NVIDIA se alía con VMware para transformar la economía de la IA

Al aumentar las tasas de utilización de las GPU, el costo de crear e implementar aplicaciones de IA se reducirá sustancialmente.

Hoy, en la conferencia VMworld 2019, NVIDIA y VMware anunciaron que juntos harán posible implementar máquinas virtuales de VMware en unidades de procesadores gráficos (GPU).

Como parte de esta iniciativa, NVIDIA anunció que su software de GPU virtual (vGPU) ahora se puede implementar en máquinas virtuales en servidores además del soporte existente para sistemas cliente. El software NVIDIA Virtual Compute Server (vComputeServer) para GPU también se está ampliando para agregar compatibilidad con las plataformas VMware vSphere. NVIDIA también se comprometió a hacer que su centro para acceder a herramientas para crear aplicaciones de inteligencia artificial (IA) esté disponible en las plataformas de VMware.

Ver también: ¿Cuáles son los 3 componentes clave de la preparación para la inteligencia artificial?

Utilizando estas tecnologías de NVIDIA, VMware se comprometió a poner a disposición un servicio en la nube que consta de instancias sin sistema operativo Amazon EC2 aceleradas por GPU NVIDIA T4 que ejecutan el software vComputeServer en VMware Cloud on AWS.

En conjunto, estos avances no solo tienen implicaciones significativas para mejorar la utilización de GPU, sino que también hacen posible que los científicos de datos agreguen múltiples cargas de trabajo en GPU que se ejecutan en servidores VMware que residen en las instalaciones o en la nube, dice John Fanelli, vicepresidente de producto de NVIDIAGrid.

Si bien el interés en emplear GPU para crear aplicaciones de inteligencia artificial (IA) ha sido masivo, el costo de crear esas aplicaciones a menudo ha sido prohibitivo. En ausencia de una máquina virtual, cada GPU se ha dedicado anteriormente a ejecutar una carga de trabajo a la vez. Al aumentar las tasas de utilización de las GPU, el costo de crear e implementar aplicaciones de IA disminuirá sustancialmente, dice Fanelli.

Eso es crítico porque esos costos han impedido que las organizaciones inviertan más en aplicaciones de IA que tienen el potencial de transformar casi aspectos de la existencia humana.

"La IA es la tecnología más poderosa de nuestro tiempo", dice Fanelli.

Sin embargo, el rendimiento de esas cargas de trabajo de IA que se ejecutan en máquinas virtuales variará según sus atributos individuales, dice Fanelli. Muchos desarrolladores podrán compensar cualquier problema de rendimiento aprovechando un kit de herramientas NVIDIA CUDA para ejecutar cargas de trabajo de IA en paralelo, señaló Fanelli.

A medida que se vuelve más asequible construir e implementar aplicaciones de IA de manera eficiente, la cantidad de proyectos de IA que se lanzarán en los próximos meses debería aumentar. Para acelerar ese proceso, VMware también dijo que los clientes podrán migrar cargas de trabajo desde instancias de GPU que se ejecutan en centros de datos locales a la nube utilizando herramientas VMware HCX que automatizan el movimiento de máquinas virtuales y aceleran la transferencia de datos entre plataformas.

Las GPU a las que se accede principalmente en la nube se han convertido en la plataforma preferida para entrenar modelos de IA debido a la eficiencia con la que las GPU administran la memoria y la sobrecarga de E/S. NVIDIA, sin embargo, ha estado presentando argumentos con éxito mixto para confiar también en las GPU para ejecutar los motores de inferencia que necesitan para ejecutar esos modelos de IA en lugar de los servidores x86. Al agregar soporte para máquinas virtuales de servidor a su software, debería ser mucho más factible ejecutar múltiples motores de inferencia en la misma plataforma de GPU de la misma manera que los motores de inferencia se implementan en plataformas x86.

Por supuesto, tener acceso a recursos de infraestructura adicionales no garantiza necesariamente el éxito de la IA. Sin embargo, esos recursos contribuirán en gran medida a reducir el costo de equivocarse durante el proceso de desarrollo de la IA.