至顶网软件频道消息: 谷歌公司日前推出可抢占式GPU(Preemptible GPU), 谷歌称抢占式GPU对于在公有云里运行人工智能项目的机构来说是一种更实惠的方式。
谷歌发布的可抢占式GPU提升了旗下基础架构即服务平台的功能,可抢占式GPU是一种用于运行机器学习工作负载的按需图形处理单元。
用户可选择Nvidia公司的K80或P100型号的芯片,二者均广泛用于机器学习,原因是K80或P100可以并行处理大量的数据,例如处理用于训练的数据和运行各种算法。据谷歌说,两者的价格比标准计算实例中的租用价格低50%。
原因是这些GPU置于所谓的抢占式虚拟机里,抢占式虚拟机是谷歌2015年推出的低成本虚拟机。这些虚拟机是利用软件仿真的计算机,具有更高的灵活性和更低的成本。虚拟机在谷歌云端数据中心里未被使用的硬件上运行。因此,这些虚拟机的费用比用通常方式购买的实例要低得多。
不过,由于各数据中心的繁忙程度不一样,可提供给用户的可抢占式虚拟机和可抢占式GPU的数量也不一样。因此,谷歌只允许客户租用最多24小时。而且,如果其他地方需要基础架构资源,谷歌可能会提前关闭实例或GPU。而在这种情况下,系统只会提前30秒发出通知,让应用程序可以安全地结束。
因此,抢占式GPU主要用于无需连续型的工作负载。抢占式GPU对于AI项目的训练阶段应该是一个特别有吸引力的选择。AI项目的训练阶段出现在应用程序投入生产之前,并且往往需要大量的计算资源。毫无疑问,如果能实质性地节省成本,许多公司肯定愿意忍受偶然中断的麻烦。
谷歌11月曾将图形加速器的价格下调了36%,可抢占GPU的50%折扣真可是锦上添花。云领导者亚马逊网络服务公司(Amazon Web Services Inc.)推出的现货实例(Spot instance)同样也是以折扣方式将未使用的数据中心容量提供给用户,但用 的方法不同。谷歌则推出可抢占虚拟机应对。
Nvidia K80芯片可抢占GPU起价为每小时22美分,Nvidia P100芯片可抢占GPU起价为每小时73美分。
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。