Périphériques technologiques
IA
Les usines d'IA à locataire unique deviendront-elles la dernière tendance des centres de données ?
Les usines d'IA à locataire unique deviendront-elles la dernière tendance des centres de données ?
Les centres de données de colocation sont généralement conçus pour accueillir des dizaines, voire des centaines de clients pour différentes applications. Cependant, Nvidia propose un modèle de centre de données unique dédié à l'exécution d'applications spécifiques pour un seul client.
L'émergence de « l'usine d'intelligence artificielle »
Ce nouveau type de centre de données est différent des centres de données traditionnels et se concentre sur la fourniture de services d'infrastructure plus efficaces et plus flexibles. Les centres de données traditionnels hébergent souvent plusieurs applications et plusieurs locataires, tandis que les nouveaux centres de données se concentrent davantage sur l'allocation dynamique et l'optimisation des ressources pour répondre aux besoins des différentes applications et locataires. La conception de ce nouveau centre de données est plus flexible et intelligente, et peut ajuster l'allocation des ressources en temps réel en fonction de la demande, améliorant ainsi l'efficacité et les performances globales. Avec ce concept de conception innovant,
Ces nouveaux centres de données sont principalement utilisés pour héberger un petit nombre d'applications, généralement utilisées par un seul locataire. Ils sont responsables du traitement des données, de la formation des modèles et de la génération de jetons pour produire de l'intelligence artificielle. Nous appelons ces nouveaux centres de données « usines IA ».
Les usines d’intelligence artificielle sont devenues un phénomène omniprésent. Je pense que presque toutes les grandes régions disposeront de leur propre cloud d’IA, tout comme chaque grand pays. Nous sommes donc au début d’une transformation informatique, ce qui constitue un point d’inflexion important.
Actuellement, cette tendance émerge progressivement dans des pays comme l'Inde, la Suède, le Japon et la France. Pour parvenir à une utilisation efficace de l’intelligence artificielle, les différences linguistiques et culturelles entre les pays doivent être prises en compte. La demande en intelligence artificielle varie également d’un pays à l’autre, comme au Japon et en Suède. Pour cette raison, les centres de données d’IA et les usines d’IA à locataire unique ont tendance à être limités à des pays spécifiques.
Évaluez l'ampleur du déploiement de l'intelligence artificielle
Les grands fournisseurs de services cloud tels qu'Amazon et Google et les principaux fournisseurs d'hébergement tels qu'Equinix, la taille de leur centre de données est généralement assez grande, suffisamment grande pour accueillir la taille d'un terrain de football. Compte tenu de la forte consommation d'énergie des processeurs Nvidia Hopper, ces usines d'IA seront comparables en taille aux restaurants McDonald's.
Les racks de centres de données prévoient généralement une consommation électrique comprise entre 6 kW et 8 kW. Cependant, si un serveur optimisé pour exécuter LLM est requis, la consommation électrique d'un seul serveur est d'environ 11 kW. Cela équivaut à la consommation électrique moyenne d'environ 14 serveurs à usage général.
Dans ce cas, seul un nombre limité de serveurs GPU tels que le DGXH100 peut être exécuté dans un centre de données typique. Si vous disposez d'un centre de données de 1 MW, vous pouvez y déployer environ 50 serveurs DGXH100. Le déploiement de l’IA à grande échelle auprès d’un grand nombre d’utilisateurs simultanés nécessitera de grands clusters de ces serveurs. Cela signifie qu’un centre de données typique ne peut répondre qu’aux besoins d’un nombre limité de clients, et très probablement d’un seul client.
L'avenir des usines IA
L'option la plus rentable pour concevoir un environnement GPU à usage unique tel qu'une usine IA est de construire un centre de données dédié, conçu et positionné avec une densité plus élevée et un refroidissement liquide comme objectif. Dans le meilleur emplacement pour les entreprises d'IA.
La consommation électrique des clusters d'IA sera un facteur limitant dans les centres de données comportant un grand nombre de serveurs, et il est probable que certains de ces centres de données soient dédiés à l'IA. Les cadres de sécurité et réglementaires entourant l’IA peuvent également alimenter cette tendance. La croissance de l’intelligence artificielle générative et générale soulève plusieurs problèmes de sécurité et de conformité, de sorte que les entreprises peuvent décider d’exécuter ces charges de travail à partir d’installations spécialement conçues et hautement sécurisées.
Usine d'intelligence artificielle et centre de données
Étant donné que la densité de puissance de l'intelligence artificielle est cinq à dix fois supérieure à celle des centres de données traditionnels, l'échelle des usines d'intelligence artificielle n'atteindra pas la taille des centres de données traditionnels, qui ont une superficie de plus de cent mille pieds carrés.
Une autre différence entre les centres de données traditionnels et les usines d'IA est leur emplacement. Alors que les centres de données géants ont tendance à être construits dans des endroits éloignés à proximité de sources d’énergie renouvelables, les usines d’IA peuvent être construites dans les centres-villes ou les zones métropolitaines et dans des installations existantes disposant de grandes quantités d’énergie disponible.
Il y a beaucoup d'espaces de bureaux et de commerces qui sont sous-utilisés en ce moment et ce qui devient très, très attrayant, c'est un bâtiment abandonné ou un espace urbain sous-utilisé ou une partie d'un ancien entrepôt au milieu de nulle part qui a déjà l'électricité, où vous peut déposer certains équipements d'IA, un peu de refroidissement liquide et le brancher.
Bien qu'il soit impossible de prédire l'avenir du secteur des centres de données, la croissance rapide de l'intelligence artificielle suggère que les usines d'IA pourraient bientôt devenir une nécessité alors que les opérateurs d'infrastructures numériques se démènent pour répondre à la demande croissante.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Samsung présente le SSD de qualité centre de données BM1743 : équipé de v7 QLC V-NAND et prend en charge PCIe 5.0
Jun 18, 2024 pm 04:15 PM
Selon des informations publiées sur ce site Web le 18 juin, Samsung Semiconductor a récemment présenté sur son blog technologique son disque SSD de nouvelle génération de qualité centre de données BM1743, équipé de sa dernière mémoire flash QLC (v7). ▲Disque SSD de qualité centre de données Samsung QLC BM1743 Selon TrendForce en avril, dans le domaine des disques SSD de qualité centre de données QLC, seuls Samsung et Solidigm, une filiale de SK Hynix, avaient réussi la vérification du client d'entreprise à ce temps. Par rapport à la génération précédente v5QLCV-NAND (remarque sur ce site : Samsung v6V-NAND n'a pas de produits QLC), la mémoire flash Samsung v7QLCV-NAND a presque doublé le nombre de couches d'empilement et la densité de stockage a également été considérablement améliorée. Dans le même temps, la fluidité de v7QLCV-NAND
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
