首页 > 业界 > 关键词  > Run:ai最新资讯  > 正文

​英伟达斥资7亿美元收购Run:ai,进一步巩固在AI领域地位

2024-04-25 09:32 · 稿源:站长之家

划重点:

⭐️ 英伟达计划收购以色列初创公司 Run:ai,后者是一家基于 Kubernetes 的软件提供商,帮助优化 GPU 上的 AI 应用和工作负载。

⭐️ Run:ai 的技术能够帮助企业管理和优化计算基础设施,实现更高效的 GPU 集群资源利用和基础设施管理。

⭐️ 英伟达此次收购是其战略性举措的延续,进一步巩固了在 AI 领域的地位,展示了对整个 AI 技术堆栈的控制力。

站长之家(ChinaZ.com)4月25日 消息:AI 巨头公司英伟达继续其战略性收购行动,今日宣布将收购一家以色列初创公司,以使 AI 芯片更高效。这家芯片制造商已经签署了一项 “最终协议”,收购基于 Kubernetes 的软件提供商 Run:ai,后者帮助优化图形处理单元(GPU)上的 AI 应用和工作负载。

据知情人士告诉 TechCrunch,尽管具体数额尚未披露,但这笔交易的金额将接近7亿美元。此前的讨论将收购价格标签定为更高的10亿美元。这一交易标志着英伟达一系列策略性举措和投资的最新举措,使其在 AI 技术堆栈中占据越来越多的优势地位。

image.png

Run:ai 帮助企业管理和优化其计算基础设施,无论是在云端、本地还是混合环境中。其编排和虚拟化软件层专门针对在 GPU 和其他芯片组上运行的 AI 工作负载。

该公司的集中化界面允许用户管理共享的计算基础设施。开发人员可以为各种任务池化 GPU,并分享计算资源 — 这可以是 “GPU 的部分” 或多个 GPU,或在不同集群上运行的 GPU 节点。客户从更好的 GPU 集群资源利用、改进的基础设施管理和更大的灵活性中受益。

Run:ai 可以 “将 GPU 分割成片” 并 “动态分配”,同时还可以组合和管理所有工作流和数据流。该公司在 Kubernetes 上构建了其开放平台,支持所有 Kubernetes 变体,并与第三方 AI 工具和框架集成。

Run:ai 的能力将扩展到英伟达 DGX 和 DGX Cloud 的客户,并且英伟达将继续以 “相同的商业模式” 提供其产品 “在不久的将来”。

这并非英伟达第一次进行收购,此前该公司已经进行了十几次收购。值得注意的是,英伟达在2019年支付69亿美元收购了高性能计算公司 Mellanox,并且还收购了用于边缘 AI 工作负载的 OmniML,用于数据存储和管理的 SwiftStack 以及用于块存储的 Excelero 等公司。该公司还在硬件、软件、数据中心管理平台、机器人技术、安全分析和移动能力等领域进行了多项其他投资。

这次收购表明了英伟达对 AI 技术堆栈的控制力,展示了对整个 AI 生态系统的积极扩张和未来收入流的保障。随着英伟达与所有主要 AI 和云服务提供商建立了稳固的合作伙伴关系,该公司不断宣布新的创新,包括最近推出的 “巨大的 GPU” 和多模态 AI 项目 GR00T。

对此,一位 Twitter 用户表示,将 Run:ai 整合到英伟达现有的 DGX Cloud 中有助于证明英伟达正在从芯片到推断的平台垂直整合,从根本上使其成为您的 AI 需求的一站式服务商。另一位用户分享了英伟达在过去四年中的投资图表,并评论说,该公司正在利用当前的势头扩大其生态系统,并确保未来的收入流。初创公司(客户)依赖于其 GPU,英伟达的增长依赖于这些初创公司。

Run:ai 成立于2018年,由 Omri Geller 和 Ronen Dar 创立。该公司在2019年推出,并获得了1300万美元的投资,随后筹集了逾1.05亿美元。Run:ai 与英伟达合作已有数年时间,其产品已集成到 DGX、DGX SuperPOD、Base Command、NGC 容器和 AI 企业软件中,并且其客户包括索尼、Adobe 和纽约梅隆银行等。

