AI ­‘…çñ”芯片
Blackwell æž¶æž„ GPU 拥有2080亿个晶体½Ž¡ï¼Œé‡‡ç”¨ä¸“门定制的尿U¯ç”µ 4NP 工艺刉™€ ã€‚所æœ?Blackwell 产å“å‡é‡‡ç”¨åŒå€å…‰åˆÀLžé™å°ºå¯¸çš„裸片åQŒé€šè¿‡ 10 TB/s çš„ç‰‡é—´äº’è”æŠ€æœ¯è¿žæŽ¥æˆä¸€å—统一çš?GPUã€?/span>

然而,仅é å¼ºå¤§çš?GPU 性能˜q˜è¿œ˜qœä¸å¤Ÿã€?/p>

 

è¦å……分释æ”?AI 推ç†çš„æ½œåŠ›ï¼Œäº‘æœåС商˜q˜éœ€è¦åŒæ ·é«˜æ€§èƒ½çš„æ•°æ®åŸº¼‹€è®¾æ–½åQŒä»¥æ¶ˆé™¤ç“‰™¢ˆòq¶æœ€å¤§åŒ–资æºåˆ©ç”¨çŽ‡ã€‚è¿™ä¹Ÿæ˜¯ WEKA 获得 NVIDIA GB200 高性能数æ®å­˜å‚¨è®¤è¯çš„é‡è¦åŽŸå› ï¼Œä¸?NVIDIA 云åˆä½œä¼™ä¼ß_¼ˆNCPåQ‰æä¾›æ”¯æŒã€‚ä‹É他们在构å»?AI 云ã€GPU åÏxœåŠ¡æˆ–å…¶ä»–æ–îC¸€ä»£äº‘äº§å“æ—Óž¼Œèƒ½å¤Ÿæä¾›æœ€å¿«ã€æœ€å…äh‰©å±•æ€?/strong>的数æ®åŸº¼‹€è®¾æ–½ã€‚该认è¯åŸÞZºŽ WEKA æ­¤å‰èŽ·å¾—çš?NVIDIA HGX H100/H200 ¾pÈ»Ÿè®¤è¯åQŒåƈä¸ÞZ¸Ž Yottaã€Ori Cloudã€Sustainable Metal Cloud ½{‰ä¼—多领先新型云æœåŠ¡å•†çš„é•¿æœŸåˆä½œå¸¦æ¥æ›´å¤šä»·å€¹{€?/p>

ä¸ÞZ»€ä¹ˆè¿™è‡›_…³é‡è¦åQšAI ä¸ä»…æ›´å¿«åQŒè€Œæ˜¯æœ¬è´¨ä¸Šä¸å?/h2>

AI çš„å‘展正¾l历深刻å˜é©ã€‚éšç€æŽ¨ç†æ¨¡åž‹å’?AI 代ç†çš„æ™®åŠï¼ŒAI 工作负è²å˜å¾—æ›´åŠ å¤æ‚åQŒä¸ä»…需è¦é«˜é€Ÿé€šä¿¡ã€å……­‘›_†…å­˜åŠå¼ºå¤§è®¡ç®—能力åQŒè¿˜è¦èƒ½å¤Ÿå®žæ—¶ç”Ÿæˆå’Œå¤„熋¹·é‡æ•°æ® TokensåQŒè¿™è¦æ±‚æ•°æ®åŸºç¡€è®¾æ–½å¿…须能够ä¸?GPU 高性能ååŒå·¥ä½œã€?/p>

 

但传¾lŸçš„æ•°æ®å­˜å‚¨åœ¨ä»¥ä¸‹å‡ æ–šw¢å­˜åœ¨ä¸¥é‡çŸ­æ¿åQ?/p>

  • 性能鸿沟åQ?/strong>传统存储无法满èƒöçŽîC»£ AI 工作负è²çš„对 I/O çš„é«˜è¦æ±‚åQŒè®¡½Ž—与数æ®åŸºç¡€è®¾æ–½ä¹‹é—´çš„é«˜å»¶è¿Ÿå¯ÆD‡´ GPU 利用率中‘Ÿë€?/li>
  • 扩展困境åQ?/strong>许多æœåС商往往ä¸å¾—ä¸è¿‡åº¦é…¾|®å­˜å‚¨æ¥æ»¡èƒö性能目标åQŒä»Žè€Œå¤§òq…æŽ¨é«˜æˆæœ¬ã€?/li>
  • 多租æˆäh”¯æŒä¸­‘»I¼šä¼ ç»Ÿå­˜å‚¨¾~ÞZ¹æœ‰æ•ˆéš”离机制åQŒè¿«ä½¿æœåŠ¡å•†ä¸ºæ¯ä¸ªå®¢æˆ·å¾ç«‹ä½Žæ•ˆçš„存储孤岛ã€?/li>
  • ˜qç»´æˆæœ¬å’Œå¤æ‚性高åQ?/strong>åŸÞZºŽå¤åˆ¶çš„ä¼ ¾lŸå®¹ç¾æ¨¡åž‹è¿›ä¸€æ­¥æŠ¬é«˜äº†½Ž¡ç†æˆæœ¬ã€?/li>

WEKA + NVIDIA GB200 åQšäØ“ AI 时代é‡èín打é€?/h2>

WEKA 现已获得 NVIDIA GB200 部çÖv高性能存储认è¯åQŒNCP å¯åˆ©ç”?WEKA å…¨é¢æå‡ AI 云æœåŠ¡èƒ½åŠ›ï¼š

  • æžè‡´çš„æ€§èƒ½åQ?/strong>WEKA 零调优架构能动æ€é€‚é…ä»ÖM½•工作负è²åQŒå®žçŽîCºšæ¯«ç§’¾U§åšg˜qŸå’Œç™¾ä¸‡¾U?IOPS。å•å¥?8U 基础é…ç½®å›_¯æ»¡èƒö GB200 Blackwell 坿‰©å±•集¾Ÿ¤ï¼ˆ1,152é¢?GPUåQ‰çš„æžç«¯ I/O 需求ã€?/li>
  • é¢å‘ AI ½Ž¡é“优化çš?S3 对象存储åQ?/strong>WEKA 通过优化çš?S3 对象存储接å£åQŒäØ“ AIã€æœºå™¨å­¦ä¹ å’Œæ•°æ®åˆ†æžå·¥ä½œè´Ÿè²ä¸­çš„ž®å¯¹è±¡çš„è®‰K—®æä¾›­‘…低延迟和高åžå釿”¯æŒã€?/li>
  • 最大化 GPU 利用率:存储瓉™¢ˆå¸¸å¸¸æ‰¼æ€ AI 性能åQŒè€?WEKA 能帮助消除这一障ç¢åQŒä‹Éæ•°æ®æ€§èƒ½æå‡ 10 倿ˆ–更多。在实际部çÖv中,客户çš?GPU 利用率从 30-40% è·ƒå‡è‡Œ™¶…˜q?90%ã€?/li>
  • 真正的多¿UŸæˆ·æ”¯æŒåQ?/strong>WEKA 的対l„åˆé›†ç¾¤åˆ©ç”¨å®¹å™¨æŠ€æœ¯å®žçŽ°é€»è¾‘ä¸Žç‰©ç†åŒé‡é𔼛»ï¼Œä»Žè€Œæä¾›å®‰å…¨ã€é«˜æ€§èƒ½çš?AI 云多¿UŸæˆ·æœåŠ¡åQŒå®žçŽ°æ€§èƒ½é›¶å¦¥åã€?/li>
  • 大规模扩展能力:WEKA 在å•一命å½Iºé—´å†…坿”¯æŒå¤šè¾¾ 32,000 é¢?NVIDIA GPU 集群åQŒåŠ©åŠ›è‹±ä¼Ÿè¾¾äº‘åˆä½œä¼™ä¼´åœ¨å…¨çƒèŒƒå›´å†…实çŽîC»Ž PB åˆ?EB ¾U§çš„æ— ç¼æ‰©å±•åQŒè€Œæ— éœ€æ‹…心架构å—é™ã€?/li>
  • 无缘qç§»åQ?/strong>无论是在数æ®ä¸­å¿ƒã€è¶…大规模云˜q˜æ˜¯æ–îC¸€ä»£äº‘环境åQŒWEKA ¾lŸä¸€çš„èÊYä»¶æž¶æž„å‡å¯å®žçŽ°å·¥ä½œè´Ÿè½½çš„æ— ç¼˜qç§»ã€?/li>

基准‹¹‹è¯•与实际性能表现

WEKApod Nitro 讑֤‡ä¸?NVIDIA 云åˆä½œä¼™ä¼´éƒ¨¾|²æä¾›äº†å“越的性能密度和能效:

WEKApod Nitro 讑֤‡
WEKApod Nitro 讑֤‡
  • åžå性能åQ?/strong>WEKApod å•节点实çŽ?70GB/s è¯Õd–速度åQˆæœ€ä½Žé…¾|®ä¸‹å¯è¾¾ 560GB/såQ‰å’Œ 40GB/s 写入速度åQˆæœ€ä½Žé…¾|®ä¸‹å¯è¾¾ 320GB/såQ‰ï¼Œ¼‹®ä¿ Blackwell GPU æŒç®‹èŽ·å¾—é«˜é€Ÿæ•°æ®ï¼Œæœ€å¤§åŒ–利用率ã€?/li>
  • 延迟优化åQ?/strong>亚毫¿U’çñ”延迟åQŒç¡®ä¿?AI 训练和推ç†å·¥ä½œè´Ÿè½½åšg˜qŸæœ€ž®åŒ–åQŒåŠ©åŠ›å®žæ—¶æŽ¨ç?AI 模型高效˜q行ã€?/li>
  • 扩展性实践:借助 WEKApodåQŒNCP 已实çŽîC»Ž PB ¾U§åˆ° EB ¾U§çš„æ•°æ®è§„模扩展åQŒæ”¯æŒæ•°åƒä¸ªòq¶å‘工作负è²è€Œä¸ç‰ºç‰²æ€§èƒ½ã€?/li>
  • GPU 利用率æå‡ï¼šWEKA 的対l„åˆé›†ç¾¤åˆ©ç”¨å®¹å™¨æŠ€æœ¯å®žçŽ°é€»è¾‘ä¸Žç‰©ç†åŒé‡é𔼛»ï¼Œä»Žè€Œæä¾›å®‰å…¨ã€é«˜æ€§èƒ½çš?AI 云多¿UŸæˆ·æœåŠ¡åQŒå®žçŽ°æ€§èƒ½é›¶å¦¥åã€?/li>
  • 能效优化åQ?/strong>WEKApod 优化的数æ®å¤„ç†æ˜¾è‘—é™ä½Žäº†æ¯ä¸ª AI 工作负è²çš„能耗,ä¸?AI 云æœåС商é™ä½Žäº†æ•´ä½“è¿è¥æˆæœ¬ã€?/li>
  • NVIDIA 认è¯åQ?/strong>WEKA è£èŽ· NVIDIA ¾pÈ»Ÿå­˜å‚¨è§£å†³æ–ÒŽ¡ˆè®¤è¯åQŒç¡®ä¿äØ“ AI 和数æ®åˆ†æžå·¥ä½œè´Ÿè½½æä¾›é«˜æ€§èƒ½ã€å¯æ‰©å±•且å¯é çš„存储解决æ–ÒŽ¡ˆã€?/li>

NVIDIA MGX 部çÖv的推è存储酾|?/h2>

åˆç†çš„存储酾|®å¯¹¼‹®ä¿ AI 训练和推ç†çš„æœ€ä½Ïx€§èƒ½è‡›_…³é‡è¦ã€‚å­˜å‚¨æ€§èƒ½ç›®æ ‡å› æ¨¡åž‹ç±»åž‹ã€æ•°æ®é›†å¤§å°å’Œå·¥ä½œè´Ÿè½½ç‰¹å¾è€Œå¼‚ã€‚äØ“æ”¯æŒ NVIDIA MGX ¾pÈ»Ÿä¸Šçš„高性能训练和推ç†ï¼ŒWEKA Data Platform æä¾›äº†ä¸€å¥?NVIDIA Blackwell 认è¯çš„ã€å¯æ‰©å±•且高åžåé‡çš„存储æ–ÒŽ¡ˆåQŒå®Œ¾ŸŽå¥‘åˆçްä»?AI 工作负è²çš„需求ã€?/p>

 

对于大规æ¨?AI 训练æ¥è¯´åQŒæ£€æŸ¥ç‚¹çš„读写性能ž®¤äؓ关键åQŒè¿™æ˜¯ä¸€ä¸ªåŒæ­¥ä“Q务,若优化ä¸å½“,å¯èƒ½ä¼šå¯¼è‡´è®­¾lƒåœæ»žã€‚大型语­a€æ¨¡åž‹åQˆLLMåQ‰åœ¨‹‚€æŸ¥ç‚¹é˜¶æ®µéœ€æžé«˜å†™å…¥åžåé‡ï¼Œå…‰™œ€æ±‚也会éšç€æ¨¡åž‹è§„模增长而增加。例如,一ä¸?300 äº¿å‚æ•°æ¨¡åž‹å¯èƒ½éœ€è¦?206 GB/s çš„æ€Õd†™å…¥é€ŸçއåQŒè€Œä¸€ä¸?1 ä¸‡äº¿å‚æ•°æ¨¡åž‹åˆ™å¯èƒ½éœ€è¦è¿‘ 389 GB/s 的写入速率ã€?/p>

 

下表展示äº?WEKApod Nitro 讑֤‡åœ¨æ»¡­‘?NVIDIA GB200 NVL72 机架åQˆæœ€ä½Žå­˜å‚¨å®¹é‡?10,924TBåQ‰å¢žå¼ºåž‹æŒ‡å¯¼/æ€§èƒ½è¦æ±‚ä¸‹çš„å­˜å‚¨å¯†åº¦ä¸Žè®¤è¯æ€§èƒ½åQ?/p>

通过使用 WEKApodåQŒäº‘æœåС商å¯ä»¥å½»åº•消除存储瓶颈,¼‹®ä¿ Blackwell GPU 始终以最佳状æ€è¿è¡Œï¼Œè€Œæ— éœ€˜q‡åº¦­‘…é…ã€?/p>

未æ¥å·²æ¥åQšæž„å»?AI æŽ¨ç†æ—¶ä»£çš„基¼‹€è®¾æ–½

AI æŽ¨ç†æ—¶ä»£éœ€è¦ä¸€¿U全新的数æ®åŸºç¡€è®¾æ–½åQŒå®ƒä¸ä»…è¦è¿è¡Œå¿«é€Ÿã€é«˜æ•ˆï¼Œ˜q˜èƒ½åº”对 Token ¾l济的爆å‘å¼å¢žé•¿ã€‚现在,借助 WEKA ä¸?NVIDIA GB200 NVL72 å¼ºå¼ºè”æ‰‹åQŒAI 云æœåС商å¯ä»¥åŒæ—¶è޷得凸™‰²çš„æ€§èƒ½ã€å¼ºå¤§çš„æ‰©å±•性和安全ä¿éšœé•Ñ€?/p>

 

如果您是正在构å¾ä¸‹ä¸€ä»?AI 云æœåŠ¡çš„ NVIDIA 云åˆä½œä¼™ä¼ß_¼ŒçŽ°åœ¨æ­£æ˜¯è§£é” GPU 潜能的最ä½Ïx—¶æœºï¼Œä¸?WEKA æºæ‰‹åQŒè®©æ‚¨çš„ AI 云æœåŠ¡æ›´åŠ å¿«é€Ÿã€ç¨³å®šã€ç®€å•ï¼

