NVIDIA telah mengumumkan pembaruan terbaru untuk platform Run:ai, versi 2.23. Pembaruan ini meningkatkan performa model Generative AI dalam lingkungan terdistribusi melalui integrasi dengan NVIDIA Dynamo. Integrasi ini bertujuan untuk mengatasi meningkatnya kompleksitas model bahasa berskala besar, yang seringkali melebihi kapasitas satu GPU dan membutuhkan koordinasi yang efisien di antara ribuan komponen yang saling terhubung.

Rilis baru ini berfokus pada penyelesaian masalah penskalaan yang terkait dengan beban kerja inferensi multi-simpul yang membutuhkan throughput tinggi dan latency rendah. NVIDIA Dynamo dirancang khusus untuk mengelola kompleksitas inferensi terdistribusi, menyediakan fitur-fitur seperti inferensi pra-isi dan dekode terdistribusi, penjadwalan GPU dinamis, dan perutean permintaan berbasis LLM, yang semuanya bertujuan untuk memaksimalkan throughput GPU dan mencapai keseimbangan antara latency dan throughput.

Kemampuan penjadwalan canggih NVIDIA Run:ai berperan penting dalam memungkinkan pengoperasian beban kerja Dynamo berskala besar yang efisien. Platform ini menggunakan penjadwalan kelompok (gang scheduling), yang memperlakukan pod yang saling bergantung sebagai satu unit penerapan tunggal, dan penempatan yang peka topologi (topology-aware placement), yang menempatkan komponen secara bersamaan untuk meminimalkan latency. Fitur-fitur ini dirancang untuk mencegah penerapan parsial dan menunggu hingga semua komponen yang diperlukan diluncurkan secara bersamaan atau hingga sumber daya yang memadai tersedia.

Integrasi NVIDIA Run:ai dengan Dynamo juga menyederhanakan proses konfigurasi topologi jaringan dalam penerapan terdistribusi. Administrator dapat menentukan tata letak fisik klaster dalam antarmuka pengguna Run:ai, yang memungkinkan penjadwal untuk membuat keputusan penempatan strategis guna mengurangi latency antar-node dan meningkatkan throughput komunikasi.

Bagi pengguna yang ingin memanfaatkan integrasi NVIDIA Run:ai dan Dynamo, NVIDIA menyediakan panduan langkah demi langkah tentang cara mengonfigurasi topologi jaringan dan menerapkan Dynamo dengan mengaktifkan fitur-fitur baru ini. Pembaruan ini diharapkan dapat meningkatkan throughput, mengurangi latency, dan meningkatkan pemanfaatan sumber daya di seluruh klaster Kubernetes, sehingga memungkinkan beban kerja inferensi multi-simpul yang lebih terprediksi dan efisien.