Leistung für die rechenintensivsten Server-Workloads
KI, Deep Learning und Datenwissenschaft erfordern beispiellose Rechenleistung. Mit dem Virtual Compute Server von NVIDIA (vCS) können Rechenzentren die Servervirtualisierung mit aktuellen NVIDIA-Grafikprozessoren für Rechenzentren beschleunigen, etwa den NVIDIA A100 und A30 Tensor Core-GPUs, sodass auch die rechenintensivsten Workloads, wie z. B. künstliche Intelligenz, Deep Learning und Datenwissenschaften, auf einer virtuellen Maschine (VM) mit NVIDIA vGPU-Technologie ausgeführt werden können. Dies ist nicht etwa ein kleiner Schritt für die Virtualisierung, sondern ein großer Sprung.
NVIDIA Virtual GPUs bieten Ihnen nahezu Bare-Metal-Leistung in einer virtualisierten Umgebung, maximale Auslastung, Verwaltung und Überwachung in einer Hypervisor-basierten Virtualisierungsumgebung für GPU-beschleunigte KI.
Entwickler, Datenwissenschaftler, Forscher und Studenten benötigen enorme Rechenleistung für Deep-Learning-Training. Unsere A100 Tensor-Core-GPU beschleunigt die Arbeit, wodurch schneller mehr erreicht werden kann. NVIDIA-Software, der Virtual Compute Server, bietet nahezu die gleiche Leistung wie Bare Metal, selbst wenn sie auf große Deep-Learning-Trainingsmodelle skaliert wird, die mehrere GPUs verwenden.
Multi-Instance GPU (MIG) ist eine Technologie, die nur auf der NVIDIA A100 Tensor-Core-GPU zu finden ist und die A100-GPU in bis zu sieben Instanzen partitioniert, die jeweils vollständig mit eigenem Speicher mit hoher Bandbreite sowie eigenem Cache und eigenen Rechenkernen isoliert sind. MIG kann mit Virtual Compute Server verwendet werden und bietet eine VM pro MIG-Instanz. Die Leistung ist gleichbleibend, ob nun ein Inferenz-Workload über mehrere MIG-Instanzen auf Bare Metal ausgeführt oder mit vCS virtualisiert wird.
Erfahren Sie, wie NVIDIA Virtual Compute Server die Leistung maximiert und das IT-Management vereinfacht.
Schöpfen Sie wertvolle GPU-Ressourcen voll aus, indem Sie GPUs nahtlos für einfachere Workloads wie Inferenz aufteilen oder mehrere virtuelle GPUs für rechenintensivere Workloads wie Deep-Learning-Training bereitstellen.
Sichern Sie die Verfügbarkeit und Einsatzbereitschaft der Systeme, die Datenwissenschaftler und Forscher benötigen. Überwachen Sie die GPU-Leistung auf Gast-, Host- und Anwendungsebene. Sie können sogar Verwaltungstools wie Anhalten/Fortsetzen und Live-Migration nutzen. Erfahren Sie mehr über die betrieblichen Vorteile der GPU-Virtualisierung.
Virtual Compute Server wird bei den leistungsstärksten NVIDIA-GPUs unterstützt, einschließlich der NVIDIA A100 Tensor-Core-GPU, NVIDIA A40 Tensor-Core-GPU, NVIDIA T4 Tensor-Core-GPU und der NVIDIA V100 Tensor-Core-GPU.
Vollständige Liste empfohlener NVIDIA-GPUs für Virtualisierung anzeigen.
NVIDIA arbeitet mit einem breiten Ökosystem von OEM-Partnern zusammen, die auf der Seite Zertifizierten Server finden einsehbar sind.
Registrieren Sie sich für eine 90-tägige kostenlose Testversion
Erwerben Sie Ihre NVIDIA vGPU-Lösung von einem Partner des NVIDIA-Partnernetzes (NPN). Unser umfangreiches Netzwerk geschulter Partner kann Ihnen beim Gestalten und Bereitstellen einer optimal beschleunigten virtualisierten Umgebung helfen.
NVIDIA Virtual PC (vPC), Virtual Apps (vApps) und NVIDIA RTX Virtual Workstation (vWS) sind Client-Compute-Produkte für virtuelle Grafiken, die für Knowledge Worker sowie kreative und technische Experten entwickelt wurden. vCS wurde für rechenintensive Server-Workloads wie KI, Deep Learning und Datenwissenschaften entwickelt.
Nein, vCS wird anders lizenziert als vPC/vApps und vWS. vPC/vApps und vWS werden anhand gleichzeitiger Benutzer (Concurrent Users, CCU) entweder als unbefristete Lizenz oder als Jahresabonnement lizenziert. Da vCS für Server-Compute-Workloads dient, ist die Lizenz nicht an einen Benutzer, sondern an die GPU gebunden. Daher wird vCS pro GPU als Jahresabonnement lizenziert. Weitere Details zur Lizenzierung finden Sie im Leitfaden zu Paketen, Preisen und Lizenzen für NVIDIA Virtual GPU.
Folgen Sie dem Link „Unterstützte Produkte“ im Bereich der Software-Version auf der Seite zur NVIDIA vGPU-Softwaredokumentation. Dort finden Sie eine detaillierte Matrix zur Kompatibilität. vCS wird von den NVIDIA-Grafikprozessoren A100, A40, A30 und A10 unterstützt.
Folgen Sie dem Link „Unterstützte Produkte“ im Bereich der Software-Version auf der Seite zur NVIDIA vGPU-Softwaredokumentation. Dort finden Sie eine detaillierte Matrix zur Kompatibilität. Red Hat RHV/RHEL und Nutanix AHV unterstützen NVIDIA vCS. VMware vSphere wird mit der NVIDIA AI Enterprise-Software-Suite unterstützt.
Auf der Seite vGPU-zertifizierte Server finden Sie eine vollständige Liste der zertifizierten Server für alle vGPU-Produkte.
Ja, Container können in VMs mit vCS ausgeführt werden. NVIDIA NGC bietet einen umfangreichen Katalog GPU-beschleunigter Container für Deep Learning, maschinelles Lernen und HPC. Workloads können mit vCS auch direkt, ohne Container, in einer VM ausgeführt werden.
Virtuelle Workstations für kreative und technische Fachkräfte, die Grafikanwendungen verwenden.
Virtual Desktop (VDI) für Knowledge Worker, die Produktivitätsanwendungen für Multimedia und das Büro verwenden.
Anwendungsstreaming mit RDSH-Lösungen (Remote Desktop Session Host).