WEKA æºæ‰‹ NVIDIA BlackwellåQŒé‡Šæ”?AI æŽ¨ç†æ— é™æ½œèƒ½

è”系瑞技

æ‚¨æ­£åœ¨äØ“æ‚¨çš„ AI 云æœåŠ¡å¯»æ‰„¡ªç ´æ€§çš„æ€§èƒ½ã€å¼¹æ€§ã€å¯æ‰©å±•性和数æ®ç‰|´»æ€§å—åQŸç«‹åŒ™”¾pÈ‘žæŠ€ã€?/p>

WEKA æºæ‰‹ NVIDIA BlackwellåQŒé‡Šæ”?AI æŽ¨ç†æ— é™æ½œèƒ½æœ€å…ˆå‡ºçŽ°åœ¨ç‘žæŠ€¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/weka-helps-unlock-potential-ai-token.html?utm_source=rss&utm_medium=rss&utm_campaign=weka-helps-unlock-potential-ai-token Wed, 26 Feb 2025 04:00:10 +0000 //51269984.cn/?p=27292 AIåQˆäh工智能)的蓬勃å‘å±•ï¼Œé©±åŠ¨ç€æŠ€æœ¯é©æ–îC¸Žåº”用扩展。然而,Token 处ç†çš„æˆæœ¬ä¸Žæ•ˆçŽ‡é—®é¢˜æ—¥ç›Šå‡¸æ˜¾åQŒæˆä¸ºåˆ¶¾U?[…]

WEKA 助力ä¼ä¸šé™æœ¬å¢žæ•ˆåQŒè§£é”?AI Token 潜能最先出现在瑞技¿U‘技ã€?/p> ]]>

AIåQˆäh工智能)的蓬勃å‘å±•ï¼Œé©±åŠ¨ç€æŠ€æœ¯é©æ–îC¸Žåº”用扩展。然而,Token 处ç†çš„æˆæœ¬ä¸Žæ•ˆçŽ‡é—®é¢˜æ—¥ç›Šå‡¸æ˜¾åQŒæˆä¸ºåˆ¶¾U?AI 规模化应用的关键因素ã€?a href="/weka">WEKA Data Platform 以å‰çžÀL€§çš„æŠ€æœ¯æž¶æž„,实现微秒¾U?Token 处ç†åQŒäØ“ AI 的普åŠä¸Žåº”用带æ¥è´¨çš„飞跃ã€?/p>

 

*什么是TokenåQˆä»£å¸ï¼‰åQŸÂ?/em>

在Â?AI  领域åQ?strong>TokenåQˆä»£å¸ï¼‰æ˜?AI 处ç†çš„æœ€ž®å•ä½?/strong>åQŒç±»ä¼égºŽä¸€ä¸ªå­—或一个è¯ã€‚例如,当你输入一ŒD‰|–‡æœ¬ç»™ AIåQŒAI 会将其拆解æˆå¤šä¸ªä»£å¸åQŒåƈé€ä¸ªå¤„ç†ã€ç”Ÿæˆå›žåº”。Token 的处ç†é€Ÿåº¦å’Œæˆæœ¬ï¼Œç›´æŽ¥å½±å“ AI 的效率和¾l济性ã€?/em>

Token 生æˆä¼˜åŒ–â€”â€”ä½Žæˆæœ¬ä¸Žé«˜æ•ˆèƒ½òq‰™‡

Token 生æˆä¼˜åŒ–â€”â€”ä½Žæˆæœ¬ä¸Žé«˜æ•ˆèƒ½òq‰™‡

AI 工作‹¹ç¨‹å¾€å¾€éœ€è¦åœ¨æˆæœ¬ã€åšg˜qŸå’Œå‡†ç¡®æ€§ä¹‹é—´å¯»æ±‚åã^衡。传¾lŸä¸ŠåQŒæå‡å…¶ä¸­ä¸€™åÒŽŒ‡æ ‡å¾€å¾€éœ€è¦ç‰ºç‰²å…¶ä»–指标。然而,通过基础设施优化——例如,在ä¿è¯å‡†¼‹®æ€§çš„剿䏋é™ä½Žå†…å­˜ä¾èµ–——WEKA 打破了这一桎æ¢ã€‚WEKA èƒ½å¤Ÿä¼˜åŒ–ä½Žæˆæœ?Token 生æˆåQ?strong>é™ä½Žæˆæœ¬åQŒäØ“ä¼ä¸šå¤§å¹…节çœå¼€æ”¯ã€?/p>

微秒¾U§å“应——æžé€?AI 推ç†ä½“验

对于 AI Token æŽ¨ç†æ¥è¯´åQŒåšg˜qŸæ˜¯å½±å“效率的关键因素。æ¯èŠ‚çœä¸€æ¯«ç§’åQŒéƒ½æ„å‘³ç€æ€§èƒ½çš„大òq…æå‡å’ŒåŸºç¡€è®¾æ–½å¼€é”€çš„æ˜¾è‘—é™ä½Žã€‚WEKA Data Platform 采用 GPU 优化架构åQŒå°† token 处ç†çš„åšg˜qŸç¾ƒçŸ­è‡³å¾®ç§’¾U§ï¼Œå½Õdº•消除了传¾lŸæ•°æ®å¤„ç†çš„瓉™¢ˆã€‚借助é«?strong>é€Ÿæ•°æ®æµå¤„ç†åQŒAI 模型能够更快地å“åº”å’Œåˆ†æžæ•°æ®åQŒå¤§òq…æå‡æ•´ä½“性能ã€?/p>

领先çš?Token 处熋¹ç¨‹â€”—çªç ´è§„æ¨¡ä¸Žæˆæœ¬çš„åŒé‡é™åˆ?/h2>

WEKA æ•°æ®òq›_°çš„独特之处在于,它优化了输入和输å‡?token çš„å¤„ç†æ–¹å¼ã€‚对于大型语­a€æ¨¡åž‹åQˆLLMåQ‰å’Œå¤§åž‹æŽ¨ç†æ¨¡åž‹åQˆLRMåQ‰æ¥è¯ß_¼ŒWEKA ž®†é«˜é€Ÿå­˜å‚¨å˜ä¸ºå†…存的“邻˜q‘层â€ï¼ˆadjacent tieråQ‰ï¼Œå®žçŽ°åª²ç¾Ž DRAM 的性能åQŒåŒæ—¶æ”¯æŒ?PB ¾U§åˆ«çš„超大容é‡ã€‚这一创新性的设计åQŒåŠ©åŠ›ä¼ä¸?strong>以更å…ähˆæœ¬æ•ˆç›Šçš„æ–¹å¼æ‰©å±• AI 应用åQŒåŒæ—¶ä¿æŒå“­‘Šçš„æ•ˆçŽ‡å’Œå‡†¼‹®æ€§ï¼Œä¸å†å—é™äºŽæ˜‚è´ëŠš„内存瓉™¢ˆã€?/p>

½Ž€åŒ–æ•°æ®ç®¡ç†ï¼Œä¼˜åŒ– AI æŽ¨ç†æ•ˆçއ

“在大规模推ç†ä¸­åQŒé«˜é€Ÿæ•°æ®è®¿é—®å’Œä½Žåšg˜qŸæ˜¯åˆšéœ€ã€‚WEKA 通过½Ž€åŒ–æ•°æ®ç®¡ç†ï¼Œå¸®åŠ©æˆ‘ä»¬é™ä½Žæˆæœ¬ã€èŠ‚çœæ—¶é—ß_¼Œè®©æˆ‘们能专注于æä¾›æ›´å¿«ã€æ›´å‡†ç¡®çš?AI ‹zžå¯Ÿã€‚â€?/em>

——æŸAI模型供应商兼 WEKA 客户

WEKA 颠覆 AI 推ç†ä¸­æˆæœ¬ã€åšg˜qŸä¸Ž¾_‘Öº¦çš„ä¼ ¾lŸæƒè¡?/h2>

通过 WEKAåQŒAI 推ç†ä¸?Token 生æˆçš„æˆæœ¬ã€åšg˜qŸä¸Ž¾_„¡¡®åº¦ä¹‹é—´çš„òqŒ™¡¡ä¸å†æ˜¯éš¾ä»¥è§£å†³çš„æŒ‘战。WEKA 高效的数æ®ç®¡ç†ä¸Žå¤„ç†èƒ½åŠ›åQŒäØ“ä¼ä¸šå¸¦æ¥äº†å¯æŒç®‹çš„æŠ€æœ¯ä¼˜åŠ¿ï¼ŒåŠ©åŠ› AI 应用在更òq¿æ³›çš„行业中˜q…速è½åœîC¸Žå‘展ã€?/p>

WEKA 助力ä¼ä¸šé™æœ¬å¢žæ•ˆåQŒè§£é”?AI Token 潜能

è”系瑞技

æ‚¨æ­£åœ¨äØ“æ‚¨çš„ AI 模型居高ä¸ä¸‹çš„æˆæœ¬å’Œæ•ˆçŽ‡è€Œå¿§è™‘å—åQ?ç«‹å³è”系瑞技 AI 专家åQŒè§£é”?WEKA æ•°æ®òq›_°ã€?/p>

WEKA 助力ä¼ä¸šé™æœ¬å¢žæ•ˆåQŒè§£é”?AI Token 潜能最先出现在瑞技¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/token-economy-reshapes-generative-ai.html?utm_source=rss&utm_medium=rss&utm_campaign=token-economy-reshapes-generative-ai Tue, 11 Feb 2025 03:57:26 +0000 //51269984.cn/?p=27102 ˜q‘æ—¥åQŒä¸­å›?AI 公叿·±åº¦æ±‚烦åQˆDeepSeekåQ‰å› ½Hç ´æ€§æŠ€æœ¯æˆæžœå¼•å‘行业震动。其最新研å‘çš„ DeepSeek […]

ä»?DeepSeek 爆ç«åQŒçœ‹ Token ¾l济如何é‡å¡‘生æˆå¼?AI最先出现在瑞技¿U‘技ã€?/p> ]]>

˜q‘æ—¥åQŒä¸­å›?AI 公叿·±åº¦æ±‚烦åQˆDeepSeekåQ‰å› ½Hç ´æ€§æŠ€æœ¯æˆæžœå¼•å‘行业震动。其最新研å‘çš„ DeepSeek V1通过é©å‘½æ€§çš„¾~“存技术,ž®†å¤§æ¨¡åž‹ API æˆæœ¬æœ€é«˜ç›´é™?0%åQŒå½»åº•改写了生æˆå¼?AI 的代å¸ç»‹¹Žå­¦è§„åˆ™ã€‚è¿™åœºç”±å­˜å‚¨æŠ€æœ¯åˆ›æ–°é©±åŠ¨çš„æˆæœ¬é©å‘½åQŒæ­£åœ¨é‡å¡‘å…¨ç?AI 产业格局——通过é™ä½Žç”Ÿæˆæˆæœ¬ã€ä¼˜åŒ?Token åžåé‡ã€çªç ´å†…å­˜é™åˆÓž¼Œç”Ÿæˆå¼?AI 正在å˜å¾—更加触手å¯åŠå’Œç»‹¹Žé«˜æ•ˆã€‚让我们æ¥çœ‹çœ‹è¿™ä¸‰å¤§å…³é”®½Hç ´åQŒå¦‚何从æ ÒŽœ¬ä¸Šæ”¹å?AI Token 的生æˆå’Œå¤„ç†æ–¹å¼åQŒè®© AI çš„è½åœ°æˆæœ¬ä¸åœ¨æˆä¸ÞZ¼ä¸šæ‰©å±•的障ç¢ã€?/p>

*什么是TokenåQŸÂ?/em>

在Â?AI  领域åQ?strong>Tokenæ˜?AI 处ç†çš„æœ€ž®å•ä½ï¼Œ¾cÖM¼¼äºŽä¸€ä¸ªå­—或一个è¯ã€‚例如,当你输入一ŒD‰|–‡æœ¬ç»™ AIåQŒAI 会将其拆解æˆå¤šä¸ªä»£å¸åQŒåƈé€ä¸ªå¤„ç†ã€ç”Ÿæˆå›žåº”。Token 的处ç†é€Ÿåº¦å’Œæˆæœ¬ï¼Œç›´æŽ¥å½±å“ AI 的效率和¾l济效益ã€?/em>

æ™ø™ƒ½¾~“å­˜åQšå¤§òq…é™ä½?Token ç”Ÿæˆæˆæœ¬

æ™ø™ƒ½¾~“å­˜åQšå¤§òq…é™ä½?Token ç”Ÿæˆæˆæœ¬

DeepSeek 的关键çªç ß_¼Œåœ¨äºŽå…¶å¯¹Â Token ç”Ÿæˆæ•ˆçŽ‡çš„æ·±åº¦ä¼˜åŒ–ã€‚ä»¥Â DeepSeek R1 ä¸ÞZ¾‹åQŒå®ƒé‡‡ç”¨¼‚盘¾U§åˆ«çš„上下文¾~“å­˜åQˆcontext cachingåQ?/strong>åQŒå°† Token 生æˆçš„Â?strong>API æˆæœ¬é™ä½Žé«˜è¾¾90%ã€?/strong>

 

˜q™ä¸€åˆ›æ–°çš„æ ¸å¿ƒé€»è¾‘在于åQ?strong>ž®†å¸¸ç”¨ä¸Šä¸‹æ–‡å­˜å‚¨äºŽåˆ†å¸ƒå¼å­˜å‚¨¾pÈ»ŸåQŒè€Œéžå®Œå…¨ä¾èµ–高昂的内存ã€?/strong>˜q™æ ·åQŒAI æŽ¨ç†æ—¶å¯ä»?strong>åƒè¯»å–内存一样快速访问已计算˜q‡çš„ä¿¡æ¯åQŒä»Žè€Œå¤§òq…削å‡?Token 生æˆçš„èµ„æºæ¶ˆè€—。Â?/p>

 

˜q™é¡¹åˆ›æ–°çš„绋¹Žä­hå€ég¸å®¹å¿½è§†ï¼šä¼ ç»Ÿçš?AI æŽ¨ç†æˆæœ¬å—é™äºŽæ˜‚è´ëŠš„高带宽内存(HBMåQ‰ï¼Œä½?DeepSeek 的优化ä‹É AI 推ç†èƒ½å¤Ÿåœ¨Â?strong>SSD 固æ€ç¡¬ç›˜ä­hæ ¼çš„æˆæœ¬ä¸‹ï¼ŒèŽ·å¾—æŽ¥è¿‘å†…å­˜¾U§åˆ«çš„æ€§èƒ½åQŒæ½œåœ¨æˆæœ¬ä¸‹é™å¯è¾¾Â?strong>30å€?/strong>。对于希望扩å±?AI 应用的ä¼ä¸šè€Œè¨€åQŒè¿™æ ïLš„优化è®?strong>大模型应用更加触手å¯å?/strong>åQŒåœ¨ä¸åª„哿€§èƒ½çš„å‰æä¸‹å®žçŽ°æžè‡´çš„æˆæœ¬æŽ§åˆ?/strong>ã€?/p>

微秒¾U§åšg˜qŸï¼Œåžåé‡ä¼˜åŒ–新范å¼

微秒¾U§åšg˜qŸï¼Œåžåé‡ä¼˜åŒ–新范å¼

在生æˆå¼ AI 中,延迟åQˆLatencyåQ?/strong>Â æ˜¯ç›´æŽ¥åª„å“æˆæœ¬å’Œç”¨æˆ·ä½“éªŒçš„æ ¸å¿ƒå› ç´ ã€‚æŽ¨ç†æ¯èŠ‚çœä¸€æ¯«ç§’åQŒéƒ½æ„å‘³ç€æ›´é«˜çš„计½Ž—æ•ˆçŽ‡ã€æ›´ä½Žçš„基础设施支出。然而,传统架构往往难以åœ?strong>å‡†ç¡®çŽ‡ã€æˆæœ¬ä¸Žé€Ÿåº¦ä¹‹é—´æ‰‘Öˆ°òqŒ™¡¡åQŒå¯¼è‡´æ‰©å±•性å—é™ã€‚Â?/p>

