NVIDIAがVMwareと提携してAI経済を変革

GPUの使用率を上げることで、AIアプリケーションの構築とデプロイのコストが大幅に削減されます。

本日のVMworld2019カンファレンスで、NVIDIAとVMwareは共同で、VMware仮想マシンをグラフィカルプロセッサユニット（GPU）に展開できるようにすることを発表しました。

このイニシアチブの一環として、NVIDIAは、クライアントシステムの既存のサポートに加えて、仮想GPU（vGPU）ソフトウェアをサーバー上の仮想マシンに展開できるようになったことを発表しました。 GPU用のNVIDIA仮想コンピューティングサーバー（vComputeServer）ソフトウェアも拡張され、VMwarevSphereプラットフォームのサポートが追加されています。 NVIDIAは、VMwareプラットフォームで利用可能な人工知能（AI）アプリケーションを構築するためのツールにアクセスするためのハブを作成することにも取り組んでいます。

関連項目： 人工知能の準備の3つの重要な要素は何ですか？

これらのNVIDIAテクノロジーを使用して、VMwareは、AWS上のVMwareCloudでvComputeServerソフトウェアを実行するNVIDIAT4GPUによって高速化されたAmazonEC2ベアメタルインスタンスで構成されるクラウドサービスを利用可能にすることを約束しました。

まとめると、これらの進歩はGPU使用率の向上に大きな影響を与えるだけでなく、データサイエンティストがオンプレミスまたはクラウドにあるVMwareサーバーで実行されているGPUで複数のワークロードを集約することも可能にします。 / P>

人工知能（AI）アプリケーションを構築するためにGPUを採用することへの関心は非常に高いものの、それらのアプリケーションを構築するためのコストはしばしば法外なものになっています。仮想マシンがない場合、各GPUは、以前は一度に1つのワークロードを実行することに専念していました。 GPUの使用率を上げることで、AIアプリケーションの構築と展開のコストが大幅に削減されるとFanelli氏は言います。

これらのコストにより、組織は人間の存在のほぼ側面を変革する可能性のあるAIアプリケーションにさらに投資することができなくなっているため、これは非常に重要です。

「AIは私たちの時代の最も強力なテクノロジーです」とFanelli氏は言います。

ただし、仮想マシンで実行されているAIワークロードのパフォーマンスは、個々の属性によって異なります、とFanelli氏は言います。多くの開発者は、NVIDIA CUDAツールキットを利用してAIワークロードを並行して実行することで、パフォーマンスの問題を補うことができると、Fanelli氏は述べています。

AIアプリケーションを効率的に構築および展開することがより手頃な価格になるにつれて、今後数か月で開始されるAIプロジェクトの数は増えるはずです。そのプロセスを加速するために、VMwareはまた、仮想マシンの移動を自動化し、プラットフォーム間のデータ転送を加速するVMware HCXツールを使用して、ローカルデータセンターで実行されているGPUインスタンスからクラウドにワークロードを移行できると述べました。

主にクラウドでアクセスされるGPUは、GPUがメモリとI / Oオーバーヘッドをいかに効率的に管理するかにより、AIモデルのトレーニングに適したプラットフォームになりました。ただし、NVIDIAは、推論エンジンを実行するためにGPUにも依存して、x86サーバーの代わりにそれらのAIモデルを実行する必要があるというさまざまな成功を収めてきました。ソフトウェアにサーバー仮想マシンのサポートを追加することで、推論エンジンがx86プラットフォームにデプロイされるのとほぼ同じ方法で、同じGPUプラットフォームで複数の推論エンジンを実行することがはるかに実現可能になるはずです。

もちろん、追加のインフラストラクチャリソースにアクセスできるからといって、必ずしもAIの成功が保証されるわけではありません。ただし、これらのリソースは、AI開発プロセス中に誤ったコストを削減するのに非常に役立ちます。