在 GPU 眾多特性中,NVIDIA GPU 憑借其獨特的 CUDA 架構和豐富的 CUDA 核心而備受矚目。然而,由于 GPU 資源的高昂成本和相對稀缺性,如何根據實際需求選擇合適的 GPU 變得尤為重要。
英偉達憑借其在圖形處理器領域的深厚積累,成功轉型為AI計算的領軍企業。英偉達通過其GPU、CPU、DPU三芯戰略,以及強大的軟件生態系統CUDA,推動AI在多個行業應用中的創新和發展,以及其在全球市場中的擴張策略和面臨的挑戰。
身負一大堆專為英偉達CUDA平臺編寫的遺留代碼?英特爾公司CTO Greg Lavender建議構建一套大語言模型(LLM),將這部分代碼轉換成可以在其他AI加速器上運行的模型,包括英特爾自己的Gaudi2或GPU Max硬件。
我個人甚至懷疑,像英特爾這樣的大公司已經意識到Selene這類系統的重要意義,其甚至有可能成為芯片設計從業企業的新標配。
數據科學家如今可在Microsoft Azure使用NVIDIA的數據科學加速庫——NVIDIA CUDA-X AI,將機器學習項目加速20倍。