“Run:ai 自2020年以来一直与英伟达紧密合作,我们都热衷于帮助客户充分利用其基础设施,”Geller 在宣布这项交易的英伟达博客文章中说道。

举报

  • 相关推荐
  • 大家在看
  • Nemotron-4-340B-Reward:多维奖励模型,助力构建自定义大型语言模型。

    Nemotron-4-340B-Reward是由NVIDIA开发的多维奖励模型,用于合成数据生成管道,帮助研究人员和开发者构建自己的大型语言模型(LLMs)。该模型由Nemotron-4-340B-Base模型和一个线性层组成,能够将响应末尾的标记转换为五个标量值,对应于HelpSteer2属性。它支持最多4096个标记的上下文长度,并能够对每个助手轮次的五个属性进行评分。

  • Nemotron-4-340B-Instruct:NVIDIA的高级语言模型,优化于英文对话场景。

    Nemotron-4-340B-Instruct是由NVIDIA开发的大型语言模型(LLM),专为英文单轮和多轮对话场景优化。该模型支持4096个token的上下文长度,经过监督式微调(SFT)、直接偏好优化(DPO)和奖励感知偏好优化(RPO)等额外的对齐步骤。模型在约20K人工标注数据的基础上,通过合成数据生成管道合成了超过98%的用于监督微调和偏好微调的数据。这使得模型在人类对话偏好、数学推理、编码和指令遵循方面表现良好,并且能够为多种用例生成高质量的合成数据。

  • BookSlice:让阅读更有趣,用游戏化的方式增加阅读量。

    BookSlice是一款面向忙碌人群的游戏化阅读应用,通过心理学原理帮助用户建立阅读习惯,并通过设置每日挑战来维持阅读连续性。它利用实施意图、习惯叠加等心理工具,使阅读变得习惯性和上瘾。此外,BookSlice还提供AI问答功能,帮助用户在阅读过程中获得上下文答案。

  • agentUniverse:基于大型语言模型的多智能体应用开发框架

    agentUniverse 是一个基于大型语言模型的多智能体应用开发框架,提供了构建单一智能体和多智能体协作机制的所有必需组件。通过模式工厂,允许开发者构建和自定义多智能体协作模式,轻松构建多智能体应用,并分享不同技术与业务领域的模式实践。

  • HunyuanDiT Distillation Acceleration:高性能图像生成模型的蒸馏加速版本

    HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法,在不降低性能的情况下,实现了推理速度的两倍提升。该模型支持多种GPU和推理模式,能够显著减少时间消耗,提高图像生成效率。

  • WonderWorld:从单张图片生成交互式3D场景

    WonderWorld是一个创新的3D场景扩展框架,允许用户基于单张输入图片和用户指定的文本探索和塑造虚拟环境。它通过快速高斯体素和引导扩散的深度估计方法,显著减少了计算时间,生成几何一致的扩展,使3D场景的生成时间少于10秒,支持实时用户交互和探索。这为虚拟现实、游戏和创意设计等领域提供了快速生成和导航沉浸式虚拟世界的可能性。

  • ChatTTS_Speaker:基于ERes2NetV2模型的音色稳定性评分与音色打标。

    ChatTTS_Speaker是一个基于ERes2NetV2说话人识别模型的实验性项目,旨在对音色进行稳定性评分和音色打标,帮助用户选择稳定且符合需求的音色。项目已开源,支持在线试听和下载音色样本。

  • fastc:轻量级文本分类工具,使用大型语言模型嵌入。

    fastc是一个基于大型语言模型嵌入的简单且轻量级的文本分类工具。它专注于CPU执行,使用高效的模型如deepset/tinyroberta-6l-768d生成嵌入。通过余弦相似度分类代替微调,实现文本分类。它还可以在不增加额外开销的情况下,使用相同的模型运行多个分类器。

  • MeshAnything:3D资产的自动生成工具

    MeshAnything是一个利用自回归变换器进行艺术家级网格生成的模型,它可以将任何3D表示形式的资产转换为艺术家创建的网格(AMs),这些网格可以无缝应用于3D行业。它通过较少的面数生成网格,显著提高了存储、渲染和模拟效率,同时实现了与先前方法相当的精度。

  • HunyuanDiT-v1.1:多分辨率扩散变换器,支持中英文理解

    HunyuanDiT-v1.1是由腾讯Hunyuan团队开发的一款多分辨率扩散变换模型,它具备精细的中英文理解能力。该模型通过精心设计的变换器结构、文本编码器和位置编码,结合从头开始构建的完整数据管道,实现数据的迭代优化。HunyuanDiT-v1.1能够执行多轮多模态对话,根据上下文生成和细化图像。经过50多名专业人类评估员的全面评估,HunyuanDiT-v1.1在中文到图像生成方面与其他开源模型相比,达到了新的最先进水平。

