在VMware on AWS Cloud上运行人工智能工作负载的最大好处之一就是他们能够利用Amazon基础设施的“弹性”。
人工智能巨头Nvidia正在公有云上实现人工智能和机器学习，发布了运行在VMware on AWS Cloud上的“加速GPU服务”。
在VMworld 2019大会上Nvidia宣布推出这项新服务，可以轻松地将现有基于vSphere的应用和软件容器迁移到VMware on AWS Cloud上，后者是一种混合云平台，可以在AWS的公有云上运行VMware的软件定义数据中心堆栈。
这些应用一旦被重新部署，就可以通过Nvidia的高性能GPU利用包括高性能计算、机器学习、数据分析和视频处理应用等新技术。
Nvidia认为，人工智能工作负载（如图像和语音识别、财务建模和自然语言处理）最好在是在自己的GPU硬件上完成的，因为与传统的CPU相比，GPU大大加快了训练和推理时间。
这项新服务采用Amazon的EC2裸机实例和Nvidia新的Virtual Compute Server软件，并将这些与Nvidia T4 GPU相结合以加速人工智能工作负载。
Nvidia创始人兼首席执行官黄仁勋表示：“从运营智能再到人工智能，企业依靠GPU加速计算以做出给他们带来直接影响的、快速准确的预测。我们与VMware一起，正在设计最先进、性能最高的GPU加速混合云基础设施，以促进整个企业的创新。”
Nvidia表示，在VMware on AWS Cloud上运行人工智能工作负载的最大好处之一就是他们能够利用Amazon基础设施的“弹性”。这项新服务将使客户能够根据需要扩展人工智能工作负载，根据数据科学家的需求扩大和缩小他们的训练环境。
其他好处包括提高人工智能应用的安全性和可管理性，更不用说还可以提高可移动性。Nvidia表示，客户只需点击一下按钮就可以在VMware on AWS Cloud和本地环境之间迁移应用，无需停机。
市场研究公司Wikibon分析师James Kobielus表示，Nvidia与VMware的合作意味着VMware现在可以为客户提供高性能的人工智能计算基础设施，这是以前无法做到的。
“通过这种合作伙伴关系，VMware客户可以轻松地将在裸机CPU上运行的人工智能工作负载转移到运行在VMware on AWS Cloud上Nvidia最新最快的GPU虚拟化集群，这将使VMware相比其他混合云解决方案提供商（例如IBM和HPE）在运行企业客户最先进人工智能应用方面占据了优势。”
同样在周一，该公司宣布了一项解决混合云机会的广泛战略，该战略主要是提供一套工具，以统一的方式管理所有企业基础设施，内部和/或任何公共云。
Nvidia可以为公司增加数据中心消费GPU的另一种方式，但它也使RAPIDS，它的AI库和数据科学家的分析软件工具与这个虚拟GPU基础设施兼容。容器化的软件包使TensorFlow和PyTorch等流行的数据科学技术能够利用GPU加速的硬件。
关键的支持技术是Nvidia的虚拟计算服务器（或vComputeServer）软件，GPU巨头周一也宣布了该软件。它基于该公司以前存在的虚拟GPU技术，但直到现在它才支持基于KVM的开源虚拟机管理程序，如Red Hat和Nutanix。vGPU现在支持vSphere，而vComputeServer是该支持的产品表现形式。
VMware还拥有自己的大型硬件加速器虚拟化工作。7月，该公司宣布收购该领域的专家Bitfusion，称其目标是将GPU虚拟化引入vSphere。VMware还表示，该平台可以扩展，以支持其他类型的硬件加速器，如FPGA和定制ASIC。
与CPU虚拟化一样，Nvidia的vComputeServer对GPU基础架构提出了性能“税收”。税收的确切规模因工作量而异，但Nvidia工程师在实验室中观察到的对性能的一般影响不到5％，
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
