NVIDIA se alia à VMware para transformar a economia da IA

Ao aumentar as taxas de utilização de GPUs, o custo de construção e implantação de aplicativos de IA diminuirá substancialmente.

Na conferência VMworld 2019 de hoje, a NVIDIA e a VMware anunciaram que, em conjunto, possibilitarão a implantação de máquinas virtuais VMware em unidades de processador gráfico (GPUs).

Como parte dessa iniciativa, a NVIDIA anunciou que seu software de GPU virtual (vGPU) agora pode ser implantado em máquinas virtuais em servidores, além do suporte existente para sistemas clientes. O software NVIDIA Virtual Compute Server (vComputeServer) para GPUs também está sendo estendido para adicionar suporte às plataformas VMware vSphere. A NVIDIA também se comprometeu a disponibilizar seu hub para acessar ferramentas para criar aplicativos de inteligência artificial (IA) nas plataformas VMware.

Veja também: Quais são os 3 principais componentes da prontidão da inteligência artificial?

Usando essas tecnologias da NVIDIA, a VMware se comprometeu a disponibilizar um serviço de nuvem composto por instâncias bare metal do Amazon EC2 aceleradas por GPUs NVIDIA T4 executando o software vComputeServer no VMware Cloud on AWS.

Coletivamente, esses avanços não apenas têm implicações significativas para melhorar a utilização da GPU, mas também possibilitam que os cientistas de dados agreguem várias cargas de trabalho em GPUs executadas em servidores VMware residentes no local ou na nuvem, diz John Fanelli, vice-presidente de produtos da NVIDIAGrid.

Embora o interesse em empregar GPUs para criar aplicativos de inteligência artificial (IA) tenha sido enorme, o custo de construir esses aplicativos muitas vezes tem sido proibitivo. Na ausência de uma máquina virtual, cada GPU era anteriormente dedicada a executar uma carga de trabalho por vez. Ao aumentar as taxas de utilização de GPUs, o custo de construção e implantação de aplicativos de IA diminuirá substancialmente, diz Fanelli.

Isso é fundamental porque esses custos inibiram as organizações de investir mais em aplicativos de IA que têm o potencial de transformar quase todos os aspectos da existência humana.

“A IA é a tecnologia mais poderosa do nosso tempo”, diz Fanelli.

O desempenho dessas cargas de trabalho de IA executadas em máquinas virtuais, no entanto, variará dependendo de seus atributos individuais, diz Fanelli. Muitos desenvolvedores poderão compensar quaisquer problemas de desempenho aproveitando um kit de ferramentas NVIDIA CUDA para executar cargas de trabalho de IA em paralelo, observou Fanelli.

À medida que se torna mais acessível construir e implantar aplicativos de IA com eficiência, o número de projetos de IA que serão lançados nos próximos meses deve aumentar. Para acelerar esse processo, a VMware também disse que os clientes poderão migrar cargas de trabalho de instâncias de GPU executadas em data centers locais para a nuvem usando ferramentas VMware HCX que automatizam a movimentação de máquinas virtuais e aceleram a transferência de dados entre plataformas.

As GPUs acessadas principalmente na nuvem se tornaram a plataforma preferida para treinar modelos de IA devido à eficiência com que as GPUs gerenciam a memória e a sobrecarga de I/O. A NVIDIA, no entanto, vem fazendo um caso com sucesso misto para também confiar em GPUs para executar os mecanismos de inferência necessários para executar esses modelos de IA no lugar de servidores x86. Ao adicionar suporte para máquinas virtuais de servidor ao seu software, deve se tornar muito mais viável executar vários mecanismos de inferência na mesma plataforma de GPU da mesma forma que os mecanismos de inferência são implantados em plataformas x86.

É claro que ter acesso a recursos de infraestrutura adicionais não garante necessariamente o sucesso da IA. Esses recursos, no entanto, ajudarão muito a reduzir o custo de estar errado durante o processo de desenvolvimento de IA.