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
NVIDIA、AIパフォーマンス強化のためのNVFP4を発表
26/2/10 9:00
NVIDIAは、ムーアの法則が予測する進歩を上回るペースでAIの演算性能に対する需要の高まりに対応するため、エクストリーム・コデザインに積極的に取り組んでいます。
OpenAI、ローカライズされたAIのアクセシビリティを世界規模で強化
26/2/10 9:00
OpenAIは、電力と同様に、AIを国家の重要なインフラとして重視し、先進的であるだけでなく、文化的・法的にも適切なAIシステムへの世界的なニーズを浮き彫りにしています。
OpenAI: AI主導開発への新たなアプローチ
26/2/10 9:00
OpenAI(サンフランシスコ)は、コーディングに関するAIモデル「Codex」を活用した開発手法についての新しい記事を公開した。


%20(1).webp)
