北京時間7月27日，NVIDIA宣布NVIDIA AI Enterprise 2.1全面上市。這款最新版本的端到端AI和數據分析軟件套件經過優(yōu)化和認證，支持企業(yè)在裸機、虛擬環(huán)境、容器和云環(huán)境中部署和擴展AI應用。

      發(fā)布亮點：新容器、公有云支持

      NVIDIA AI Enterprise 2.1版本使用最新的NVIDIA RAPIDS提供先進的數據科學，使用最新發(fā)布的NVIDIA TAO工具套件進行低代碼AI模型開發(fā)。

      為了讓企業(yè)AI在混合或多云環(huán)境中更容易訪問，AI Enterprise 2.1增加了對在公有云中運行的Red Hat OpenShift和全新Microsoft Azure NVads A10 v5系列的支持。這些通過公有云提供的首批NVIDIA虛擬GPU實例實現了經濟的GPU共享。

      支持最新AI框架

      NVIDIA AI Enterprise使用戶能夠實時了解用于開發(fā)與部署的AI工具，同時獲得NVIDIA的企業(yè)支持和定期更新。對于依賴早期版本NVIDIA AI框架的用戶，NVIDIA將繼續(xù)提供支持，確保管理基礎設施更新的靈活性。

      NVIDIA TAO Toolkit 22.05

      NVIDIA TAO工具套件是NVIDIA TAO的低代碼解決方案。該框架使開發(fā)者能夠創(chuàng)建自定義生產級模型，以驅動語音和視覺AI應用。

      最新版本的TAO工具套件現在通過NVIDIA AI Enterprise獲得支持，它加入了許多新的關鍵功能，包括REST API集成、預訓練權重導入、TensorBoard集成以及新的預訓練模型。

      NVIDIA RAPIDS 22.04

      RAPIDS 22.04版本通過在所有NVIDIA數據科學庫中添加新的模型、技術和數據處理能力，為數據工作流程提供更多支持。

      Red Hat OpenShift現已支持公有云

      集成了多項開發(fā)運維功能的業(yè)內領先企業(yè)級Kubernetes平臺Red Hat OpenShift除了能夠進行基于裸機和VMware vSphere的部署外，現在還通過了NVIDIA AI Enterprise認證并支持公有云。這使Kubernetes環(huán)境中的標準化AI工作流程能夠在混合云環(huán)境中進行擴展。

      Azure NVads A10 v5支持 

      NVIDIA A10 Tensor Core GPU驅動的Azure NVads A10 v5系列提供了GPU可擴展性、經濟性以及部分GPU共享，可實現從六分之一的A10 GPU到兩個完整A10 GPU的靈活GPU共享規(guī)模。

      作為支持平臺之一，NVads A10 v5實例通過了NVIDIA AI Enterprise認證，為深度學習推理提供優(yōu)化的性能，最大限度地提高了云端大規(guī)模部署的效用和成本效率。

      Domino Data Lab Enterprise MLOps平臺認證

      NVIDIA AI加速合作伙伴Domino Data Lab的企業(yè)MLOps平臺現已通過NVIDIA AI Enterprise認證。該級別認證降低了部署風險，并確保與NVIDIA AI平臺的可靠、高性能集成。

      通過這一合作，雙方將工作負載編排、自助式基礎設施、協(xié)作等企業(yè)MLOps優(yōu)勢，與主流加速服務器上的虛擬化所帶來的成本效益相結合。

      嘗試NVIDIA AI Enterprise

      NVIDIA LaunchPad為世界各地的企業(yè)機構提供在私有加速計算環(huán)境中即時、短期訪問NVIDIA AI Enterprise軟件套件的機會，包括各種操作實驗室。

      通過新的NVIDIA LaunchPad實驗室體驗在NVIDIA AI Enterprise上運行的最新NVIDIA AI框架和工具。這些位于NVIDIA加速基礎設施上的實驗室使企業(yè)能夠加快現代化數據驅動型應用的開發(fā)和部署，并在用于部署的同一完整堆棧上快速測試和制作整個AI工作流程的原型。

      訪問NVIDIA AI Enterprise 2.1中的新LaunchPad實驗室。

      · 使用Tanzu在VMware vSphere上進行多節(jié)點圖像分類訓練

      · 使用NVIDIA Triton部署欺詐檢測XGBoost模型

      · 使用NVIDIA TAO工具套件開發(fā)自定義對象檢測模型并使用NVIDIA DeepStream進行部署