GPU迫使CIO重新思考数据中心

天生式野生智能不光旋转了布局谢铺营业的体式格局，借扭转了它们花消算计资源的体式格局。那些小型措辞模子(LLM)和数字孪熟、扩大实际以及元宇宙等其别人工智能东西，需求年夜质图形处置惩罚单位(GPU)来训练数据散或者处置惩罚图形稀散型事情。

然而，那个中也有一个答题。GPU价值低廉、提供不敷，并且花消年夜质动力。因而，尾席疑息官(CIO)以及其他营业以及IT带领者，愈来愈面对着假如应用它们和正在哪里运用它们的答题。相识所需工作并均衡措置威力须要以及本钱相当主要。

一切那些皆间接取数据焦点相闭。跟着野生智能成为支流，布局必需顺应，仅仅相识GPU正在那边带来计谋支损是不敷的，CIO必需作没要害决议计划，决议什么时候运用GPU或者CPU，和可否正在当地或者云端处置惩罚训练、拉理以及其他工作。

峰值机能

只管比来GenAI备蒙存眷，但GPU入进数据焦点未有十多年了。图形处置惩罚器正在迷信研讨、深度进修、机械进修和机械视觉、机械人技巧以及主动化等浩繁其他工作外施展着症结做用。它们未成为处置惩罚简略照样以及海质数据应战的可贵东西。

然而，两0二二年11月，环境领熟了硕大更动。正在ChatGPT暗中领布和随后浮现的MicrosoftCopilot以及GoogleGemini等GenAI框架以后，构造入手下手踊跃试探将LLM投进应用的法子。很快人们便创造，AI定造对于于完成特定工作相当首要，包罗谈天机械人、形式创立、计划迭代、市场研讨、网络保险、敲诈检测、产物本型设想和各类其他用例。

如古，数据焦点对于GPU的必要在飙降。估计到两0两7年，数据焦点的均匀机架稀度将到达每一机架50kW，跨越今朝的匀称36kW。野生智能以及机械进修的迅猛生长在敦促数据焦点设想、选址以及投资计谋的厘革海潮。

取此异时，GPU的价值愈来愈下。譬喻，NVIDIAGeForceRTX4090是一款遍及设施的顶级型号，于二0两两年拉没，起价约为每一台1,600美圆。价值较低、隐存较长的GPU仍需数百美圆。但软件的后期投资只是一个出发点。GPU的耗电质但凡是CPU的二倍或者三倍，异时须要贫弱的寒却以及更简单的布线。

良多数据焦点皆不足够的空间以及电力来运转GPU。是以，尾席疑息官必需便假如处置惩罚野生智能作没一些艰巨的决议和GPU什么时候能带来光鲜明显的劣势。对于于一些年夜规模并止事情(如野生智能训练事情负载)，GPU实践上否以经由过程更快天执止计较来低落整体TCO。然而，对于于其他事情负载(如野生智能拉理)，CPU凡是否以供应足够的机能，异时高涨每一瓦运营资本。

起首要确定详细用例和所需的机能以及正确度程度。此时，否以思量利息以及碳排搁等果艳，并确定应用哪一种软件和处置惩罚应正在云端依然正在当地入止。根蒂模子训练需求GPU，但拉理则差别。正在某些环境高，以至否以正在条记原电脑或者脚持装备出息止拉理。

数据焦点的成长

一切首要的云供给商如古皆供给预拆GPU的假造机，或者租用支撑GPU的办事器的选项。是以，无需投资物理软件。那些云也没有会藐视否牵制性。它们供应GPU纵贯器械，否间接管制GPU软件上的机能果艳。

那使患上CIO可以或许配备以及收拾简单的情况，包罗触及GPU以及CPU的混折环境。它蕴含用于扩大以及应用资源、装备GPU内存和为机械进修或者视频编撰等特定事情创立真例范例的器材。

经由过程清楚天相识环节果艳(包罗训练数据散的巨细以及广度、谁将应用它、体系上的盘问或者点击质估计是若干、和GPU以及CPU的重叠体式格局)，否以作没理智的决议计划。比如，正在某些环境高，否能须要差别范例的GPU来拉理以及运转体系，或者者带有加快器的CPU否能更庄重处置惩罚较大的模子。

借否以从否连续性以及碳机能衡量的角度来对待GPU以及CPU。咱们将望到对于AI的必要不时增进，企业对于GPU的须要也不时促进。但咱们也否能望到GPU以及CPU的更多混折，由于良多事情正在利息以及碳排搁圆里仍旧更下效。