  • UniAnimate:高效生成一致性人物视频动画的模型

    UniAnimate是一个用于人物图像动画的统一视频扩散模型框架。它通过将参考图像、姿势指导和噪声视频映射到一个共同的特征空间,以减少优化难度并确保时间上的连贯性。UniAnimate能够处理长序列,支持随机噪声输入和首帧条件输入,显著提高了生成长期视频的能力。此外,它还探索了基于状态空间模型的替代时间建模架构,以替代原始的计算密集型时间Transformer。UniAnimate在定量和定性评估中都取得了优于现有最先进技术的合成结果,并且能够通过迭代使用首帧条件策略生成高度一致的一分钟视频。

  • LVBench:长视频理解基准测试

    LVBench是一个专门设计用于长视频理解的基准测试,旨在推动多模态大型语言模型在理解数小时长视频方面的能力,这对于长期决策制定、深入电影评论和讨论、现场体育解说等实际应用至关重要。

  • Mo:通过卡片式学习,轻松掌握AI科技知识。

    Mo是一款结合超现实主义艺术和堂吉诃德理想主义精神的AI科技学习APP。它通过卡片形式,以图文、动画、视频、语音等多样化内容,使AI和科技知识的学习变得生动有趣。Mo不仅覆盖了AI的基础知识,还包含了元宇宙、大数据、大模型等前沿技术,适合各种背景的学习者,旨在打造一个个性化的学习体验。

  • 开搜AI搜索:面向大众的AI问答搜索引擎

    开搜AI问答搜索引擎是一款面向大众的、直达答案的AI问答搜索引擎,它能够帮助用户从海量的文献资料中筛选出有用的信息,提供直接、精准的答案,并且能够自动总结重点、生成大纲、思维导图并下载。

  • AI Math Notes:一个交互式绘图应用,用于数学方程的绘制和计算。

    AI Math Notes 是一个开源的交互式绘图应用程序,允许用户在画布上绘制数学方程。应用程序利用多模态大型语言模型(LLM)计算并显示结果。该应用程序使用Python开发,利用Tkinter库创建图形用户界面,使用PIL进行图像处理。灵感来源于Apple在2024年全球开发者大会(WWDC)上展示的'Math Notes'。

  • VideoTetris:文本到视频生成的创新框架

    VideoTetris是一个新颖的框架,它实现了文本到视频的生成,特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术,精确地遵循复杂的文本语义,并通过操作和组合去噪网络的空间和时间注意力图来实现。此外,它还引入了一种新的参考帧注意力机制,以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。

  • Visual Sketchpad:多模态语言模型的视觉推理工具

    Visual Sketchpad 是一种为多模态大型语言模型(LLMs)提供视觉草图板和绘图工具的框架。它允许模型在进行规划和推理时,根据自己绘制的视觉工件进行操作。与以往使用文本作为推理步骤的方法不同,Visual Sketchpad 使模型能够使用线条、框、标记等更接近人类绘图方式的元素进行绘图,从而更好地促进推理。此外,它还可以在绘图过程中使用专家视觉模型,例如使用目标检测模型绘制边界框,或使用分割模型绘制掩码,以进一步提高视觉感知和推理能力。

  • GoMate:基于RAG框架的可靠输入和可信输出系统

    GoMate是一个基于Retrieval-Augmented Generation (RAG)框架的模型,专注于提供可靠输入和可信输出。它通过结合检索和生成技术,提高信息检索和文本生成的准确性和可靠性。GoMate适用于需要高效、准确信息处理的领域,如自然语言处理、知识问答等。

  • SD3-Controlnet-Canny:一种用于生成图像的深度学习模型。

    SD3-Controlnet-Canny 是一种基于深度学习的图像生成模型,它能够根据用户提供的文本提示生成具有特定风格的图像。该模型利用控制网络技术,可以更精确地控制生成图像的细节和风格,从而提高图像生成的质量和多样性。

  • Tencent EMMA:多模态文本到图像生成模型

    EMMA是一个基于最前沿的文本到图像扩散模型ELLA构建的新型图像生成模型,能够接受多模态提示,通过创新的多模态特征连接器设计,有效整合文本和补充模态信息。该模型通过冻结原始T2I扩散模型的所有参数,并仅调整一些额外层,揭示了预训练的T2I扩散模型可以秘密接受多模态提示的有趣特性。EMMA易于适应不同的现有框架,是生成个性化和上下文感知图像甚至视频的灵活有效工具。

今日大家都在搜的词:

热文

  • 3 天
  • 7天