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
AItegrity、面接官設定AIシステムを構築
26/7/20 9:00
AItegrity(埼玉県志木市)は、大手住宅メーカーの人事部門向けに、年間約300回に及ぶ採用面接の面接官選定を効率化する「面接設定AIシステム」のプロトタイプを構築した。
Multiverse Computing、5億7,000万ドル調達
26/7/20 9:00
Multiverse Computing(サンセバスチャン)は、シリーズCで5億7,000万ドルを調達し、プレマネー評価額17億ドルで資金調達を実施したと発表した。
NVIDIA、LLM向けGPU最適化設計指針公開
26/7/14 9:00
NVIDIA(米国カリフォルニア州)は、大規模言語モデル(LLM)の性能を最大限引き出すためのGPU最適化設計ガイドを公開したと発表した。
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
AItegrity、面接官設定AIシステムを構築
26/7/20 9:00
AItegrity(埼玉県志木市)は、大手住宅メーカーの人事部門向けに、年間約300回に及ぶ採用面接の面接官選定を効率化する「面接設定AIシステム」のプロトタイプを構築した。
Multiverse Computing、5億7,000万ドル調達
26/7/20 9:00
Multiverse Computing(サンセバスチャン)は、シリーズCで5億7,000万ドルを調達し、プレマネー評価額17億ドルで資金調達を実施したと発表した。
NVIDIA、LLM向けGPU最適化設計指針公開
26/7/14 9:00
NVIDIA(米国カリフォルニア州)は、大規模言語モデル(LLM)の性能を最大限引き出すためのGPU最適化設計ガイドを公開したと発表した。