 

WEKA 正在改嘘q™ä¸€æ ¼å±€åQŒæˆ‘们超低åšg˜qŸå­˜å‚¨æ–¹æ¡ˆäØ“ AI 推ç†å¸¦æ¥äº†é©å‘½æ€§çš„½Hç ´ã€?strong>WEKA çš?GPU 优化存储架构¾l“åˆÂ NVMe SSD 加速和高性能¾|‘络åQŒä‹É Token 处ç†çš„åšg˜qŸé™ä½?strong>高达40å€?/strong>åQŒå®žçް微¿U’çñ”推ç†ã€‚Â?/p>

˜q™æ„味ç€åQšÂ?/p>

â— Â?strong>æ›´å¿«çš?Token 处ç†é€Ÿåº¦åQŒå‡ž®‘计½Ž—资æºå ç”¨Â?/p>

â—Â Â æ”¯æŒæ›´å¤šåƈå‘用æˆ?/strong>åQŒä¼˜åŒ–ä¸šåŠ¡æˆæœ¬Â?/p>

â— Â?strong>æå‡å®žæ—¶ AI 应用体验åQˆå¦‚æ™ø™ƒ½å®¢æœã€æµåª’体处ç†ã€å†…容生æˆç­‰åQ‰Â?/p>

 

对ä¼ä¸šè€Œè¨€åQŒToken åžåé‡çš„æå‡æ„味ç€åœ¨ç›¸åŒçš„计算资æºä¸‹ï¼Œå¯ä»¥æ”¯æŒæ›´å¤šç”¨æˆ·ã€æ›´å¿«å“åº?/strong>åQŒæœ€¾lˆå®žçŽ°æ›´ä½Žçš„˜qè¥æˆæœ¬ã€‚在 AI ¾læµŽä¸­ï¼Œä½Žæˆæœ¬ã€é«˜æ•ˆçއçš?Token 处ç†èƒ½åЛ已æˆä¸ø™¡Œä¸šç«žäº‰çš„æ–°ç„¦ç‚V€?/p>

打破内存瓉™¢ˆåQŒPB ¾U§æ‰©å±•çš„æˆæœ¬é©å‘½

长期以æ¥åQŒAI 推ç†å—é™äºŽæ˜‚è´ëŠš„内存资æºåQŒå¤§è¯­è¨€æ¨¡åž‹ä¾èµ–高带宽内存(HBMåQ‰è¿›è¡ŒæŽ¨ç†è¿½Ž—,但规模化扩展˜q™ä¸€æž¶æž„çš„æˆæœ?strong>æžäؓ昂贵。如今,行业正通过利用高性能存储åQŒæ‰“破这一é™åˆ¶åQŒå®žçŽ?Token 处ç†èƒ½åŠ›çš„æ‰©å±•ï¼Œè€Œæ— éœ€æ”¯ä»˜æŒ‡æ•°¾U§å¢žé•¿çš„å†…å­˜æˆæœ¬ã€?/p>

 

WEKA 高性能存储解决æ–ÒŽ¡ˆæ­£åœ¨æŽ¨åŠ¨å­˜å‚¨ä¸?AI æŽ¨ç†æž¶æž„的深度èžåˆï¼Œä½¿å¤§è¯­è¨€æ¨¡åž‹åQˆLLMåQ‰å’Œå¤§è§„æ¨¡æŽ¨ç†æ¨¡åž‹ï¼ˆLRMåQ‰èƒ½å¤Ÿå°†é«˜æ€§èƒ½å­˜å‚¨ä½œäؓ扩展内存层,在实玊W?strong>DRAM ¾U§åˆ«çš„æ€§èƒ½åŒæ—¶å®žçŽ°Â PB ¾U§æ‰©å±•能åŠ?/strong>。这¿U架构演˜q›ä‹Éä¼ä¸šèƒ½ä»¥ SSD çš„ä­hæ ÆDŽ·å¾—è¿‘ä¼¼å†…å­˜çš„æ€§èƒ½åQŒå®žçŽ°æˆæœ¬å¯æŽ§çš„AI应用扩展ã€?/p>

 

以优化推ç†ç¼“存的 vLLM Mooncake ™å¹ç›®ä¸ÞZ¾‹åQŒå…¶ä¸?WEKA çš„é›†æˆæ–¹æ¡ˆåœ¨¾~“存定w‡ã€é€Ÿåº¦å’Œæ•ˆçŽ‡ä¸Š˜qœè¶… Redis å’?Memcached ½{‰ä¼ ¾lŸç¼“存方æ¡?/strong>。这¿U代å¸å¤„ç†æŠ€æœ¯çš„½Hç ´åQŒä‹Éä¼ä¸šæ— éœ€æ‰¿å—内存扩容带æ¥çš„æŒ‡æ•°çñ”æˆæœ¬å¢žé•¿å›_¯æ‰©å±• AI 工作负è²ã€?/p>

 

˜q™ä¸€å˜é©æ„味ç€åQšä¼ä¸šå¯ä»?strong>æ›´ä½Žæˆæœ¬æ‰©å±• AI 应用åQŒåŒæ—¶ä¿æŒé«˜æ•ˆå’Œ¾_‘Ö‡†çš„æŽ¨ç†èƒ½åŠ›ï¼Œæ‰“ç ´ä¼ ç»ŸæŽ¨ç†æž¶æž„çš„æˆæœ¬é™åˆ¶ã€?/p>

AI基础设施的未æ¥å†³èƒœç‚¹

åœ?AI é©å‘½çš„竞争中åQ?strong>赢家ž®†æ˜¯é‚£äº›èƒ½å¤ŸæŒç®‹é™ä½Ž Token æˆæœ¬åQŒåŒæ—¶ä¿æŒé«˜æ€§èƒ½çš„ä¼ä¸?/strong>。通过 DeepSeek 的智能缓存与 WEKA 的高æ•?AI 基础架构½{‰çªç ´æ€§æŠ€æœ¯ï¼Œæ­£åœ¨é‡å¡‘生æˆå¼?AI 的绋¹Žæ¨¡å¼â€”—让生æˆå¼?AI å˜å¾—æ›´åŠ å¼ºå¤§ã€æ™®åŠï¼Œòq¶å…·å¤‡æ›´é«˜çš„æˆæœ¬æ•ˆç›Šã€‚Â?/p>

 

éšç€ç”Ÿæˆå¼?AI 的挾l­æ¼”˜q›ï¼ŒToken ¾l济ž®†æˆä¸ºå†³å®?AI 坿‰©å±•性的关键因素。那些无法优åŒ?Token å¤„ç†æˆæœ¬çš„ä¼ä¸šï¼Œž®†åœ¨ç«žäº‰ä¸­é€æ¸å¤±åŽ»ä¼˜åŠ¿ã€?strong>¾~“存优化ã€å­˜å‚¨åŠ é€Ÿã€æŽ¨ç†åšg˜qŸé™ä½?/strong>½{‰åˆ›æ–ŽÍ¼Œæ­£åœ¨ä¸ºæ›´å…¯‚§„模化ã€ç»‹¹ŽåŒ–çš?AI 部çÖv铺åã^é“èµ\ã€?/p>

ä»?DeepSeek 爆ç«åQŒçœ‹ Token ¾l济如何é‡å¡‘生æˆå¼?AI

è”系瑞技

æ‚¨æ­£åœ¨äØ“æ‚¨çš„åº”ç”¨å¯ÀL‰¾½H破性的性能ã€å¼¹æ€§ã€å¯æ‰©å±•性和数æ®ç‰|´»æ€§å—åQ?ç«‹å³è”ç³» WEKA 解决æ–ÒŽ¡ˆ™åùN—®ã€?

ä»?DeepSeek 爆ç«åQŒçœ‹ Token ¾l济如何é‡å¡‘生æˆå¼?AI最先出现在瑞技¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/weka-wins-key-victory-io500.html?utm_source=rss&utm_medium=rss&utm_campaign=weka-wins-key-victory-io500 Fri, 24 Jan 2025 06:12:42 +0000 //51269984.cn/?p=27052 在竞争激烈的高性能计算åQˆHPCåQ‰é¢†åŸŸï¼Œå­˜å‚¨¾pÈ»Ÿæ— ç–‘是驱动技术çªç ´çš„关键。è€?IO500 基准‹¹‹è¯•åQŒä½œä¸ÞZ¸šç•Œå…¬è®?[…]

颠覆¿U‘ç ”åQšWEKA 拿下 IO500 关键胜利åQŒäØ“ AIã€åŸºå› ã€è¶…½Ž—注入创新强动力最先出现在瑞技¿U‘技ã€?/p> ]]>

在竞争激烈的高性能计算åQˆHPCåQ?/strong>领域åQŒå­˜å‚¨ç³»¾lŸæ— ç–‘是驱动技术çªç ´çš„关键。è€?IO500 基准‹¹‹è¯•åQŒä½œä¸ÞZ¸šç•Œå…¬è®¤çš„“金标准â€ï¼Œä»¥å…¨é¢è¯„估存储系¾lŸçš„æ€§èƒ½ä¸Žæ•ˆçއ闻å。WEKA 在最æ–?IO500 ‹¹‹è¯•中的å“越表现åQŒä»¥é¢†å…ˆçš„æ•ˆçŽ‡ä¸Žå¼ºå¤§çš„å­˜å‚¨èƒ½åŠ›ï¼Œå†æ¬¡è¯ é‡Šäº†å…¶åœ¨é«˜æ€§èƒ½å­˜å‚¨é¢†åŸŸçš„éžå‡¡å®žåŠ›ã€?/p>

 

本文ž®†å¸¦ä½ äº†è§?WEKA åœ?IO500 基准‹¹‹è¯•中的亮眼表现åQŒæ­¤‹Æ¡æµ‹è¯•由享誉全çƒçš„纪忉|–¯éš?凯特ç³ç™Œç—‡ä¸­å¿ƒï¼ˆMSKCCåQŒMemorial Sloan Kettering Cancer CenteråQ‰æäº¤å®Œæˆã€‚凭借çªç ´æ€§çš„æ•ˆçŽ‡è¡¨çŽ°ã€æ˜¾è‘—é™ä½Žçš„资æºéœ€æ±‚以åŠå‡ºè‰²çš„元数æ®å¤„ç†èƒ½åŠ›ï¼ŒWEKA 冿¬¡è¯æ˜Žä¸ÞZ½•它是 AI/MLã€?strong>基因¾l„ç ”½I?/strong>å’?strong>大规模仿çœ?/strong>½{‰é«˜è´Ÿè²åº”用场景的首选åã^å°ã€?/p>

关于 MSKCC å’?IRIS ­‘…çñ”集群

¾Uªå¿µæ–¯éš†-凯特ç³ç™Œç—‡ä¸­å¿ƒï¼ˆMemorial Sloan Kettering Cancer CenteråQŒç®€¿U?MSKCCåQ‰æ˜¯ä¸€å®¶ä½äºŽçº½¾U¦æ›¼å“ˆé¡¿äº«èª‰å…¨çƒçš„癌症治疗与研究机构。作为美国国家癌症研½I¶æ‰€æŒ‡å®šçš?72 家综åˆç™Œç—‡ä¸­å¿ƒä¹‹ä¸€åQŒMSKCC 始终站在肿瘤学研½I¶ä¸Žæ‚£è€…护ç†çš„剿²¿åQŒå¼•é¢†è¡Œä¸šçš„ä¸æ–­˜q›æ­¥ä¸Žçªç ´ã€?/p>

 

˜q™ä¸€æˆå°±çš„æ ¸å¿ƒæ˜¯Â IRIS ­‘…çñ”集群。它支æŒåŸºå› ¾l„å­¦ã€è‚¿ç˜¤å­¦å’Œè®¡½Ž—生物学½{‰å…³é”®é¢†åŸŸçš„工作负è²åQŒæžå¤§æå‡äº†æ‚£è€…护ç†å’Œ¿U‘ç ”å‘现的效率。该¾pÈ»Ÿæ­£é€šè¿‡åŠ é€Ÿå‘现进½E?/strong>òq?strong>改善患者预å?/strong>åQŒæŽ¨åŠ¨ç™Œç—‡ç ”½I¶çš„å˜é©ã€‚例如,åŸÞZºŽ AI çš„åˆ›æ–°æˆæžœä¸ä»…大òq…ç¾ƒçŸ­æ‚£è€…çš„åº·å¤æ—‰™—´åQŒè¿˜åœ¨ç»“肠癌临床试验中å–得了 100% çš„æˆåŠŸçŽ‡ã€‚IRIS ­‘…çñ”集群的数æ®åŸº¼‹€è®¾æ–½æ ¸å¿ƒæ­£æ˜¯ WEKA Data Platform。MSKCC 高性能计算部门负责äº?Jessica Audette 表示åQšâ€œWEKA å¯?MSK çš„åª„å“æ·±˜qœã€‚它是我们的关键òq›_°ä¹‹ä¸€åQŒå¸®åŠ©æˆ‘ä»¬åœ¨å¤šä¸ª HPC 工作负è²ä¸­åŠ å¿«ç§‘ç ”æˆæžœçš„转化。â€?/p>

MSKCC 高性能计算部门负责�Jessica Audette

MSKCC 高性能计算部门负责�Jessica Audette

MSKCC 通过 IO500 基准‹¹‹è¯•åQŒéªŒè¯äº† IRIS ­‘…çñ”集群的性能和效率,¼‹®ä¿å…¶èƒ½æ»¡èƒö基因¾l„å­¦ã€è‚¿ç˜¤å­¦å’Œè®¡½Ž—生物学½{‰å‰æ²¿ç ”½I¶çš„高计½Ž—需求。通过˜q™ä¸€åŸºå‡†‹¹‹è¯•åQŒMSKCC ä¸ä»…展示了在技术选择上的å‰çž»æ€§ï¼Œæ›´è¡¨æ˜Žäº†å…¶è‡´åŠ›äºŽåˆ©ç”¨™å¶å°–¿U‘技加速科研çªç ´ã€ä¼˜åŒ–患者预åŽçš„军_¿ƒã€‚æ­¤‹Æ¡å‡ºè‰²çš„ IO500 æˆç‡W是在 WEKA æ•°æ®òq›_°ä¸Šå®Œæˆçš„åQŒè¿›ä¸€æ­¥éªŒè¯äº† WEKA 在高性能计算环境中的å“越能力与强劲表现ã€?/p>

‹¹‹è¯•¾l“果关键亮点

  • 供应商:WEKA
  • æ–‡äšg¾pÈ»ŸåQšWekaFS
  • 客户节点敎ͼš261
  • 总进½E‹æ•°åQ?7,144
  • IO500 分数åQ?65.49
  • 带宽 (BW) åQ?52.54 GiB/s
  • 元数æ?(MD)åQ?,753.69 kIOP/s

