导读 如果无法有效地从现有基础设施中榨取额外的计算能力，组织通常被迫购买额外的硬件或推迟项目。这可能会导致等待结果的时间更长，并可能输给...
如果无法有效地从现有基础设施中榨取额外的计算能力，组织通常被迫购买额外的硬件或推迟项目。这可能会导致等待结果的时间更长，并可能输给竞争对手。由于需要高GPU计算负载的AI工作负载增加，这个问题变得更加严重。
ClearML提出了它认为是该问题的完美解决方案——为开源用户提供部分GPU功能，从而可以“拆分”单个GPU，以便同时运行多个AI任务。
此举让人回想起计算机发展的早期，当时大型计算机可以在个人和组织之间共享，使他们能够利用计算能力，而无需购买额外的硬件。
ClearML表示，新功能允许DevOps专业人员和AI基础设施领导者将他们的NvidiaGTX、RTX和数据中心级、支持MIG的GPU划分为更小的单元，以支持多个AI和HPC工作负载，使用户能够在小型研发工作和更大、更苛刻的培训工作之间切换。
该方法支持多租户，提供安全且保密的计算，但有严格的内存限制。ClearML表示，利益相关者可以在单个共享计算资源上运行独立的并行工作负载，从而提高效率并降低成本。
ClearML首席执行官兼联合创始人MosesGuttmann表示：“我们的新免费产品现在支持比其他任何公司都广泛的NvidiaGPU的部分功能，ClearML正在实现计算访问的民主化，这是我们帮助我们的社区以更快的速度在任何规模上构建更好的AI的承诺的一部分。”“我们希望拥有混合基础设施的组织能够使用ClearML，并从他们已有的计算和资源中获得更多收益。”