تحسين حوسبة الذكاء الاصطناعي: كيف توسّع البنية التحتية على منصات NVIDIA
أصدرت NVIDIA منهجية لتحقيق أقصى استفادة من GB200 NVL72: فمع جدولة Slurm الواعية بالطوبولوجيا يمكن بلوغ حوسبة بمستوى الإكسا داخل حامل واحد لتشغيل نماذج بتريليون معامل. ولا يعتمد الأداء على العتاد وحده، بل يتوقف أيضًا على طريقة توزيع المهام داخل العنقود الحاسوبي.
معالج بواسطة الذكاء الاصطناعي من NVIDIA Developer Blog؛ بتحرير Hamidun News
عند توسيع نطاق تطبيق الذكاء الاصطناعي، لا تتوقف كفاءة البنية التحتية على العتاد وحده، بل تتوقف أيضًا على طريقة توزيع أحمال العمل. وقد أصدرت NVIDIA دليلًا لاستخدام GB200 NVL72 مع مُجدول Slurm الذي يراعي طوبولوجيا الشبكة، بهدف توزيع الحوسبة على النحو الأمثل في العناقيد الموزَّعة.
كيف تحسّن الحوسبة عند توسيع نطاق الذكاء الاصطناعي؟
استخدم مُجدول مهام يراعي طوبولوجيا الشبكة لتوزيع الحوسبة على النحو الأمثل، كما يوضح دليل NVIDIA الخاص بـ GB200 NVL72.
ما الأداء الذي توفره NVIDIA GB200؟
يجمع GB200 NVL72 حوسبة بمستوى الإكسا (10^18 عملية في الثانية) في حامل واحد، ما يتيح تشغيل نماذج بتريليون معامل.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.