èƒ½æºæ¶ˆè€—和冷å´éœ€æ±‚的增加

更少节点åQŒæ›´é«˜æ•ˆçŽ?/h3>

WEKA 在仅使用 261 个客æˆïL«¯èŠ‚ç‚¹çš„æƒ…å†µä¸‹åQŒå–得了665.49çš?IO500分数åQŒè€ŒæŸäº›ä¼ ¾lŸåˆ†å¸ƒå¼æ–‡äšg¾pÈ»ŸåQˆå¦‚ LustreåQ‰åˆ™éœ€è¦?2,080 个客æˆïL«¯èŠ‚ç‚¹æ‰èƒ½è¾‘Öˆ° 797.04 的分数。这表明åQŒWEKA 能够在更ž®‘的资æºä¸‹æä¾›å“­‘Šçš„æ€§èƒ½åQŒä»Žè€Œæ˜¾è‘—é™ä½Žç¡¬ä»‰™œ€æ±‚ã€ç”µåŠ›æ¶ˆè€—å’Œæ“ä½œå¤æ‚性ã€?/p>

 

节点数的å‡å°‘æ„味ç€ä¼ä¸šèƒ½å¤Ÿä»¥è¾ƒä½Žçš„¼‹¬äšg投入ã€è¾ƒä½Žçš„能耗和½Ž€åŒ–çš„˜qè¥½Ž¡ç†åQŒä¾ç„¶èŽ·å¾—å“­‘Šçš„æ€§èƒ½ã€‚è¿™ä¸ä»…èƒ½æ˜¾è‘—èŠ‚çœæˆæœ¬ï¼Œ˜q˜èƒ½é™ä½Žå¯¹çŽ¯å¢ƒçš„å½±å“åQŒä‹Éå…¶æˆä¸ºé‚£äº›æ—¨åœ¨æœ€å¤§åŒ–投资回报率(ROIåQ‰åƈå‡å°‘¼„Œ™ƒö˜q¹çš„ä¼ä¸šçš„ç†æƒ³é€‰æ‹©ã€?/p>

å“越的元数æ®å¤„ç†èƒ½åŠ›

WEKA å…ƒæ•°æ®æ€§èƒ½æ–šw¢è¡¨çްå“è¶ŠåQŒè¾¾åˆîCº†Â 1,753.69 kIOP/såQŒæŽ¥˜q?Lustre 895.35 kIOP/s 的两å€ã€‚这一æˆç‡W充分展现äº?WEKA 在元数æ®å¯†é›†åž‹åœºæ™¯ä¸­çš„强大优势,å¦?AI/ML 模型训练ã€å¤§è§„模仿真以åŠåŸºå› ¾l„ç ”½I¶ç­‰å·¥ä½œè´Ÿè²åQŒä‹Éå…¶æˆä¸ºé¦–选解å†Ïx–¹æ¡ˆã€?/p>

 

此外åQŒWEKA åœ?strong> easy stat 性能‹¹‹è¯•中达åˆîCº†Â 15,370.21 kIOP/såQŒå¤§òq…领先于 Lustre çš„Â?strong>1,739.90 kIOP/såQŒè¿›ä¸€æ­¥å¬må›ÞZº†å…¶åœ¨å…ƒæ•°æ®å¤„ç†é¢†åŸŸçš„领先åœîC½ã€?/p>

 

元数æ®å¯†é›†åž‹æ“作åQˆä¾‹å¦?AI/ML 模型训练ã€å¤§è§„模仿真åŠåŸºå› ç»„研究åQ‰é€šå¸¸æ˜¯ä¼ ¾lŸå­˜å‚¨ç³»¾lŸçš„瓉™¢ˆæ‰€åœ¨ã€‚然而,WEKA 凭借其无与伦比的元数æ®å¤„ç†èƒ½åŠ›åQŒå¤§òq…æå‡äº†æ•°æ®è®‰K—®ä¸Žå¤„ç†é€Ÿåº¦ã€æ¨¡åž‹è®­¾lƒæ•ˆçއ以åŠé¦–‹Æ¡å“应时间。这¿Uå“­‘Šçš„æ€§èƒ½ä¸ä»…能够帮助ä¼ä¸šåŠ é€Ÿåˆ›æ–°ã€æå‡ç”Ÿäº§åŠ›åQŒè¿˜èƒ½ç¡®ä¿å…¶åœ¨ç«žäº‰æ¿€çƒˆçš„市场中始¾lˆä¿æŒé¢†å…ˆä¼˜åŠÑ€?/p>

ä¸ÞZ»€ä¹ˆé€‰æ‹© WEKAåQ?/h2>

æ— ç¼æ‰©å±• 

WEKA çš„èÊY件定义存储架构以½Ž€‹z高效的方å¼å®žçŽ°æ— ç¼æ‰©å±•åQŒé¿å…äº†å¤æ‚é…置的ç¹ç,让ä¼ä¸šèƒ½å¤Ÿéšç€æ•°æ®éœ€æ±‚的增长è½ÀL¾æ‰©å±•存储能力。Â?/p>

 

æ— ä¸Žä¼¦æ¯”çš„å…ƒæ•°æ®æ€§èƒ½Â 

䏓䨓AI å’?ML½{‰çŽ°ä»£åŒ–å·¥ä½œè´Ÿè²è€Œæ‰“造,WEKA å“è¶Šçš„å…ƒæ•°æ® IOPS å¯å®žçŽ°æ›´å¿«ã€æ›´å¯é çš„æ•°æ®å¤„ç†ï¼ŒåŠ©åŠ›ä¼ä¸šä»¥é—ªç”µèˆ¬çš„速度驱动创新。Â?/p>

 

æžè‡´æ•ˆçއåQŒé™æœ¬å¢žæ•ˆÂ?/strong>

通过显著更少的节点实现顶ž®–性能åQŒWEKA 大幅é™ä½Žäº†åŸº¼‹€è®¾æ–½å’Œè¿¾l´æˆæœ¬ï¼Œè®©ä¼ä¸šç”¨æ›´å°‘的投入实现更多ä­h倹{€?/p>

 

é¢å‘未æ¥çš„å“­‘Šè®¾è®¡Â?/strong>

凭借对 NVMe 的原生支æŒä»¥åŠå…ˆ˜q›çš„òq¶è¡Œæ–‡äšg¾pÈ»ŸåŠŸèƒ½åQŒWEKA 完美契åˆä¸‹ä¸€ä»£å·¥ä½œè´Ÿè½½çš„需求,¼‹®ä¿æ‚¨çš„å­˜å‚¨åŸºç¡€è®¾æ–½å§‹ç»ˆå¤„äºŽè¡Œä¸šå‰æ²¿ã€‚Â?/p>

 

WEKA ä¸ä»…是一¿U存储解å†Ïx–¹æ¡ˆâ€”—更是一个å˜é©æ€§çš„创新òq›_°åQŒä¸“为满­‘Ïxœ€è‹›åˆ»çš„业务需求而设计,助力ä¼ä¸šå®žçŽ°åˆ›æ–°ã€æå‡æ•ˆçŽ‡ï¼Œòq¶è½»æ‘Ö®žçŽ°æ‰©å±•ã€?/strong>

实际影å“

在应å¯?AI/ML 工作‹¹ã€åŸºå› ç»„‹¹‹åºå’Œé‡‘èžå¾æ¨¡ç­‰å¤æ‚ä»ÕdŠ¡æ—Óž¼ŒWEKA 凭借哭‘Šçš„æ€§èƒ½ä¸ÞZ¼ä¸šåˆ›é€ äº†å·¨å¤§çš„ä­h倹{€‚å…¶­‘…越传统存储¾pÈ»Ÿçš„æ— ä¸Žäëu比的能力åQŒä‹Éå…¶æˆä¸ÞZ¼ä¸šæ‰©å±•高性能计算 (HPC) çŽ¯å¢ƒæ—¶çš„é¦–é€‰æ–¹æ¡ˆï¼Œä»¥æœ€é«˜æ•ˆçŽ‡å’Œæœ€ä½Žå¤æ‚度满èƒö业务需求ã€?/p>

 

MSK 癌症中心çš?IRIS ­‘…çñ”集群正是一个典型案例。通过 WEKA 的支æŒï¼Œè¯¥é›†¾Ÿ¤åœ¨ AI 驱动的癌症研½I¶ä¸­æ˜¾è‘—加速了¿U‘ç ”˜q›å±•åQŒç¾ƒçŸ­äº†å‘现周期åQŒå®žçŽîCº†æ‹¯æ•‘生命的çªç ´ã€‚这一æˆåŠŸæ¡ˆä¾‹ç”ŸåŠ¨å±•çŽ°äº?WEKA 在现代研½I¶ä¸Žåˆ›æ–°é¢†åŸŸçš„æ·±˜qœå˜é©æ€§åª„å“ã€?/p>

 

如果æƒÏx·±å…¥äº†è§£å®žçŽ°è¿™äº›æˆæžœçš„é…ç½®¾l†èŠ‚åQŒè¯·å‚阅åQ?/p>

WEKA é…ç½®åQšhttps://io500.org/submissions/configuration/719

¾l“语

WEKA åœ?IO500 基准‹¹‹è¯•中的å“越表现ä¸ä»…仅是一个数字,更是我们在高性能存储领域æŒç®‹å¼€æ‹“创新的鲜明è§è¯ã€‚凭借无与äëu比的效率ã€å“­‘Šçš„æ‰©å±•能力和强大的元数æ®å¤„ç†åŠŸèƒ½ï¼ŒWEKA æ•°æ®òq›_°æ­£é‡æ–°å®šä¹?AIã€åŸºå› ç»„学和大规模仿真等çŽîC»£åŒ–工作负载的å¯èƒ½æ€§ã€?/p>

 

Memorial Sloan Kettering 癌症中心 IRIS ­‘…çñ”集群的æˆåŠŸæ¡ˆä¾‹ï¼Œç”ŸåŠ¨è¯ é‡Šäº?WEKA å¦‚ä½•åŠ é€Ÿç§‘ç ”è¿›å±•åÆˆæ”¹å˜ç ”ç©¶æˆæžœã€‚无论是应对ž®–端¿U‘学挑战åQŒè¿˜æ˜¯ä¼˜åŒ–ä¼ä¸šé«˜æ€§èƒ½è®¡ç®—环境åQŒWEKA 都以兼具½Ž€‹z性与å“越性能的未æ¥è§£å†Ïx–¹æ¡ˆï¼Œä¸ºæ¯ä¸€‹Æ¡çªç ´ä¿é©¾æŠ¤èˆªã€?/p>

 

在高性能计算需求日益增长的时代åQŒWEKA å§‹ç»ˆèµ°åœ¨è¡Œä¸šå‰æ²¿åQŒåŠ©åŠ›ä¼ä¸šä¸Žç ”究机构½Hç ´æžé™ã€å®žçŽ°åˆ›æ–°ã€è§£é”未æ¥çš„æ— é™å¯èƒ½ã€?/p>

颠覆¿U‘ç ”åQšWEKA 拿下 IO500 关键胜利åQŒäØ“ AIã€åŸºå› ã€è¶…½Ž—注入创新强动力

è”系瑞技

æ‚¨æ­£åœ¨äØ“æ‚¨çš„åº”ç”¨å¯ÀL‰¾ ½H破性的性能ã€å¼¹æ€§ã€å¯æ‰©å±•性和数æ®ç‰|´»æ€§å—åQ?那就立å³è”系瑞技å§ã€?

颠覆¿U‘ç ”åQšWEKA 拿下 IO500 关键胜利åQŒäØ“ AIã€åŸºå› ã€è¶…½Ž—注入创新强动力最先出现在瑞技¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/weka-predictions-for-it-trends-in-2025.html?utm_source=rss&utm_medium=rss&utm_campaign=weka-predictions-for-it-trends-in-2025 Thu, 16 Jan 2025 10:24:39 +0000 //51269984.cn/?p=27030 éšç€2024òq´çš„¾l“æŸåQŒæ˜¯æ—¶å€™å±•望未æ¥ï¼Œå¯?025òq´çš„­‘‹åŠ¿åšå‡ºä¸€äº›å¤§èƒ†é¢„‹¹‹äº†ã€‚å°½½Ž¡é¢„‹¹‹æœªæ¥æ€ÖM¼šæœ‰ä¸¼‹®å®šæ€§ï¼Œä½?0 […]

å¡‘é€?AI 未æ¥åQšWEKA 展望2025òq?IT ­‘‹åŠ¿æœ€å…ˆå‡ºçŽ°åœ¨ç‘žæŠ€¿U‘技ã€?/p> ]]>

éšç€2024òq´çš„¾l“æŸåQŒæ˜¯æ—¶å€™å±•望未æ¥ï¼Œå¯?025òq´çš„­‘‹åŠ¿åšå‡ºä¸€äº›å¤§èƒ†é¢„‹¹‹äº†ã€‚å°½½Ž¡é¢„‹¹‹æœªæ¥æ€ÖM¼šæœ‰ä¸¼‹®å®šæ€§ï¼Œä½?025òq´çš„关键­‘‹åŠ¿å·²ç»åˆéœ²ç«¯å€ªã€‚æå‰æŽ¢ç´¢è¿™äº›è¶‹åŠ¿ï¼Œä¸ä»…能帮助ä¼ä¸šæŠ“使œºé‡ï¼Œ˜q˜èƒ½ä»Žå®¹åº”对挑战。在 WEKAåQŒæˆ‘们希望与大家分äínå¯?025òq?IT 领域几大­‘‹åŠ¿çš„è§è§£ï¼Œä»¥åŠå®ƒä»¬å¯¹å¸Œæœ›ä¿æŒç«žäº‰åŠ›çš„ä¼ä¸šæ„味ç€ä»€ä¹ˆã€?/p>


以下是我们预‹¹‹å°†åœ?025òq´å¡‘é€?IT 战略的几个é‡è¦è¶‹åŠ¿ï¼š

AI 的“第二æ‡L‹¹ªæ½®â€â€”—推ç†ä¸Žä¼˜åŒ–预训¾lƒæ¨¡åž?

