NVIDIA 于昨日宣布 NVIDIA AI Enterprise 2.1 全面上市。這款最新版本的端到端 AI 和數(shù)據(jù)分析軟件套件經(jīng)過優(yōu)化和認證，支持企業(yè)在裸機、虛擬環(huán)境、容器和云環(huán)境中部署和擴展 AI 應(yīng)用。

發(fā)布亮點：新容器、公有云支持

NVIDIA AI Enterprise 2.1 版本使用最新的 NVIDIA RAPIDS 提供先進的數(shù)據(jù)科學(xué)，使用最新發(fā)布的 NVIDIA TAO 工具套件進行低代碼 AI 模型開發(fā)。

為了讓企業(yè) AI 在混合或多云環(huán)境中更容易訪問，AI Enterprise 2.1 增加了對在公有云中運行的 Red Hat OpenShift 和全新 Microsoft Azure NVads A10 v5 系列的支持。這些通過公有云提供的首批 NVIDIA 虛擬 GPU 實例實現(xiàn)了經(jīng)濟的 GPU 共享。

支持最新 AI 框架

NVIDIA AI Enterprise 使用戶能夠?qū)崟r了解用于開發(fā)與部署的 AI 工具，同時獲得 NVIDIA 的企業(yè)支持和定期更新。對于依賴早期版本 NVIDIA AI 框架的用戶，NVIDIA 將繼續(xù)提供支持，確保管理基礎(chǔ)設(shè)施更新的靈活性。

NVIDIA TAO Toolkit 22.05

NVIDIA TAO 工具套件是 NVIDIA TAO 的低代碼解決方案。該框架使開發(fā)者能夠創(chuàng)建自定義生產(chǎn)級模型，以驅(qū)動語音和視覺 AI 應(yīng)用。

最新版本的 TAO 工具套件現(xiàn)在通過 NVIDIA AI Enterprise 獲得支持，它加入了許多新的關(guān)鍵功能，包括 REST API 集成、預(yù)訓(xùn)練權(quán)重導(dǎo)入、TensorBoard 集成以及新的預(yù)訓(xùn)練模型。

NVIDIA RAPIDS 22.04

RAPIDS 22.04 版本通過在所有 NVIDIA 數(shù)據(jù)科學(xué)庫中添加新的模型、技術(shù)和數(shù)據(jù)處理能力，為數(shù)據(jù)工作流程提供更多支持。

Red Hat OpenShift 現(xiàn)已支持公有云

集成了多項開發(fā)運維功能的業(yè)內(nèi)領(lǐng)先企業(yè)級 Kubernetes 平臺 Red Hat OpenShift 除了能夠進行基于裸機和 VMware vSphere 的部署外，現(xiàn)在還通過了 NVIDIA AI Enterprise 認證并支持公有云。這使 Kubernetes 環(huán)境中的標(biāo)準化 AI 工作流程能夠在混合云環(huán)境中進行擴展。

Azure NVads A10 v5 支持

NVIDIA A10 Tensor Core GPU 驅(qū)動的 Azure NVads A10 v5 系列提供前所未有的 GPU 可擴展性、經(jīng)濟性以及部分 GPU 共享，可實現(xiàn)從六分之一的 A10 GPU 到兩個完整 A10 GPU 的靈活 GPU 共享規(guī)模。

作為支持平臺之一，NVads A10 v5 實例通過了 NVIDIA AI Enterprise 認證，為深度學(xué)習(xí)推理提供優(yōu)化的性能，最大限度地提高了云端大規(guī)模部署的效用和成本效率。

Domino Data Lab Enterprise MLOps

平臺認證

NVIDIA AI 加速合作伙伴 Domino Data Lab 的企業(yè) MLOps 平臺現(xiàn)已通過 NVIDIA AI Enterprise 認證。該級別認證降低了部署風(fēng)險，并確保與 NVIDIA AI 平臺的可靠、高性能集成。

通過這一合作，雙方將工作負載編排、自助式基礎(chǔ)設(shè)施、協(xié)作等企業(yè) MLOps優(yōu)勢，與主流加速服務(wù)器上的虛擬化所帶來的成本效益相結(jié)合。

嘗試 NVIDIA AI Enterprise

NVIDIA LaunchPad 為世界各地的企業(yè)機構(gòu)提供在私有加速計算環(huán)境中即時、短期訪問 NVIDIA AI Enterprise 軟件套件的機會，包括各種操作實驗室。

通過新的 NVIDIA LaunchPad 實驗室體驗在 NVIDIA AI Enterprise 上運行的最新 NVIDIA AI 框架和工具。這些位于 NVIDIA 加速基礎(chǔ)設(shè)施上的實驗室使企業(yè)能夠加快現(xiàn)代化數(shù)據(jù)驅(qū)動型應(yīng)用的開發(fā)和部署，并在用于部署的同一完整堆棧上快速測試和制作整個 AI 工作流程的原型。

審核編輯：湯梓紅