怎么做动漫小广告视频网站,企业qq注册申请,深圳交易服务中心官网,万能证在线制作生成器文章目录 业界最全面算力选择#xff0c;有效解决多样性需求多年自研芯片积累#xff0c;带来性能与性价比双重优势全球基础设施与独特的业务模式#xff0c;让创新不受限 “科幻作家威廉吉布森说‘未来已至#xff0c;只是还没有均匀分布’。”2023年6月底#xff0c;当亚… 文章目录 业界最全面算力选择有效解决多样性需求多年自研芯片积累带来性能与性价比双重优势全球基础设施与独特的业务模式让创新不受限 “科幻作家威廉·吉布森说‘未来已至只是还没有均匀分布’。”2023年6月底当亚马逊云科技全球产品副总裁 Matt Wood在亚马逊云科技的中国峰会上发表演讲的时候他首先便引用了这样一句发人深省的话语。很显然Matt Wood指的正是如今以AIGC为代表的一系列高科技成果对于企业发展所造成的影响。一方面大家都知道AIGC、知道数字孪生、知道机器学习等等技术对于企业改善经营效率、提升业务竞争力的意义巨大可以节约大量开销可以将过去需要花费数周乃至数月的工作在短短几天甚至几个小时之内完成。
但另一方面训练生成式AI或者机型学习模型也好、制作数字孪生也罢这些最新的科技背后都需要超高的算力作为支撑。这有时候意味着极其巨大的硬件成本投入。很显然这就意味着大企业和小企业之间在积极采用新技术、改进业务效率的能力上会被拉开显著的差距从而使得企业规模之间的“鸿沟”变得更加难以弥合…… 那么要如何才能改变这种现状让“未来”更加“均匀”地降临在所有的企业和市场中呢就在前不久的亚马逊云科技中国峰会上作为全球云计算领军企业的亚马逊云科技给出了可能是迄今为止最详细的答案。
业界最全面算力选择有效解决多样性需求
很多云计算企业都会宣称相比于企业自建服务器、租用云端的算力可以实现更快的部署同时降低整体开销。
它们的这句话大体上并没有错但与亚马逊云科技的做法相比其他的云计算企业多少都在具体实现方式上显得有些“准备不足”。 比如说不同的企业因为其计算模型、业务数据的差异往往会对算力设备的架构、指令集有着多样化的需求。有的企业需要GPU充当加速器、有的企业偏好Intel的指令集、有的企业觉得AMD的CPU更好、还有的企业甚至会对苹果的mac环境有需求…… 在这种情况下能够同时提供Intel、AMD、NVIDIA等多种不同计算资源甚至具备行业首个基于mac的云计算实例的亚马逊云科技首先就解决了企业对于“算力多样性”的需求。避免了企业因为强行使用不适合于自己的云端算力平台而导致的计算效率损失。
多年自研芯片积累带来性能与性价比双重优势
不过亚马逊云科技真正的优势还不在于简单的“算力种类多”。丰富而强大的自研芯片方案以及由其所支撑的自研云计算实例某种程度上才是它的最大“杀手锏”。 首先亚马逊云科技自研了网络虚拟化芯片Nitro。在Nitro诞生之前云计算通常需要消耗CPU性能去建立一个软件的虚拟功能层以保证数据的隔离和计算实例的安全。但这非常消耗CPU的算力——大概有20-30%的CPU性能会被消耗在这上面。最糟糕的是这部分被消耗掉的算力实际上还是由客户企业来买单的。换句话说它造成了巨大的性能浪费同时增加了企业使用云计算的成本、降低了云计算的效率。 而在亚马逊云科技的基础设施里自从有了自研的Nitro芯片之后CPU不需要再负责虚拟化运算这部分的算力得以被释放出来真正地全部用于计算实例。同时Nitro可以提供硬件层面上的网络隔离和数据加密大大提高了云计算的安全性和性价比。 到目前为止亚马逊云科技Nitro芯片已经发展到了第五代产品。最新的Nitro V5不仅大幅提高了网络转发率、降低了数据包延迟还将芯片的每瓦功耗降低了40%。对于最终的企业用户来说这无疑意味着更低的算力价格、更高的性价比。