AI 的“第二æ‡L‹¹ªæ½®â€â€”—推ç†ä¸Žä¼˜åŒ–预训¾lƒæ¨¡åž? srcset=

åœ?AI å‘展的“第一波浪潮â€ä¸­åQŒä¼ä¸šä¸»è¦ä¸“注于基础模型的开å‘和训练åQŒäØ“ AI çš„é©æ–°èƒ½åŠ›æ‰“ä¸‹äº†åšå®žåŸºç¡€ã€‚而到äº?025òqß_¼Œ˜q™ä¸€é‡ç‚¹ž®†å‘推ç†å’?strong>优化预训¾lƒæ¨¡åž‹è{¿U?/strong>。ä¼ä¸šå°†ä¸å†èŠÞp´¹å¤§é‡æ—‰™—´å’Œèµ„æºä»Žé›¶å¼€å§‹æž„建新的模型,而是更們֑于利用现有的预训¾lƒæ¨¡åž‹ï¼Œòq¶æ ¹æ®å…·ä½“需求进行定制ã€?/p>

 

½Ž€å•æ¥è¯ß_¼Œé¢„è®­¾lƒæ¨¡åž‹å°±åƒä¸€ä¸ªâ€œä¸‡èƒ½æ¨¡ç‰ˆâ€ï¼Œä¼ä¸šä¸å†éœ€è¦ä»Žå¤´æ‰“造,而是通过微调让它更脓åˆè‡ªå·Þqš„业务需求。这¿Uæ–¹å¼ä¸ä»…çœæ—¶çœåŠ›ï¼Œ˜q˜èƒ½å¿«é€Ÿä»Žæ•°æ®ä¸­æŒ–掘出有ä­h值的‹zžå¯ŸåQŒå°¤å…¶æ˜¯åœ?strong>åŒÈ–—ã€?strong>金èžå’?strong>é›¶å”®½{‰é¢†åŸŸã€?/p>

 

对于 IT 领导者æ¥è¯ß_¼Œ˜q™æ„味ç€éœ€è¦é‡æ–°æ€è€?AI ½{–略。é‡ç‚¹å°†ä»Žä»¥æ¨¡åž‹è®­ç»ƒä¸ÞZ¸»çš„基¼‹€è®¾æ–½è½¬å‘优化推ç†å·¥ä½œè´Ÿè²çš„基¼‹€è®¾æ–½ã€?strong>高性能ã€?strong>低åšg˜q?/strong>ä¸?strong>å?/strong>扩展的系¾lŸå°†æˆäؓ实现 AI æˆåŠŸçš„å…³é”®ã€?/p>

电力是“新货å¸â€â€”â€”é‡æ–°å®šä¹?AI ¾l济中的能效

AI 的强大需è¦å¤§é‡è®¡½Ž—能力,而这背åŽéœ€è¦çš„电力资æºåŒæ ·æƒŠähã€‚ç„¶è€Œï¼Œå…¨çƒæ•°æ®ä¸­å¿ƒçš„æ‰©å¼ é€Ÿåº¦å·²ç»å¿«åˆ°è®©ç”µ¾|‘有些“喘ä¸è¿‡æ°”â€ã€?/p>

 

2025òqß_¼Œèƒ½æºæ•ˆçއž®†æˆä¸?AI ¾l济中的军_®šæ€§å› ç´ ã€‚那些能够最大化数æ®ä¸­å¿ƒèƒ½æºæ•ˆçŽ‡çš„ç»„¾l‡æœºæž„,以åŠé€‰æ‹©¿U‰æŒå¯æŒ¾l­å‘展ç†å¿ëŠš„云æœåŠ¡ä¾›åº”å•†çš„ä¼ä¸šï¼Œž®†åœ¨å‡è½» AI 对电¾|‘造æˆåŽ‹åŠ›çš„åŒæ—¶å®žçŽ°æ›´é«˜çš„ AI 产出。这ž®†æŽ¨åŠ¨ç›¸å…³é¢†åŸŸçš„æŠ•èµ„åQ?/p>

 

节能的硬件设计:优化功耗与性能比的¼‹¬äšgž®†æˆä¸ºå…³é”®ã€‚䏓䏸™ƒ½æ•ˆè®¾è®¡çš„先进 GPUåQˆå›¾å½¢å¤„ç†å™¨åQ‰ã€DPUåQˆæ•°æ®å¤„ç†å™¨åQ‰å’Œ CPUåQˆä¸­å¤®å¤„ç†å™¨åQ‰å°†æˆäØ“ AI ˜qè¥çš„必备选择ã€?/p>

 

创新冷å´è§£å†³æ–ÒŽ¡ˆåQ?/strong>液冷和浸没å¼å†·å´½{‰æ–°å…´æŠ€æœ¯å°†æœ‰åŠ©äºŽåœ¨ä¿æŒé«˜æ€§èƒ½çš„åŒæ—‰™™ä½Žèƒ½è€—ã€?/p>

 

å¯å†ç”Ÿèƒ½æºæ•´åˆï¼š­‘Šæ¥­‘Šå¤šçš„ä¼ä¸šå°†é‡‡ç”¨å¯å†ç”Ÿèƒ½æºï¼Œòq¶æŽ¢ç´¢ç¢³¿U¯åˆ†½{‰ç­–略,以抵æ¶?AI ˜qè¥å¯¹çŽ¯å¢ƒçš„å½±å“ã€?/p>

 

½Ž€è€Œè¨€ä¹‹ï¼Œèƒ½æ•ˆä¸ä»…影哿ˆæœ¬åQŒæ›´å†›_®šç«žäº‰æˆèÓ|。è°èƒ½ä»¥æœ€ž®‘çš„èƒ½æºæ¶ˆè€—高效扩å±?AI 工作负è²åQŒè°ž®Þpƒ½åœ¨èµ„æºç´§å¼ çš„æœªæ¥å æ®ä¼˜åŠ¿ã€?/p>

为“超大规模计½Ž—â€åšå¥½å‡†å¤‡â€”—打造é¢å‘未æ¥çš„æ•°æ®åŸºç¡€è®¾æ–½

“超大规模计½Ž—â€ï¼ˆç™¾äº¿äº¿æ¬¡è®¡ç®—åQŒExascale ComputingåQ‰ï¼Œâ€”—毿U’至ž®‘执行一百亿亿次计算åQˆå³ 10¹â?‹Æ¡è®¡½Ž—)——曾¾låªæ˜¯ä¸€ä¸ªé¥ä¸å¯åŠçš„æ¦‚念。而在2025òqß_¼Œ˜q™ä¸€æ„¿æ™¯æ­£åœ¨æˆäؓ现实。在 WEKAåQŒæˆ‘ä»¬äº²çœÆD§è¯äº†˜q™ä¸€å˜é©åQ?024òq´åˆåQŒæˆ‘们尚无ä“Q何超大规模计½Ž—的客户åQŒè€Œå¹´æœ«æ—¶åQŒå·²æœ‰å¤šå®¶å®¢æˆ·åœ¨½Ž¡ç†˜q™ç§è§„模的æ“v釿•°æ®ï¼Œå…¶ä¸­ä¸€ä½å®¢æˆïLš„½Ž¡ç†æ•°æ®é‡æŽ¥˜q?0 EBåQˆè‰¾å­—节åQ?00äº?GBåQ‰ã€?/p>

 

ž®½ç®¡ç™¾äº¿äº¿æ¬¡è®¡ç®—ç›®å‰å¯èƒ½˜q˜æœªæ™®åŠåQŒä½†2025òq´å°†æˆäؓ更多ä¼ä¸šå¼€å§‹å…³æ³¨è¿™ä¸€é¢†åŸŸçš„关键节ç‚V€‚è¸å…¥è¿™ç‰‡æœªçŸ¥é¢†åŸŸçš„ä¼ä¸šž®†é¢ä¸´ç‹¬ç‰ÒŽŒ‘战,包括½Ž¡ç†åºžå¤§çš„æ•°æ®é›†åQŒä»¥åŠç¡®ä¿åŸº¼‹€è®¾æ–½çš?strong>坿‰©å±•æ€?/strong>å’?strong>å¯é æ€?/strong>ã€?/p>

 

对于 IT 领导者æ¥è¯ß_¼Œä¸ø™¶…大规模计½Ž—åšå¥½å‡†å¤‡æ„味ç€éœ€è¦åœ¨å­˜å‚¨ã€?strong>计算å’?strong>¾|‘络技术上˜q›è¡Œå¤§èƒ†æŠ•资。与æ·Þp°™­‘…大规模计算动æ€çš„供应商åˆä½œè‡³å…³é‡è¦ï¼Œ˜q™äº›ä¾›åº”商正在开å‘专为处ç†å‰æ‰€æœªæœ‰çš„æ•°æ®é‡å’Œå¤æ‚性而设计的解决æ–ÒŽ¡ˆã€?/p>

 

率先采用­‘…大规模计算的ä¼ä¸šæ‰€¿U¯ç¯çš„ç»éªŒï¼Œž®†äØ“æœªæ¥æ›´å¹¿æ³›çš„应用奠定基础。那些敢于直é¢ç™¾äº¿äº¿‹Æ¡è®¡½Ž—挑战的¾l„织åQŒå°†åœ¨æœªæ¥ä»¥æ•°æ®é©±åŠ¨çš„ç»‹¹Žä¸­å æ®é¢†å…ˆåœîC½ã€?/p>

DPU 的崛起——颠覆基¼‹€è®¾æ–½æ•ˆçŽ‡çš„å…³é”®åŠ›é‡?

2025òq´å°†æ˜?DPUåQ?æ•°æ®å¤„ç†å™¨ï¼‰å¤§æ”¾å¼‚彩的一òqß_¼Œ˜q™äº›å¼ºå¤§çš„处ç†å™¨ž®†æˆä¸ºçްä»?IT 基础设施的核心è{æŠ˜ç‚¹ã€‚åƒ NVIDIA çš?BlueField-3 ˜q™æ ·çš?DPUåQŒä¸“为å¸è½½å…³é”®ä“Q务而设计,包括¾|‘络ã€å­˜å‚¨å’Œå®‰å…¨½{‰åŠŸèƒ½ï¼Œä»Žè€Œå‡è½?CPU å’?GPU 的负担,使系¾lŸè¿è¡Œæ›´åŠ é«˜æ•ˆã€?/p>

 

éšç€ AI 工作负è²ã€äº‘原生应用和分布弾pÈ»Ÿçš„快速增长,ä¼ä¸šéœ€è¦ä½Žå»¶è¿Ÿã€é«˜åžåé‡çš„æ€§èƒ½åQŒè€?DPU æä¾›äº†ä¸€ä¸ªæ—¢èƒ½æå‡å¯æ‰©å±•性åˆèƒ½é™ä½ŽåŠŸè€—çš„è§£å†³æ–ÒŽ¡ˆã€?/p>

 

DPU 的好处在哪里åQŸçœ‹çœ‹è¿™äº›äº®ç‚¹ï¼š

 

优化 AI ½Ž¡é“åQ?/strong>通过处ç†å¤–å›´ä»ÕdŠ¡åQŒDPU 释放äº?CPU å’?GPU 的资æºï¼Œä»Žè€Œä‹É AI 核心ä»ÕdŠ¡æ›´åŠ é«˜æ•ˆã€?/p>

 

支æŒåˆ†å¸ƒå¼ç³»¾lŸï¼šéšç€ä¼ä¸šéƒ¨çÖv更多分布å¼åº”用,DPU 能够æä¾›æ‰€éœ€çš„高性能和扩展能力,¼‹®ä¿˜q™äº›å·¥ä½œè´Ÿè²çš„æ— ¾~管ç†ã€?/p>

 

æå‡å®‰å…¨æ€§ï¼šDPU ˜q˜å¯ä»¥é€šè¿‡¼‹¬äšg隔离和安全ä“Q务å¸è½½ï¼Œæå‡¾pÈ»Ÿçš„æ•´ä½“弹性ã€?/p>

 

对于 IT 领导者æ¥è¯ß_¼Œ2025òq´å°†æ˜¯å°† DPU 集æˆåˆ°åŸº¼‹€è®¾æ–½ä¸­çš„关键时刻。率先采用这一技术的ä¼ä¸šž®†åœ¨ä¼˜åŒ–性能和能效方é¢èŽ·å¾—æ˜¾è‘—ä¼˜åŠÑ€?/p>

æ€È»“

AI 推ç†ä½œäØ“½W¬äºŒæ³¢æµªæ½®ã€èƒ½æºæ•ˆçއæˆä¸ºç«žäº‰ä¼˜åŠÑ€è¶…大规模计½Ž—的崛è“vä»¥åŠ DPU 的普å? srcset=

é¢„æµ‹æœªæ¥æ€ÀL˜¯éœ€è¦æƒ³è±¡åŠ›å’Œæ´žå¯ŸåŠ›ã€‚è™½ç„¶åÆˆéžæ‰€æœ‰é¢„‹¹‹éƒ½ä¼šå®žçŽŽÍ¼Œä½?025òq´å·²¾l显现出许多­‘‹åŠ¿çš„é›å½¢ã€‚AI 推ç†ä½œäØ“½W¬äºŒæ³¢æµªæ½®ã€èƒ½æºæ•ˆçއæˆä¸ºç«žäº‰ä¼˜åŠÑ€è¶…大规模计½Ž—的崛è“vä»¥åŠ DPU 的普åŠâ€”—这些ä¸ä»…仅是预‹¹‹ï¼Œè€Œæ˜¯å·²ç»åŠ é€Ÿå‘展的现实ã€?/p>

 

åœ?WEKAåQŒæˆ‘ä»¬è‡´åŠ›äºŽé€šè¿‡ä¸“äØ“åº”å¯¹æœªæ¥æŒ‘æˆ˜è€Œæ‰“é€ çš„å‰æ²¿è§£å†³æ–ÒŽ¡ˆåQŒåŠ©åŠ›å„¿Uä¼ä¸šåº”对这些å˜é©ï¼Œæˆ‘们é¢å‘未æ¥çš?strong>云原生的架构ã€?strong>支挭‘…大规模计算的数æ®åã^åŽÍ¼Œä»¥åŠå¯?DPU å’?GPU ½{?strong>下一代硬件的支æŒåQŒç¡®ä¿ä¼ä¸šèƒ½å¤Ÿé«˜æ•ˆæ‰©å±•åÆˆä¿æŒå“è¶Šæ€§èƒ½ã€‚èµ°åœ¨è¿™äº›è¶‹åŠ¿å‰æ²¿ï¼Œž®†å¸®åŠ©ä¼ä¸šå……分释攑օ¶ IT 投资的潜力,在瞬æ¯ä¸‡å˜çš„ AI 驱动的世界中蓬勃å‘展ã€?/p>

 

让我们一赯‚¿ŽæŽ¥ä¸€ä¸ªå……满å˜é©ä¸Žæœºé‡çš?025å§ï¼

å¡‘é€?AI 的未æ¥ï¼šWEKA å¯?025òq?IT ­‘‹åŠ¿é¢„æµ‹

è”系瑞技

AI å‘展日新月异åQŒå„¿U?AI 产å“层出ä¸ç©·åQŒå…¶æ­£åœ¨åŠ å…¥èžå…¥å’Œæ·±åˆÀL”¹å˜æˆ‘们的生活。WEKA 是一个专业的 AI æ•°æ®å¤„ç†òq›_°åQŒä¸“䏸™¶…大规模数æ®å¤„ç†è€Œç”Ÿã€?/p>

å¡‘é€?AI 未æ¥åQšWEKA 展望2025òq?IT ­‘‹åŠ¿æœ€å…ˆå‡ºçŽ°åœ¨ç‘žæŠ€¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/generative-ai-investments-surge-in-apac.html?utm_source=rss&utm_medium=rss&utm_campaign=generative-ai-investments-surge-in-apac Thu, 19 Dec 2024 09:14:55 +0000 //51269984.cn/?p=26873 éšç€å…¨çƒâ€œAI 军备竞赛â€ä¸æ–­å‡æ¸©ï¼Œäºšå¤ªåœ°åŒºæ­£ç§¯æžæŠ•入生æˆå¼ AIåQŒå¸Œæœ›åœ¨˜q™ä¸€é¢†åŸŸè„±é¢–è€Œå‡ºã€‚ç„¶è€Œï¼Œæ•°æ®½Ž¡ç†å’Œå¯ […]

亚太地区生æˆå¼?AI 投资‹È€å¢žï¼ŒWEKA 助您应对挑战最先出现在瑞技¿U‘技ã€?/p> ]]>

éšç€å…¨çƒâ€œAI 军备竞赛â€ä¸æ–­å‡æ¸©ï¼Œäºšå¤ªåœ°åŒºæ­£ç§¯æžæŠ•入生æˆå¼ AIåQŒå¸Œæœ›åœ¨˜q™ä¸€é¢†åŸŸè„±é¢–è€Œå‡ºã€‚ç„¶è€Œï¼Œæ•°æ®½Ž¡ç†å’Œå¯æŒç®‹æ€§é—®é¢˜ä¾ç„¶å›°æ‰°ç€ä¼ä¸šã€?/p>


WEKA 委托 S&P Global Market Intelligence 旗下 451 Research 深入调研了全çƒè¶…˜q?500ä½?AI 决策者,¾l“åˆä¼ä¸šé«˜ç®¡çš„访谈,推出了é‡é‡çñ”çš„ã€?024å…¨çƒ AI ­‘‹åŠ¿æŠ¥å‘ŠåQ?024 Global Trends in AI Report》ã€?/p>


