NVIDIA AI Enterprise 已经过认证,可以在 GPU 加速的主流 NVIDIA 认证系统™、CPU 服务器或公有云中运行,从而能够使 AI 项目在当前混合程度与日俱增的数据中心内轻松移植。
借助 NVIDIA 企业级支持,任务关键型 AI 项目可顺利开展。借助企业培训服务,开发者、数据科学家和 IT 专业人士能够充分发挥 NVIDIA AI Enterprise 的效用。
更快地实现 AI 的商业价值
适合 AI 从业者的出色开发工具和框架,以及适合 IT 专业人员的可靠管理和协调,旨在保障性能、高可用性和安全性。
NVIDIA AI Enterprise
整体框架囊括底层硬件平台,包括搭载GPU、DPU甚至CPU-only的NVIDIA认证服务器。在公有云上面,也部署了NVIDIA AI Enterprise整体的软件框架。
往上是几个基于虚拟化和容器化的底座,包括Vmware、Red Hat以及Kubernetes。
再往上就是开发人员和前端应用线最关心的云原生开发环境,基础架构的优化以及AI开发工具和框架。
在最顶层,则包含诸如自然语言处理、对话式AI和图像分析等应用场景。
简化 AI 工作流程
加速完成数据准备
凭借 NVIDIA RAPIDS™,相较于类似的 CPU 配置,企业最高可将性能加快 70 倍并将成本效益提高 20 倍以上。
大规模训练
借助 NVIDIA TAO 工具套件,无需 AI 专业知识或大型训练数据集,仅需微调 NVIDIA 预训练模型,即可在数小时(而非数月)内创建自定义的生产就绪型 AI 模型。
已针对推理进行优化
在推理过程中,基于 NVIDIA® TensorRT™ 的应用的执行速度比 CPU 平台的速度快高达 40 倍。借助 TensorRT,您可以优化在所有主要框架中训练的神经网络模型。
大规模部署
NVIDIA Triton™ 推理服务器针对 GPU 上的神经网络和基于树的模型简化并优化了在生产环境中大规模部署 AI 模型的流程。
多云
NVIDIA 认证系统
NVIDIA DGX 系统
Red Hat
VMware
采用混合云和多云策略的组织可以灵活地在具有 NVIDIA 企业级支持的 AWS、Azure 和 Google Cloud Platform (GCP) 的 GPU 加速公有云实例上运行 NVIDIA AI Enterprise。通过使用推荐的 NVIDIA 虚拟机镜像 (VMI),企业可以构建一次应用,并在由其他云供应商托管的同一版本上轻松运行,从而实现经济高效并可快速采用的多个云策略。
NVIDIA AI Enterprise 已获得认证,可用于以下实例。
AWS:G4、G5、P3、P4
Azure:NC-T4-v3、NC-v3、NV-A10-v5
GCP:NVIDIA T4、NVIDIA V100、NVIDIA A800
NVIDIA 认证系统让企业能够自信选择性能经过优化的企业级硬件解决方案,为加速计算工作负载提供支持。NVIDIA GPU 加速的 NVIDIA 认证系统上支持 NVIDIA AI Enterprise。NVIDIA 认证系统目录中配置为仅 CPU 的服务器也可以运行 NVIDIA AI Enterprise,包括 Red Hat OpenShift 和 VMware vSphere 部署。
NVIDIA DGX™ 系统针对大规模企业 AI 基础设施提供出色的解决方案。DGX 软件包中包括 NVIDIA AI Enterprise,用于精简的 AI 开发和部署,以及企业支持。
由 Kubernetes 提供支持的出色混合云解决方案 Red Hat OpenShift 与 NVIDIA AI Enterprise 强强联合,提供一个可扩展的平台,帮助加速各种 AI 用例。无论是在本地还是公有云上,该平台都可以灵活地在经过联合认证的运行 Ubuntu 或 Red Hat Enterprise Linux 的 Bare Metal 系统、VMware vSphere 的虚拟化环境和纯 CPU 系统上进行部署。
NVIDIA AI Enterprise 已经过认证,可在 VMware vSphere 和 VMware Cloud Foundation 上运行,从而通过简化管理,在熟悉的基础设施上的虚拟化数据中心中部署 AI。NVIDIA AI Enterprise 也受 VMware Cloud Director 支持,能够运行和管理 GPU 加速的云服务。Red Hat OpenShift 还支持 VMware vSphere 进行容器化部署。
<
>
专为多云和混合云而设计
NVIDIA AI Enterprise 经过认证并受到支持,可以在公有云中运行,也可在广泛采用的 VMware 和 Red Hat 虚拟机和容器编排平台上运行,这使其具备了当今的多云和混合云环境所需要的部署灵活性。