Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

NVIDIA vừa công bố bản cập nhật mới nhất cho nền tảng Run:ai, phiên bản 2.23. Bản cập nhật này cải thiện hiệu suất của các mô hình Trí tuệ Generative AI) trong môi trường phân tán thông qua tích hợp với NVIDIA Dynamo. Việc tích hợp này nhằm giải quyết vấn đề độ phức tạp ngày càng tăng của các mô hình ngôn ngữ quy mô lớn, thường vượt quá khả năng của một GPU đơn lẻ và đòi hỏi sự phối hợp hiệu quả giữa hàng ngàn thành phần được kết nối với nhau.

Phiên bản mới này tập trung vào việc giải quyết các vấn đề về khả năng mở rộng liên quan đến khối lượng công việc suy luận đa nút đòi hỏi thông lượng cao và latency thấp. NVIDIA Dynamo được thiết kế đặc biệt để quản lý sự phức tạp của suy luận phân tán, cung cấp các tính năng như suy luận điền trước và giải mã phân tán, lập lịch GPU động và định tuyến yêu cầu nhận biết LLM, tất cả đều nhằm mục đích tối đa hóa thông lượng GPU và đạt được sự cân bằng giữa latency và thông lượng.

Khả năng lập lịch tiên tiến của NVIDIA Run:ai đóng vai trò quan trọng trong việc vận hành hiệu quả các khối lượng công việc Dynamo quy mô lớn. Nền tảng này sử dụng lập lịch nhóm, coi các pod phụ thuộc lẫn nhau như một đơn vị triển khai duy nhất, và tính năng sắp xếp theo cấu trúc, giúp đặt các thành phần cùng vị trí để giảm thiểu latency. Các tính năng này được thiết kế để ngăn chặn việc triển khai một phần và chờ cho đến khi tất cả các thành phần cần thiết được khởi chạy đồng thời hoặc cho đến khi có đủ tài nguyên.

Việc tích hợp NVIDIA Run:ai với Dynamo cũng giúp đơn giản hóa quy trình cấu hình cấu trúc mạng trong các triển khai phân tán. Quản trị viên có thể xác định bố cục vật lý của cụm trong giao diện người dùng Run:ai, cho phép bộ lập lịch đưa ra quyết định bố trí chiến lược nhằm giảm latency giữa các nút và cải thiện thông lượng truyền thông.

Đối với người dùng muốn tận dụng tích hợp NVIDIA Run:ai và Dynamo, NVIDIA cung cấp hướng dẫn từng bước về cách cấu hình cấu trúc mạng và triển khai Dynamo khi bật các tính năng mới này. Bản cập nhật này dự kiến ​​sẽ cải thiện thông lượng, giảm latency và cải thiện việc sử dụng tài nguyên trên các cụm Kubernetes, cho phép xử lý khối lượng công việc suy luận đa nút hiệu quả và có thể dự đoán được hơn.