˜q™ä†¾æŠ¥å‘Šä»?strong>æ•°æ®é©±åЍã€?strong>技术应ç”?/strong>åˆ?strong>行业­‘‹åŠ¿åQŒäØ“ä¼ä¸šå¦‚ä½•æŠ“ä½ AI ‹¹ªæ½®æä¾›äº†å…¨æ™¯å¼è§†è§’。ä¸ä»…分æžäº†å…¨çƒèŒƒå›´å†…çš„ AI 技术å‘展现çŠÓž¼Œ˜q˜ä»Žç”Ÿæˆå¼?AI 的爆å‘å¼å¢žé•¿åˆ°å¯æŒç®‹å‘å±•çš„æŠ€æœ¯æŽ¢ç´¢ï¼Œå…¨é¢æ­ç¤ºäº?AI 如何推动业务创新与增长的关键路径。以下是报告中关于亚太地åŒ?AI ­‘‹åŠ¿çš„å…³é”®æ´žå¯Ÿï¼Œå¿«æ¥ä¸€æŽ¢ç©¶ç«Ÿï¼

亚太地区 AI ­‘‹åŠ¿çš„å…³é”®æ´žå¯? srcset=

一ã€ç”Ÿæˆå¼AIæˆæŠ•èµ„çƒ­ç‚?/h2>

生æˆå¼?AI 已从实验性技术è{å˜äؓ推动业务增长的核心引擎:


高投入比ä¾?/strong>åQšäºšå¤ªåœ°åŒ?1%çš„ä¼ä¸šè®¡åˆ’加大生æˆå¼ AI 的投资,­‘…过 EMEA çš?0%和北¾ŸŽçš„83%ã€?/p>


预算倾斜åQšæœªæ?2个月åQŒå—访的亚太ä¼ä¸šòq›_‡36%çš?AI 预算ž®†ç”¨äºŽç”Ÿæˆå¼ AIåQŒæ˜¾½Cºå‡ºä¼ä¸šå¯¹å…¶å‘展的高度é‡è§†ã€?/p>

äºŒã€æ•°æ®é‡‹È€å¢žä¸Ž½Ž¡ç†æŒ‘战

éšç€ AI 应用的扩展,数æ®é‡æ€¥å‰§å¢žé•¿åQŒä½†½Ž¡ç†éšùN¢˜ä¹Ÿéšä¹‹è€Œæ¥åQ?/p>


æ•°æ®å¢žé•¿åQšè¶…˜q?0%的亚太ä¼ä¸šè®¡åˆ’将数æ®é‡å¢žåŠ?0%以上åQŒç”¨äºŽæž„建和训练 AI 模型ã€?/p>


½Ž¡ç†éšùN¢˜åQ?7%的亚太ä¼ä¸šè®¤ä¸ºå­˜å‚¨å’Œæ•°æ®½Ž¡ç†æ˜¯éƒ¨¾|?AI/ML 的最大障¼„ï¼ŒäºŸéœ€ä¼˜åŒ–æ•°æ®æž¶æž„åQŒé¿å…技术债务ã€?/p>

三ã€å¯æŒç®‹å‘展备å—å…Ïx³¨

­‘Šæ¥­‘Šå¤šçš„ä¼ä¸šæ›´åŠ å…³æ³?AI çš„å¯æŒç®‹æ€§ï¼š


环ä¿åŽ‹åŠ›åQšäºšå¤ªåœ°åŒÞZ¼ä¸šæ›´å…Ïx³¨ AI å¯¹èƒ½æºæ¶ˆè€—å’Œ¼„Œ™ƒö˜q¹çš„å½±å“ã€?/p>


节能投资åQšä¼ä¸šè®¡åˆ’在未æ¥12个月内加大对节能 IT ¼‹¬äšg和系¾lŸçš„æŠ•资åQŒä»¥å‡å°‘环境影å“ã€?/p>

WEKA 助力ä¼ä¸šåŠ é€Ÿâ€”â€”å‘çŽ°ã€æ´žå¯Ÿä¸Žæˆæžœè½¬åŒ–

WEKA 正在ä¸?AI 时代的ä¼ä¸šæ•°æ®æä¾›å…¨æ–°çš„解决æ–ÒŽ¡ˆã€?a href="/weka">WEKA] Data Platform 采用云和 AI 原生架构åQŒå¯ä»¥åœ¨ä»ÖM½•地方部çÖvåQŒå®žçŽ°æœ¬åœ°ã€äº‘ç«¯å’Œè¾¹ç¼˜çŽ¯å¢ƒçš„æ•°æ®æ— ¾~è¿¿U…R€‚它ž®†ä¼ ¾lŸçš„æ•°æ®å­¤å²›è½¬å˜ä¸ºåŠ¨æ€æ•°æ®ç®¡é“,加é€?GPUã€AI 模型训练和推ç†ï¼Œä»¥åŠå…¶ä»–性能密集型工作负载,使其更高效地工作ã€åŒæ—‰™™ä½Žèƒ½æºæ¶ˆè€—å’Œ¼„ÏxŽ’æ”¾ã€‚WEKA å¸®åŠ©å…¨çƒæœ€å…·åˆ›æ–°æ€§çš„ä¼ä¸šå’Œç ”½I¶æœºæž„å…‹æœå¤æ‚çš„æ•°æ®æŒ‘战åQŒå®žçŽ°æ›´å¿«ã€æ›´å¯æŒ¾l­çš„å‘çŽ°ã€æ´žå¯Ÿå’Œä¸šåŠ¡æˆæžœâ€”—包括《胦富ã€?0å¼ÞZ¸­çš?2å®¶å…¬å¸ã€?/p>

亚太地区生æˆå¼?AI 投资‹È€å¢žï¼ŒWEKA 助您应对挑战

è”系瑞技

WEKA 以云å’?AI 原生架构åQŒæ— ¾~è¿¿UÀL•°æ®ï¼ŒåŠ é€?AI 训练和推ç†ï¼ŒåŠ©åŠ›ä¼ä¸šé«˜æ•ˆã€å¯æŒç®‹å‘展åQŒæœåС免çƒåˆ›æ–îC¼ä¸šã€?/p>

亚太地区生æˆå¼?AI 投资‹È€å¢žï¼ŒWEKA 助您应对挑战最先出现在瑞技¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/2024-global-ai-trends-report.html?utm_source=rss&utm_medium=rss&utm_campaign=2024-global-ai-trends-report Fri, 13 Dec 2024 02:32:38 +0000 //51269984.cn/?p=26589 äººå·¥æ™ø™ƒ½åQˆAIåQ‰çš„˜q…猛å‘展正在é‡å¡‘å„行å„业åQŒä½†æœªæ¥ AI 的趋势究竟会走å‘何方åQ?WEKA 委托 S& […]

AI å˜é©æ–°è§†è§’:è¯ÀL‡‚ã€?024å…¨çƒ AI ­‘‹åŠ¿æŠ¥å‘Šã€‹çš„äº”å¤§äº®ç‚¹æœ€å…ˆå‡ºçŽ°åœ¨ç‘žæŠ€¿U‘技ã€?/p> ]]>

äººå·¥æ™ø™ƒ½åQˆAIåQ‰çš„˜q…猛å‘展正在é‡å¡‘å„行å„业åQŒä½†æœªæ¥ AI 的趋势究竟会走å‘何方åQ?/p>


WEKA 委托 S&P Global Market Intelligence 旗下 451 Research 深入调研了全çƒè¶…˜q?500ä½?AI 决策者,¾l“åˆä¼ä¸šé«˜ç®¡çš„访谈,推出了é‡é‡çñ”çš„ã€?024å…¨çƒAI­‘‹åŠ¿æŠ¥å‘ŠåQ?024 Global Trends in AI Report》ã€?/p>


˜q™ä†¾æŠ¥å‘Šä»?strong>æ•°æ®é©±åЍ
ã€?strong>技术应ç”?/strong>åˆ?strong>行业­‘‹åŠ¿åQŒäØ“ä¼ä¸šå¦‚ä½•æŠ“ä½ AI ‹¹ªæ½®æä¾›äº†å…¨æ™¯å¼è§†è§’。ä¸ä»…分æžäº†å…¨çƒèŒƒå›´å†…çš„ AI 技术å‘展现çŠÓž¼Œ˜q˜ä»Žç”Ÿæˆå¼?AI 的爆å‘å¼å¢žé•¿åˆ°å¯æŒç®‹å‘å±•çš„æŠ€æœ¯æŽ¢ç´¢ï¼Œå…¨é¢æ­ç¤ºäº?AI 如何推动业务创新与增长的关键路径。以下是报告的五大核心洞察,快æ¥ä¸€æŽ¢ç©¶ç«Ÿï¼

一ã€AI 正在æˆäØ“ä¼ä¸šæˆ˜ç•¥çš„æ ¸å¿?/h2>

AI 的部¾|²ç¦»ä¸å¼€å¼ºå¤§çš„æ•°æ®åŸº¼‹€æž¶æž„åQŒä½†è®¸å¤šä¼ä¸šä»é¢ä¸´æ•°æ®ç®¡ç†æ–¹é¢çš„æŒ‘战åQ?/p>

  • 快速增长:33%çš„ä¼ä¸šå·²¾l广泛实æ–?AIåQŒåƈž®†å…¶è§†äؓ业务中ä¸å¯æˆ–¾~ºçš„æˆ˜ç•¥éƒ¨åˆ†ã€?/p>

  • 投资优先¾U§ï¼šäº§å“è´¨é‡æå‡å’?IT 效率优化æ˜?AI 应用的主è¦é©±åŠ¨åŠ›ã€?/p>

相较äº?023òqß_¼Œè®¤äØ“ AI 是ä¼ä¸šå…³é”®æˆ˜ç•¥ç»„æˆéƒ¨åˆ†çš„ä¼ä¸šæ¯”例大幅上å‡ã€‚AI ä¸å†æ˜¯é€‰æ‹©é¢˜ï¼Œè€Œæ˜¯å¿…修课ï¼

相较äº?023òqß_¼Œè®¤äØ“ AI 是ä¼ä¸šå…³é”®æˆ˜ç•¥ç»„æˆéƒ¨åˆ†çš„ä¼ä¸šæ¯”例大幅上å‡ã€‚AI ä¸å†æ˜¯é€‰æ‹©é¢˜ï¼Œè€Œæ˜¯å¿…修课ï¼

二ã€ç”Ÿæˆå¼ AI æŠ¢å æŠ€æœ¯â€œCä½â€?/h2>

生æˆå¼?AI 以惊人的速度席å·å¸‚场åQšè¿™äº›â€œç”Ÿæˆå¼AI先行者â€ä¸ä»…实çŽîCº†æŠ€æœ¯çªç ß_¼Œ˜q˜åœ¨åˆ›æ–°é€Ÿåº¦ã€æ–°äº§å“å¼€å‘和上市旉™—´¾~©çŸ­æ–šw¢èŽ·å¾—äº†æ˜¾è‘—ä¼˜åŠÑ€?/p>

未æ¥å±•望åQšç”Ÿæˆå¼ AI 的预½Ž—å æ¯”将在未æ?2个月æŒç®‹å¢žåŠ åQŒé¢„计将辑ֈ°æ•´ä½“ AI 预算çš?7%ã€? srcset=

未æ¥å±•望åQšç”Ÿæˆå¼ AI 的预½Ž—å æ¯”将在未æ?2个月æŒç®‹å¢žåŠ åQŒé¢„计将辑ֈ°æ•´ä½“ AI 预算çš?strong>47%ã€?/p>

ä¸‰ã€æ•°æ®æž¶æž„决å®?AI ™å¹ç›®èƒ½èµ°å¤šè¿œ

AI 的部¾|²ç¦»ä¸å¼€å¼ºå¤§çš„æ•°æ®åŸº¼‹€æž¶æž„åQŒä½†è®¸å¤šä¼ä¸šä»é¢ä¸´æ•°æ®ç®¡ç†æ–¹é¢çš„æŒ‘战åQ?/p>

  • 35%çš„ä¼ä¸šï¼šž®†æ•°æ®å­˜å‚¨å’Œ½Ž¡ç†è§†äØ“ AI 部çÖv的主è¦éšœ¼„ã€?/p>

  • 关键痛点åQ?strong>æ•°æ®å­¤å²›å’?strong>è€æ—§æž¶æž„é™åˆ¶äº†AI™å¹ç›®çš„规模化推进ã€?/p>

æŠ¥å‘Šå»ø™®®åQŒçŽ°ä»£åŒ–çš„æ•°æ®åã^å°æ˜¯å®žçް AI 潜力的必è¦å‰æï¼Œä¼ä¸šåº”优先投资数æ®ç®¡ç†å’Œå­˜å‚¨æŠ€æœ¯ã€? srcset=

æŠ¥å‘Šå»ø™®®åQŒçŽ°ä»£åŒ–çš„æ•°æ®åã^å°æ˜¯å®žçް AI 潜力的必è¦å‰æï¼Œä¼ä¸šåº”优先投资数æ®ç®¡ç†å’Œå­˜å‚¨æŠ€æœ¯ã€?/p>

å››ã€GPU 资æºçŸ­ç¼ºæŽ¨åŠ¨äº‘æœåС兴èµ?/h2>

GPU æ˜?AI 模型训练和推ç†çš„关键¼‹¬äšgåQŒä½†èµ„溽E€¾~ºå·²æˆäØ“ä¼ä¸šçš„å…±åŒéš¾é¢˜ï¼š

  • 46%çš„ä¼ä¸šä¾èµ?strong>公有äº?/strong>解决 GPU 问题ã€?/p>

  • 32%çš„ä¼ä¸šé€‰æ‹©ä¸“业 GPU 云æœåŠ?/strong>ä½œäØ“æ›¿ä»£æ–ÒŽ¡ˆã€?/p>

ž®¤å…¶åœ¨äºšå¤ªåœ°åŒºï¼Œå¦‚å°åº¦å’Œæ¾›_¤§åˆ©äºšåQŒGPU 资æºçš„紧张显得尤为çªå‡ºã€‚选择å¼ÒŽ€§å¯æ‰©å±•的云òq›_°åQŒæ­£åœ¨æˆä¸ÞZ¼ä¸šçªç ´èµ„æºç“¶é¢ˆçš„é‡è¦æ‰‹æ®µã€?/p>

五ã€AI è¦â€œå¿«â€æ›´è¦â€œç»¿â€?/h2>

坿Œ¾l­å‘展是 AI 技术未æ¥ä¸å¯å¿½è§†çš„æ–¹å‘åQ?/p>

通过优化¼‹¬äšg和项目范围调æ•ß_¼Œä¼ä¸šä¸ä»…å®žçŽ°äº†èŠ‚èƒ½å‡æŽ’ï¼Œ˜q˜è¿›ä¸€æ­¥æå‡äº†˜qè¥æ•ˆçއã€?/p>

AI 新时代,你准备好了å—åQ?/h2>

WEKA 通过æå‡ GPUã€AI åŠå…¶ä»–高性能工作负è²çš„æ€§èƒ½ä¸Žæ•ˆçŽ‡ï¼Œå¸®åŠ©ä¼ä¸šä¸Žç ”½I¶æœºæž„更快地实现å‘çŽ°ã€æ·±åº¦æ´žå¯Ÿä¸Žæˆæžœè½¬åŒ–。借助 WEKA çš?AI 原生数æ®òq›_°åQŒå¸®åŠ©æ‚¨çš„ç»„¾l‡æ›´å¿«é€Ÿåœ°æŒ–æŽ˜æ•°æ®æ½œèƒ½ã€é©±åŠ¨åˆ›æ–ŽÍ¼ŒåŠ é€Ÿè¿ˆå‘æ›´é«˜ç›®æ ‡ã€?/p>