其次亚马逊云科技还自研了通用处理器家族Graviton。这是一种基于ARM架构的大规模运算处理器。以目前的主流型号Graviton3为例发布于2021年12月的它具备64核心设计、支持DDR5内存和PCIE5.0扩展标准同时支持专为深度学习而优化的bfloat16数字格式。要知道类似的技术规格直到2023年才成为最新一代x86架构处理器的“标配”亚马逊云科技自研处理器的领先程度由此可见一斑。 而且由于是基于自研设计这使得亚马逊云科技得以针对实际的云端负载、针对最流行的云计算需求对处理器进行快速的迭代改进。比如2022年他们就发布了新款的、为向量计算优化的Graviton 3E。和Gravtion3相比Gravtion3E在HPL线性代数的测量工具上Graviton性能提升35%在 GROMACS分子运动上性能提升 12%在金融期权定价的工作负载上性能提升 30%。最重要的是和基于x86 处理器的EC2实例相比自研处理器的整体功耗降低多达60%很显然这再一次意味着亚马逊云科技的“算力性价比”的提升。 最后针对如今大热的AI、机器学习需求亚马逊云科技早在数年前就成功研发出了自有芯片方案。也就是机器学习训练芯片Trainium以及机器学习推理芯片Inferentia。
和其他家常用的、基于GPU的云端机器学习方案相比亚马逊云科技的这些自研机器学习芯片拥有两个特别突出的优势即极低的功耗和极高的性价比。
极低的功耗意味着亚马逊云科技可以很轻松地将数万颗Trainium芯片构成一个超大集群用完全可承受的功耗水平去提供好几个ExaFlops级别的云端算力大大加速机器学习训练的速度。 而极高的性价比则体现在机器学习推理阶段。比如说在OPT-30B大语言模型中相比于基于GPU的实例基于Inferentia2的实例吞吐率增加了65%而成本则降低了52%。而在Stable Diffusion 2.1视觉模型中Inferentia2也同样可以带来50%的成本节约。 这意味着什么这意味着依托于上述这些自研芯片亚马逊云科技可以让现代企业在云端进行AI训练时少花一半的钱或者用同样的价格获取数倍于竞争对手的AI训练速度。很显然无论是对于初创阶段的小企业、还是对于重视业务效率的大公司来说这都会极富吸引力。
全球基础设施与独特的业务模式让创新不受限
最后在全面的、高性价比的算力资源的基础上亚马逊云科技的基础设施规模、以及他们创新性的业务模式也是其极为关键的优势所在。 一方面亚马逊云科技在全球拥有31个区域99个可用区已经覆盖了245个国家和地区。由于每个区域均拥有多个可用区因此任何单一可用区的故障不会影响到其他可用区的业务能够最大限度降低服务的中断。 另一方面亚马逊云科技积极开发了包括Local Zones、Wavelength、Outposts、IoT、Snow Family在内的一系列云服务去满足企业对于超低延迟、对于高度本地数据处理、对于数据驻留合规、甚至对于网络可能经常中断的条件下使用云服务的特殊需求。这些服务可以将亚马逊云科技的标志性架构扩展到任何数据中心、任何本地设施、为管理员提供一致的混合体验而不会增加他们的成本。 当然在这个基础上亚马逊云科技更是大力推广Serverless技术。迄今为止他们已经实现了全栈数据服务的Serverless化客户不需要去关注基础设施的运维、不需要考虑云主机的弹性伸缩可以最大程度地将自家的技术和人力资源集中于业务开发。
最后亚马逊云科技在计算资源全球布局的同时也几乎满足了全球所有国家和地区的合规性要求比如说像生物医疗联邦认证和金融比如说HIPAA、FedRAMP、GxP和PCI。事实上亚马逊云科技有超过300种安全合规和治理服务可以应对几乎所有行业的客户在全球开展业务时所需的合规需求。
可以说正是因为亚马逊云科技有着从芯片到网络从算力性价比到服务全面性等等各种方面的显著优势这才使得他们成为了当前许许多多大家耳熟能详的成功企业“上云”的共同选择。这包括但不限于Netflix、Airbnb、Uber等独角兽企业纳斯达克、高盛、CapitalOne等金融巨头以及大众汽车、可口可乐、麦当劳、开利、西门子等成功的传统企业…… 当然这也包括了像我们三易生活此前报道过的禾观科技、大宇无限、TapTap等等成功的初创公司。从这一点来看亚马逊云科技显然已经成功地让科技所引领的“未来”平等地降临到了所有他们的客户身上。
转载自https://blog.csdn.net/u014727709/article/details/134747649 欢迎 点赞✍评论⭐收藏欢迎指正
