Generatived(Beta)|生成AIの最新ニュースとトレンドを提供

Google Cloud、効率的なAI導入方法を発表
Generatived
25/9/12 9:00
Google Cloudは、従来のGPUベースのサービスアーキテクチャの課題に対処し、AIモデルをより効率的にデプロイするための新しいソリューションを発表しました。この新しい手法は、NVIDIA Dynamoを用いた分散型推論アプローチを採用しており、AIモデルの処理フェーズを分離することで、パフォーマンスとコスト効率を向上させます。このイノベーションは、複雑でリソースを大量に消費するデプロイを必要とする大規模な生成AIモデルに特に効果的です。
同社の最新ソリューションは、 Google Kubernetes Engine (GKE)、vLLM推論エンジン、そしてNVIDIA H200 GPUを搭載したA3 Ultra GPUアクセラレーションインスタンスを含むAIハイパーコンピューターへのNVIDIA Dynamoの導入を簡素化します。この構成は、AIアプリケーションのレーテンシー要件を満たしながら、より高いパフォーマンスと推論効率を実現するように設計されています。開発者やMLエンジニアは、 GitHubでレシピや追加リソースにアクセスし、このソリューションをAIプロジェクトに統合できます。
Google Cloud の AI 推論へのアプローチは、2 つの異なる計算フェーズで構成されます。1 つは入力プロンプトを処理し、並列処理能力を活用するプレフィルフェーズ、もう 1 つはレスポンスを生成し、高速なメモリアクセスを必要とするデコードフェーズです。新しいアーキテクチャでは、これらのフェーズを異なる GPU プールに分割することで、リソースの競合を防ぎ、GPU の利用率を向上させます。これにより推論コストとレーテンシーが削減され、両方のフェーズが同じ GPU 上で実行される従来のアーキテクチャに比べて大幅な改善が実現します。
分散型推論アーキテクチャは、GKE を利用して A3 Ultra インスタンスの個別のノードプールを管理し、推論サーバーとして NVIDIA Dynamo を、そして計算処理には vLLM 推論エンジンを使用します。これにより、各フェーズを独立してスケーリングできるため、迅速な処理によってトークン生成が遅延されることはありません。このソリューションは様々な推論エンジンをサポートし、スループットと GPU 効率の大幅な向上を実現します。
最新のニュース
bloom上山卓真のAI活用著書発刊
26/3/6 9:00
bloom(東京都千代田区)は、CTO兼CAIO上山卓真の著書『9割の会社は'AI'ではなく'データ'でつまずいている ~50人の会社が本気でAI活用してわかったこと vol.1~』をAmazon Kindleストアで出版した。
Confluent AIエージェント連携新機能発表
26/3/6 9:00
Confluent(カリフォルニア州)は、AIエージェントをリアルタイムで接続し、データ分析を強化する「Confluent Intelligence」の新機能を発表。
Copyright © 2024 Generatived - All right Reserved.
ニュース
Generatived は、Generative AIに特化した情報やトレンドをお届けするサービスです。大きく変わりゆく世界の情報を全力でお届けします。
最新のニュース
bloom上山卓真のAI活用著書発刊
26/3/6 9:00
bloom(東京都千代田区)は、CTO兼CAIO上山卓真の著書『9割の会社は'AI'ではなく'データ'でつまずいている ~50人の会社が本気でAI活用してわかったこと vol.1~』をAmazon Kindleストアで出版した。
Confluent AIエージェント連携新機能発表
26/3/6 9:00
Confluent(カリフォルニア州)は、AIエージェントをリアルタイムで接続し、データ分析を強化する「Confluent Intelligence」の新機能を発表。