AI å˜é©æ–°è§†è§’:è¯ÀL‡‚ã€?024å…¨çƒ AI ­‘‹åŠ¿æŠ¥å‘Šã€‹çš„äº”å¤§äº®ç‚¹

è”系瑞技

惌™¦äº†è§£æ›´å¤šå…³äºŽ WEKA 如何加速科研与‹zžå¯Ÿçš„ä¿¡æ¯å—åQŸé‚£ž®Þq«‹åˆ»è”¾pÀLˆ‘们å§ã€?/p>

AI å˜é©æ–°è§†è§’:è¯ÀL‡‚ã€?024å…¨çƒ AI ­‘‹åŠ¿æŠ¥å‘Šã€‹çš„äº”å¤§äº®ç‚¹æœ€å…ˆå‡ºçŽ°åœ¨ç‘žæŠ€¿U‘技ã€?/p> ]]> WEKA褰掓。 - 鐟炴妧绉戞妧 //51269984.cn/bytebridge-blog/weka-us-supercomputing-conference-2024.html?utm_source=rss&utm_medium=rss&utm_campaign=weka-us-supercomputing-conference-2024 Fri, 29 Nov 2024 09:12:42 +0000 //51269984.cn/?p=26273 2024òq?1æœ?9日至21日,­‘…çñ”计算大会åQˆSuperComputing Conference 2024, […]

引领 AI 与高性能计算未æ¥åQšWEKA 亮相 SC24 ¾ŸŽå›½­‘…çñ”计算大会最先出现在瑞技¿U‘技ã€?/p> ]]>

2024òq?1æœ?9日至21日,­‘…çñ”计算大会åQˆSuperComputing Conference 2024, SC24åQ‰åœ¨¾ŸŽå›½ä½æ²»äºšå·žäºšç‰¹å…°å¤§ç››å¤§å¸·å¹•åQŒæ±‡èšäº†é«˜æ€§èƒ½è®¡ç®—åQˆHPCåQ‰ã€äh工智能(AIåQ‰å’Œæ•°æ®¿U‘学领域的顶ž®–专å®Óž¼ŒæŽ¨åŠ¨æ•°æ®é©±åŠ¨åˆ›æ–°çš„å‰æ²Ñ€‚æ¯òqß_¼ŒSC ­‘…çñ”计算大会都会展示½Hç ´æ€§çš„ç ”ç©¶æˆæžœã€å‰æ²¿æŠ€æœ¯ä»¥åŠå®šä¹‰è®¡½Ž—能力的未業‘‹åŠ¿åQŒä»Šòq´ä¹Ÿä¸ä¾‹å¤–。从 E ¾U§è®¡½Ž—å’Œ AI 工作负è²çš„æœ€æ–°è¿›å±•,到é‡å­æŠ€æœ¯çš„创新½Hç ´åQŒè¶…¾U§è®¡½Ž—大会早已æˆä¸ºé‡å¡‘行业与½C¾ä¼šçš„大规模计算创新ç†å¿µçš„试金石ã€?/p>


在这场展½Cø™¶…¾U§è®¡½Ž—最新进展的盛会上,WEKA 与åˆä½œä¼™ä¼´ä¸€åŒï¼Œå¸¦æ¥äº†ä¸“为应å¯?HPC å’?AI 䏿–­å˜åŒ–的挑战的全新解决æ–ÒŽ¡ˆã€‚éšç€ AI æ¨¡åž‹çš„æ—¥ç›Šå¤æ‚ã€æ•°æ®é‡çš„剧增以åŠå®žæ—¶å¤„ç†éœ€æ±‚的增加åQŒä¼ä¸šäºŸéœ€­‘…越传统存储和数æ®ç®¡ç†èƒ½åŠ›çš„å¯æ‰©å±•ã€é«˜å¼ÒŽ€§ã€é«˜æ€§èƒ½è§£å†³æ–ÒŽ¡ˆã€‚我们最新的创新正是为满­‘Œ™¿™äº›éœ€æ±‚而设计,æä¾›å‰æ‰€æœªæœ‰çš„速度ã€çµ‹zÀL€§å’Œå¯é æ€§ï¼Œæ”¯æŒä»Žæ•°æ®ä¸­å¿ƒã€äº‘端以åŠè¾¹¾~˜éƒ¨¾|²çš„å„ç§æ•°æ®å¯†é›†åž‹å·¥ä½œè´Ÿè½½ã€‚这些解å†Ïx–¹æ¡ˆä¸ä»…帮助ä¼ä¸šåŠ¨æ€æ‰©å±•åÆˆæœ€å¤§åŒ–èµ„æºåˆ©ç”¨çŽ‡ï¼Œ˜q˜èƒ½ä»¥å˜é©æ€§çš„é€Ÿåº¦ä¸‹è§£é”æ•°æ®æ´žå¯Ÿï¼Œä»Žè€Œå®žçް剿²¿ç ”½I¶ä¸Žå®žé™… AI 应用之间的无¾~衔接ã€?/p>


在今òq´çš„大会上,WEKA æºæ‰‹ NVIDIAã€?a href="/supermicro" target="_blank" rel="noopener">Supermicroã€Arm å’?Run:ai ½{‰åˆä½œä¼™ä¼ß_¼Œå±•示如何支æŒä¼ä¸šå¤§è§„模扩展ã€åº”对负载æ‡L动,æä¾›å¤šç»„仉™«˜æ•ˆç¼–æŽ’ã€æå‡å®‰å…¨æ€§å’Œ¾pÈ»Ÿ½E›_®šæ€§ï¼Œòq¶åœ¨é™ä½Žèƒ½è€—ã€å®žçŽ°æ›´é«˜å†·å´æ•ˆçŽ‡çš„åŒæ—¶æå‡ AI 计算能力ã€?/p>

首款为NVIDIA Grace CPU­‘…çñ”芯片打造的存储解决æ–ÒŽ¡ˆ

éšç€ AI å’?HPC 工作负è²çš„䏿–­æ¼”˜q›ï¼Œå¯¹è¶…高速数æ®è®¿é—®å’Œé«˜æ•ˆå¤„ç†èƒ½åŠ›çš„éœ€æ±‚æ—¥ç›Šå¢žåŠ ã€‚WEKA 与英伟达 NVIDIAã€è¶…å¾?Supermicroå’?Arm è”æ‰‹åº”对˜q™ä¸€æŒ‘战åQŒå…±åŒæŽ¨å‡ºç»“å?WEKA ­‘…高速数æ®åã^åîC¸Ž NVIDIA Grace CPU ­‘…çñ”芯片的解å†Ïx–¹æ¡ˆï¼Œæ ‘立了数æ®å¯†é›†åž‹çŽ¯å¢ƒä¸‹æ€§èƒ½ã€å¯æ‰©å±•性和能效的新标æ†ã€‚这一强强è”åˆä¸ä»…能加é€?AI 模型训练åQŒå‡ž®‘åšg˜qŸï¼Œ˜q˜èƒ½æ˜¾è‘—优化资æºåˆ©ç”¨æ•ˆçއåQŒåŒæ—¶ä¿æŒä½Žèƒ½è€—æ°´òqŸë€?/p>


åœ?SC24 大会上,WEKA å®£å¸ƒæŽ¨å‡ºä¸šå†…é¦–æ¬¾ä¸“äØ“ NVIDIA Graceâ„? class= CPU ­‘…çñ”芯片设计的高性能存储解决æ–ÒŽ¡ˆã€‚该æ–ÒŽ¡ˆåŸÞZºŽå…¨æ–°çš?Supermicro 存储æœåŠ¡å™¨ï¼Œé…备 WEKA] Data Platform 软äšgåQŒåƈæ­è² Arm] Neoverseâ„? class= V2 核心åQŒå€ŸåŠ© NVIDIA Grace CPU ­‘…çñ”芯片æä¾›å‰æ‰€æœªæœ‰çš„æ€§èƒ½å¯†åº¦å’Œèƒ½æ•ˆä¼˜åŠ¿ï¼ŒåŠ©åŠ›ä¼ä¸šåŠ é€?AI 工作负è²ã€‚通过å‡å°‘ I/O 瓉™¢ˆòq¶æå‡æ•°æ®è®¿é—®æ•ˆçŽ‡ï¼Œ˜q™ä¸€è”åˆè§£å†³æ–ÒŽ¡ˆè®©æ•°æ®ä¸­å¿ƒåœ¨ä¿æŒæžä½Žèƒ½è€—çš„åŒæ—¶åQŒå®žçް剿‰€æœªæœ‰çš„æ€§èƒ½½H破。WEKA Data Platform 预计ž®†äºŽ2025òq´åˆåœ?Grace æœåŠ¡å™¨ä¸Šæä¾›æœåŠ¡åQŒæ ‡å¿—ç€é¢å‘未æ¥çš„基¼‹€è®¾æ–½çš„诞生,òq¶èƒ½éšç€ä¼ä¸šéœ€æ±‚增长而扩展ã€?/p>

WEKA 亮相 SC24 ¾ŸŽå›½­‘…çñ”计算大会

NVIDIA Grace CPU 拥有144个高性能 Arm Neoverse V2 核心åQŒèƒ½æ•ˆæ˜¯ä¼ ç»Ÿ x86 æœåŠ¡å™¨çš„ä¸¤å€ã€‚这一é…ç½®ä¸?WEKA çš?AI åŽŸç”Ÿæ•°æ®æž¶æž„相结åˆï¼Œ¼‹®ä¿äº†æ•´ä¸?AI æ•°æ®½Ž¡é“的最ä½Ïx€§èƒ½åQŒæœ€å¤§é™åº¦æå‡äº† GPU 利用率,òq¶åœ¨å¤§å¹…é™ä½Žèƒ½è€—çš„åŒæ—¶åŠ é€Ÿæ•°æ®æ´žå¯Ÿã€‚这一¾l„åˆä½¿ä¼ä¸šèƒ½å¤Ÿæ›´é«˜æ•ˆåœ°å¤„ç†å¤æ‚çš„ AI 工作负è²åQŒæå‡é€Ÿåº¦å’Œæ•ˆçއã€?/p>


Grace CPU 采用高带å®?LPDDR5X 内存åQŒæä¾?1 TB/s 的内存带宽,与WEKA 的架构无¾~结åˆï¼Œæœ‰æ•ˆæ¶ˆé™¤æ•°æ®ç“‰™¢ˆåQŒç¡®ä¿äº†æ•°æ®‹¹çš„高效传输。这使得 AI 训练更快åQŒè®­¾lƒå‘¨æœŸæ›´çŸ­ï¼ŒæŽ¨ç†é€Ÿåº¦æ›´å¿«åQŒä¼ä¸šèƒ½å¤Ÿåœ¨ä¸ç‰ºç‰²æ€§èƒ½çš„æƒ…况下扩展 AI 工作负è²ã€‚è¿™æ ïLš„资æºä¼˜åŒ–能够™åºç•…高效地满­‘Ïx•°æ®å¯†é›†åž‹çŽ¯å¢ƒçš„éœ€æ±‚ã€?/p>


除了性能æå‡ä¹‹å¤–åQŒè¿™ä¸€å­˜å‚¨è§£å†³æ–ÒŽ¡ˆ˜q˜åœ¨èƒ½æºå’Œç©ºé—´æ•ˆçŽ‡æ–¹é¢è®¾ç«‹äº†æ–°æ ‡å‡†ã€‚专为大规模 AI 和现ä»?HPC 工作负è²è€Œç”ŸåQŒWEKA Data Platform 能够帮助ä¼ä¸šé™ä½Žæ•°æ®ä¸­å¿ƒçš„å åœ°é¢¿U¯å’Œèƒ½æºæ¶ˆè€—。能效优异的 Grace CPU ä¸?WEKA 的基¼‹€è®¾æ–½æ•´åˆèƒ½åŠ›ç›¸ç»“åˆï¼Œè®©ä¼ä¸šèƒ½å¤Ÿä»¥æ›´å°‘的资æºå®žçŽ°æ›´å¤šæˆæžœï¼Œåœ¨æŽ¨åŠ?AI æ€§èƒ½çš„åŒæ—¶æ”¯æŒå¯æŒç®‹å‘展目标ã€?/p>


WEKA Data Platform 通过æé«˜ GPU 堆栈效率10è‡?0å€ï¼Œä¼˜åŒ–了大规模 AI å’?HPC 工作负è²ã€‚通过å‡å°‘æ•°æ®å†—余和实现絋zÈš„云端扩展åQŒå®ƒž®†æ•°æ®åŸº¼‹€è®¾æ–½éœ€æ±‚凞®‘了4åˆ?å€ï¼Œòq¶å¤§òq…é™ä½Žç¢³æŽ’放åQŒæ¯å­˜å‚¨1PBæ•°æ®æ¯å¹´å¯å‡ž®‘高è¾?60å¨çš„二氧化碳排放åQŒåŒæ—‰™™ä½Žå¤šè¾?0å€çš„èƒ½æºæˆæœ¬ã€‚加ä¸?Grace CPU ­‘…çñ”芯片两å€çš„能效åQŒè¿™ä¸€è§£å†³æ–ÒŽ¡ˆå¸®åŠ©å®¢æˆ·èƒ½å¤Ÿç”¨æ›´ž®‘的资æºå®Œæˆæ›´å¤šä»ÕdŠ¡åQŒåœ¨æå‡AIæ€§èƒ½çš„åŒæ—¶æŽ¨åЍ坿Œç®‹å‘展目标ã€?/p>


˜q™ä¸€ä¸šç•Œé¦–创的è”åˆæž¶æž„䨓ä¼ä¸šé™ä½Žæˆæœ¬ã€åŠ é€Ÿæ€§èƒ½òq¶æŽ¨åŠ?AIã€HPC 和数æ®åˆ†æžçš„市场化进½E‹æä¾›äº†å¯é æ”¯æŒã€‚对于è¿è¡Œå¤æ?AI 模型ã€å¤§è§„模仿真或实时数æ®å¤„ç†çš„ä¼ä¸šè€Œè¨€åQŒè¿™ä¸€å¼ºå¤§¾l„åˆæä¾›äº†æ•°æ®é©±åŠ¨ä¸–ç•Œä¸­è‡›_…³é‡è¦çš„é€Ÿåº¦ã€æ•ˆçŽ‡å’ŒèŠ‚èƒ½ä¼˜åŠ¿ã€?/p>

