AI 超級電腦總覽 (original) (raw)
AI Hypercomputer 是經過最佳化調整的超級運算系統，可支援人工智慧 (AI) 和機器學習 (ML) 工作負載。此系統整合了效能最佳化的硬體、開放軟體、機器學習框架，並提供彈性計費模式。
AI Hypercomputer 系統採用最佳做法和系統層級設計，可全面提升 AI 預先訓練、調整和服務提供效率。
系統架構
AI Hypercomputer 包含下列層級：
- 效能最佳化基礎架構：包含加速器、網路和儲存空間資源，可提供運算功能來支援工作負載。
- 開放軟體：熱門機器學習架構 (例如 TensorFlow、PyTorch 和 JAX) 的最佳化版本。Google 提供作業系統 (OS)，其中已設定必要軟體，可充分運用叢集中佈建的運算資源。如要以單一單位部署及管理大量加速器，可以使用 Cluster Director、Google Kubernetes Engine 或 Slurm。或者，您也可以使用 Compute Engine API 手動部署資源。
- 用量選項：提供多種選項，可根據特定需求和工作負載模式，佈建叢集並盡量節省成本，同時確保硬體可用性。
優點
AI Hypercomputer 具備下列優點：
- 高效能和有效處理量：有效處理量指標可評估機器學習效率。 AI Hypercomputer 會最佳化排程、執行階段和 協調層。
- 快速啟動及執行：AI Hypercomputer 提供 Cluster Director 和藍圖等工具，可讓您可靠地重複部署大量經過最佳化調整的加速器資源，這些資源經過設定，可支援最嚴苛的 AI 和機器學習工作負載。
- 效能最佳化的儲存層：使用 Cloud Storage 和 Google Cloud Managed Lustre 等高效能儲存服務，為 AI 和機器學習工作負載提供可擴充、高處理量、低延遲的儲存空間。
用途
AI Hypercomputer 的設計可滿足下列用途的需求：
| 用途 | 工作負載範例 |
|---|---|
| 大規模 AI 和機器學習工作負載 | 生成式 AI 分散式訓練 生成式 AI 推論 詐欺偵測 推薦模型 |
| 高效能運算 (HPC) | 複雜的模擬 藥物研發、蛋白質摺疊和基因體分析 風險分析和量化交易 |
後續步驟
除非另有註明，否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權，程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間：2026-06-16 (世界標準時間)。