WEKA 亮相 SC24 ¾ŸŽå›½­‘…çñ”计算大会

WARRPåQšé¢å‘坿‰©å±•ã€å¯æŒç®‹ç”Ÿäñ”环境的云无关 AI RAG å‚考åã^å?/h2>

éšç€ä¼ä¸š­‘Šæ¥­‘Šå¤šåœ°é‡‡ç”?AI 驱动的应用,部çÖv能够无ç¼å¤„ç†å¤§è§„模数æ®å¯†é›†åž‹å·¥ä½œè´Ÿè²çš„æ£€ç´¢å¢žå¼ºç”Ÿæˆï¼ˆRetrieval-Augmented GenerationåQŒRAGåQ‰æŽ¨ç†çŽ¯å¢ƒå˜å¾—至关é‡è¦ã€‚然而,从概念验è¯åˆ°ç”Ÿäñ”环境的è{å˜å¸¦æ¥äº†è®¸å¤šå¤æ‚的挑战。这些生产çñ” AI 环境需è¦å¯é çš„坿‰©å±•性ã€é«˜æ•ˆçš„资æºè°ƒåº¦åQŒä»¥åŠè·¨å¤šä¸ªåŸºç¡€è®¾æ–½åQˆä»Žæœ¬åœ°æ•°æ®ä¸­å¿ƒåˆ°å¤šä¸ªäº‘æœåŠ¡ä¾›åº”å•†ï¼‰çš„æ— ¾~连接。此外,在确ä¿é«˜æ€§èƒ½çš„åŒæ—Óž¼Œ˜q˜éœ€è¦ç®¡ç†æˆæœ¬ã€æ»¡­‘³ä¸¥æ ¼çš„å®‰å…¨è¦æ±‚åQŒåƈå‡å°‘¼„ÏxŽ’æ”¾ï¼Œä¹Ÿæ˜¯ä¼ä¸šåœ¨å°† RAG 解决æ–ÒŽ¡ˆæŠ•入生äñ”æ—¶å¿…™å»é¢å¯¹çš„éšùN¢˜ã€?/p>


我们éžå¸¸é«˜å…´å‘大家介¾l?WEKA AI RAG* å‚考åã^å?WARRPåQˆWEKA AI RAG Reference PlatformåQ‰ï¼Œ˜q™æ˜¯ä¸€ä¸ªäº‘æ— å…³*的解å†Ïx–¹æ¡ˆï¼Œä¸“äØ“åº”å¯¹ç”Ÿäñ”¾U?AI 挑战而设计,æä¾›ä¸€è‡´çš„æ€§èƒ½ã€ç®€åŒ–çš„½Ž¡ç†å’Œå¯æ‰©å±•的部¾|²èƒ½åŠ›ï¼Œé€‚ç”¨äºŽæ•°æ®ä¸­å¿ƒå’Œäº‘环境。WARRP 利用 WEKA 先进的数æ®åã^åŽÍ¼Œè§£å†³äº†ä¼ ¾lŸå…±äº«æ–‡ä»¶ç³»¾lŸéš¾ä»¥å®žçŽ°çš„ä¸€äº›åŠŸèƒ½ã€‚é€šè¿‡æ”¯æŒé«˜æ€§èƒ½å‘釿•°æ®åº“ã€ç®€åŒ–跨地点的数æ®ä¼ è¾“以åŠçµ‹zÈš„扩展能力åQŒWARRP 让ä¼ä¸šèƒ½å¤Ÿé«˜æ•ˆéƒ¨¾|²é«˜æ•ˆå¯æŒç®‹çš?AI 推ç†çŽ¯å¢ƒåQŒåƈ能够éšç€æ–°æ¡†æž¶å’Œå·¥å…·çš„出çŽîC¸æ–­æ¼”˜q›ã€?/p>


“Cloud agnostic”åQˆäº‘æ— å…³/云ä¸å¯çŸ¥åQ‰æ˜¯æŒ‡ä¸€¿U技术ã€è§£å†Ïx–¹æ¡ˆæˆ–æž¶æž„åQŒèƒ½å¤Ÿåœ¨å¤šä¸ªäº‘åã^åîC¹‹é—´æ— ¾~è¿è¡Œï¼Œè€Œä¸ä¾èµ–于ä“Q何特定云æä¾›å•†çš„æŠ€æœ¯ã€å·¥å…ähˆ–æœåŠ¡ã€‚ç®€è€Œè¨€ä¹‹ï¼Œäº‘æ— å…Ïx€§æ„å‘³ç€æŸä¸ªåº”用½E‹åºã€æœåŠ¡æˆ–åŸºç¡€è®¾æ–½å¯ä»¥åœ¨ä¸åŒçš„云环境中部çÖvã€è¿è¡Œå’Œ½Ž¡ç†åQŒè€Œæ— éœ€åšå‡ºé‡å¤§ä¿®æ”¹æˆ–适应ã€?/p>


*Retrieval-Augmented Generation (RAG)åQˆæ£€ç´¢å¢žå¼ºç”Ÿæˆï¼‰æ˜¯ä¸€¿U结åˆäº†‹‚€ç´¢æŠ€æœ¯ä¸Žç”Ÿæˆæ¨¡åž‹çš„自然语­a€å¤„ç†åQˆNLPåQ‰æ–¹æ³•ï¼Œæ—¨åœ¨å¢žå¼ºç”Ÿæˆæ¨¡åž‹çš„表现力和准¼‹®æ€§ï¼Œž®¤å…¶åœ¨é¢å¯šwœ€è¦å¤§é‡å¤–部知识的ä»ÕdŠ¡æ—¶ã€‚ç®€å•æ¥è¯ß_¼ŒRAG模型通过在生æˆç­”案之å‰é¦–å…ˆè¿›è¡Œä¿¡æ¯æ£€ç´¢ï¼Œä»Žå¤–部知识库中获å–相关信æ¯ï¼Œç„¶åŽž®†è¿™äº›ä¿¡æ¯ä¸Žç”Ÿæˆæ¨¡åž‹¾l“åˆåQŒä»¥ç”Ÿæˆæ›´äؓ准确和上下文相关的答案ã€?/em>

我们创å¾äº?WARRPåQˆWEKA AI RAG å‚考åã^åŽÍ¼‰åQŒä½œä¸ÞZ¸€ä¸ªäº‘æ— å…³çš?RAG 推ç†òq›_°åQŒæ— è®ºéƒ¨¾|²åœ¨æ•°æ®ä¸­å¿ƒ˜q˜æ˜¯äº‘中åQŒéƒ½èƒ½æä¾›ä¸€è‡´çš„æ¡†æž¶ã€å¯½Ž¡ç†æ€§å’Œ¾l“果。WARRP 充分利用äº?WEKA 独特的功能,解决了共享文件系¾lŸä¸­å¸¸è§çš„æŒ‘战。例如,它支æŒé«˜æ€§èƒ½å‘釿•°æ®åº“ã€é€šè¿‡æˆ‘们的高é€?POSIX ¾pÈ»Ÿ˜q›è¡Œæ‰šw‡æ•°æ®æ‘„å–åQŒåŒæ—‰™€šè¿‡ S3 索引åQŒåƈå¯ä»¥åœ¨æ•°æ®æµåŠ¨è¿‡½E‹ä¸­åœ¨ä¸åŒä½¾|®ä¹‹é—´æ— ¾~传输数æ®ï¼ˆæ¯”如在一个佾|®å¯¼å…¥æ•°æ®ï¼Œå†åœ¨å¦ä¸€ä¸ªä½¾|®è¿›è¡Œå¤„ç†ï¼‰ã€?/p>


WARRP 定义了一个强大的生äñ”¾U?RAG 推ç†è§£å†³æ–ÒŽ¡ˆæ‰€éœ€çš„基¼‹€å±‚。首先是基础设施层,跨越多个数æ®ä¸­å¿ƒæˆ–云æœåŠ¡ä¾›åº”å•†ã€‚æŽ¥ä¸‹æ¥æ˜?WEKA æ•°æ®å±‚,它在本地环境和云环境中æä¾›ç›¸åŒçš„æ€§èƒ½å’ŒåŠŸèƒ½ã€‚ç„¶åŽæ˜¯¾~–排层,包括 Kubernetes 容器¾~–排器和åƒ?Run:ai ˜q™æ ·çš?GPU ¾~–排解决æ–ÒŽ¡ˆã€‚äØ“äº†ç®€åŒ–éƒ¨¾|²å’Œ½Ž¡ç†åQŒæˆ‘们选择了英伟达的框æžÓž¼Œå¦?NIMs å’?NemoåQŒè¿™äº›æ¡†æž¶æž„æˆäº†è‹×ƒ¼Ÿè¾„¡š„ä¼ä¸š¾U§æŠ€æœ¯å †æ ˆã€‚上层是开å‘层åQŒåˆ©ç”?Jupyter ½{‰å·¥å…¯‚¿›è¡Œç¼–½E‹ã€‚å…¶‹Æ¡ï¼ŒLangsmith å’?MilvusåQˆåˆ†å¸ƒå¼å‘釿•°æ®åº“)½{‰ä¸­é—´äšg工具支æŒéƒ¨çÖvåQŒæœ€åŽæ¨¡åž‹åˆ†å±‚在它们之上åQŒç”±è‹×ƒ¼Ÿè¾?NIMs 打包或根æ®ä¼ä¸šéœ€æ±‚进行容器化。最åŽï¼Œåº”用½E‹åºž®†æä¾›ç”¨æˆïL•Œé¢åƈæå–有ä­h值的信æ¯ã€?/p>


WARRP 的核心优势在于它能够æ ÒŽ®æŽ¨ç†éœ€æ±‚åŠ¨æ€æ‰©å±•,òq¶æ ¹æ®éœ€è¦åœ¨å¾®è°ƒå’ŒæŽ¨ç†ä¹‹é—´åˆ‡æ¢ã€‚它˜q˜èƒ½åœ?WEKA 上è¿è¡Œåˆ†å¸ƒå¼å‘釿•°æ®åº“,为整ä¸?RAG ½Ž¡é“æä¾›å“è¶Šçš„æ€§èƒ½å’Œå¯æ‰©å±•性,òq¶èƒ½ç‰|´»åœ°å¤‡ä»½æ•°æ®åƈž®†å…¶å‘é€åˆ°˜qœç¨‹çŽ¯å¢ƒåQŒä»¥å®žçŽ°å†—ä½™æˆ–çªå‘处ç†ã€?/p>


通过 WARRPåQŒæˆ‘ä»¬äØ“ç”Ÿäñ”¾U?RAG æŽ¨ç†½Ž¡é“建立了基¼‹€å±‚åÆˆéªŒè¯äº†ç‰¹å®šæ¡†æž¶ã€‚展望未æ¥ï¼Œæˆ‘们ž®†ä¸æ–­äØ“æ¯ä¸€å±‚添加新的框æžÓž¼Œå¦?EKSã€AKS æˆ?GKE ½{‰æ‰˜½Ž?Kubernetes æœåŠ¡åQŒåƈ整åˆå…¶ä»–½C‘ÖŒºå‘布的具有ä­h值的框架。这¿Uè„P代方法ä‹É WARRP ä¸?AI 生æ€ç³»¾lŸçš„æœ€æ–°è¿›å±•ä¿æŒä¸€è‡´ã€?/p>

SC24 å¼ø™°ƒäº†é«˜æ€§èƒ½è®¡ç®—å’Œähå·¥æ™ºèƒ½é¢†åŸŸçš„åˆ›æ–°å‰æ²¿åQŒWEKA 很è£òq¸èƒ½å¤ŸäØ“çŽîC»£æ•°æ®å¯†é›†åž‹çŽ¯å¢ƒå®žé™…æŒ‘æˆ˜æä¾›çš„解决æ–ÒŽ¡ˆã€‚我们与è‹×ƒ¼Ÿè¾¾ï¼ˆNVIDIAåQ‰ã€è¶…微(SupermicroåQ‰å’Œ Arm ½{‰åˆä½œä¼™ä¼´çš„åˆä½œå¸¦æ¥äº†é‡æ–°å®šä¹‰äº†ä¼ä¸š AI å’?HPC 工作负è²å¯èƒ½æ€§çš„剿²¿æŠ€æœ¯ã€‚从针对è‹×ƒ¼Ÿè¾?Grace CPU ­‘…çñ”芯片的é©å‘½æ€§å­˜å‚¨è§£å†Ïx–¹æ¡ˆåˆ°å¤šåŠŸèƒ?WARRP æž¶æž„åQŒWEKA 致力于æä¾›å¯æ‰©å±•ã€é«˜æ•ˆå’ŒèŠ‚èƒ½çš?AI òq›_°åQŒå¸®åŠ©ä¼ä¸šå°† AI ä»Žæ¦‚å¿µéªŒè¯æŽ¨å‘大规模生äñ”。这些解å†Ïx–¹æ¡ˆæ—¢èƒ½æ»¡­‘›_½“å‰å·¥ä½œè´Ÿè½½çš„需求,åˆèƒ½é€‚应未æ¥ä¸æ–­å‘展的需è¦ã€‚通过é™ä½Žèƒ½è€—ã€ä¼˜åŒ–æ•°æ®å¤„ç†å’Œäº‘无关的ç‰|´»æ€§ï¼ŒWEKA ä¸ÞZ¼ä¸šæä¾›äº†å¼ºå¤§çš„工典P¼ŒåŠ å¿«äº†æ´žå¯Ÿæ—¶é—ß_¼Œæœ€å¤§é™åº¦åœ°æé«˜äº†èµ„æºåˆ©ç”¨çއåQŒåÆˆæœ‰åŠ©äºŽå®žçŽ°å¯æŒç®‹å‘展目标。在å‰è¿›çš„é“路上åQŒæˆ‘ä»¬è‡´åŠ›äºŽé€šè¿‡å¯æ— ¾~é›†æˆæ–°å…´æŠ€æœ¯çš„è‡ªé€‚åº”æž¶æž„ä¸ø™¡Œä¸šæä¾›æ”¯æŒï¼Œ¼‹®ä¿ä¼ä¸šåœ¨æ•°æ®é©±åŠ¨çš„ä¸–ç•Œä¸­ä¿æŒé¢†å…ˆåœ°ä½ã€?/p>

关于WEKA

WEKA 正在ä¸?AI 时代的ä¼ä¸šæ•°æ®å †æ ˆè®¾è®¡å…¨æ–°çš„解决æ–ÒŽ¡ˆã€?a href="/weka">WEKA] Data Platform 采用云和 AI 原生架构åQŒå¯ä»¥åœ¨ä»ÖM½•地方部çÖvåQŒå®žçŽ°æœ¬åœ°ã€äº‘ç«¯å’Œè¾¹ç¼˜çŽ¯å¢ƒçš„æ•°æ®æ— ¾~è¿¿U…R€‚它ž®†ä¼ ¾lŸçš„æ•°æ®å­¤å²›è½¬å˜ä¸ºåŠ¨æ€æ•°æ®ç®¡é“,加é€?GPUã€AI 模型训练和推ç†ï¼Œä»¥åŠå…¶ä»–性能密集型工作负载,使其更高效地工作ã€åŒæ—‰™™ä½Žèƒ½æºæ¶ˆè€—å’Œ¼„ÏxŽ’æ”¾ã€‚WEKA å¸®åŠ©å…¨çƒæœ€å…·åˆ›æ–°æ€§çš„ä¼ä¸šå’Œç ”½I¶æœºæž„å…‹æœå¤æ‚çš„æ•°æ®æŒ‘战åQŒå®žçŽ°æ›´å¿«ã€æ›´å¯æŒ¾l­çš„å‘çŽ°ã€æ´žå¯Ÿå’Œä¸šåŠ¡æˆæžœâ€”—包括《胦富ã€?0å¼ÞZ¸­çš?2å®¶å…¬å¸ã€?/p>

引领 AI 与高性能计算未æ¥åQšWEKA 亮相 SC24 ¾ŸŽå›½­‘…çñ”计算大会

è”系瑞技

WEKAæä¾›AI时代的数æ®åã^åŽÍ¼Œä¼˜åŒ–数殘qç§»åQŒåŠ é€ŸAI处ç†åQŒé™ä½Žèƒ½è€—,助力ä¼ä¸šå®žçŽ°é«˜æ•ˆã€å¯æŒç®‹çš„ä¸šåŠ¡æˆæžœã€?/p>

引领 AI 与高性能计算未æ¥åQšWEKA 亮相 SC24 ¾ŸŽå›½­‘…çñ”计算大会最先出现在瑞技¿U‘技ã€?/p> ]]>