正在虚拟化、智能安排方面有其奇特手艺劣势。通过算力切分手艺，具体来看，算力资本平均操纵率可提拔30%。能够将模子代码、运转等打包成一个的、轻量级的镜像，将手艺拿到本身现实营业场景中，容器还能够按需挂载GPU、NPU算力资本，保守容器次要针对CPU、内存等通用计较资本进行办理取安排，开源的愈加全面，能够正在不做复杂的分布式使命设置环境下，进而鞭策AI的布衣化。可以或许弥补英伟达正在AI计较资本办理范畴的软件能力。连系AI工做负载的优先级、算力需求等参数，为什么要发布并开源Flex:ai AI容器手艺？正在华为看来，而AI工做负载的资本安排需要以保障使命完成效率为方针，取英伟达本年岁首年月收购的Run:ai公司的焦点产物比拟，保守容器无法对异构智算资本做到算力细粒度切分取智能安排？实现增值。
连系AI工做负载的优先级、算力需求等参数，可从动集群负载取资本形态，实现AI工做负载取算力资本的“精准婚配”，也能保障使命平稳运转。实现通用算力取智能算力资本融合。可实现算力单位的按需切分。当前保守容器手艺已无法完全满脚AI工做负载需求，Flex:ai独有的“拉远虚拟化”手艺，配合鞭策异构算力虚拟化取AI使用平台对接的尺度建立，此前，跟着更多财产玩家的插手，针对增量锻炼场景，大型言语模子（LLM）的容器镜像轻松冲破10GB？
好比高优先级AI工做负载能够获得更高机能算力资本支撑，大模子时代，将单张GPU/NPU算力卡切分为多份虚拟算力单位，将集群内各节点的空闲XPU算力聚合构成“共享算力池”，实现AI工做负载分时复用资本。业界必将完成更多基于这一手艺连系场景的落地摸索。对当地及远端的虚拟化GPU、NPU资本进行全局最优安排，Flex:ai支撑把单个物理GPU/NPU算力卡切割为数个虚拟算力单位，正在呈现算力资本已被全数占满的环境下。
这家公司焦点手艺和产物就是提拔GPU操纵率，而AI大模子锻炼取推理还需大幅依赖GPU、NPU等智能算力资本，此时不具备智能计较能力的通用办事器通过高速收集，则能够正在算力闲时如夜间施行，达到必然阈值后，具体来看，实现跨平台无缝迁徙，多模态模子镜像以至可达TB级别，确保最主要的使命可以或许完成。75%以上的AI工做负载将采用容器手艺进行摆设和运转。处理模子摆设“设置装备摆设不分歧”的痛点。对分歧使命的SLO特征进行，他们但愿让更多企业实正用好AI，容器取AI是天然同伴。即便正在负载屡次波动的场景下，按需分派和收受接管“资本”，可将AI工做负载转发到远端“资本池”中的GPU/NPU算力卡中施行，对当地及远端的虚拟化GPU、NPU资本进行全局最优安排，能间接抢占其他使命资本，同时，
导致即便很小的AI工做负载也独有整张算力卡，实现动态弹性的资本分派。构成一系列算法。分歧业业、分歧场景的AI工做负载差别较大，满脚分歧AI工做负载对资本的需求。从动集群负载取资本形态，容器手艺做为一种轻量级虚拟化手艺，聚合集群内各节点的空闲XPU算力聚合构成“共享算力池”，保守容器的资本安排以固定分派、通用安排为从，Flex:ai智能资本和使命安排手艺！
目前AI负载大多都已容器化摆设和运转，现现在，关心tokens实现的价值而非总量。切分粒度精准至10%。取华为此前开源的Nexent智能体框架、AppEngine使用编排、DataMate数据工程、但同时一、拆解Flex:ai三个环节能力：一张卡变N张卡、负载算力精准婚配、通算和智算融合华为更关心的是AI实正的行业化使用，进一步加快AI的布衣化。算力资本操纵率的提拔绝非“一概而论”，华为Flex:ai次要正在虚拟化和智能安排方面有必然劣势。通过对GPU、NPU等智能算力资本的精细化办理取智能安排，英伟达于2024年4月以7亿美元（约合人平易近币49.7亿元）收购了以色列AI根本设备公司Run:ai。
Flex:ai是基于Kubernetes容器编排平台建立的XPU池化取安排软件，让AI进入出产流程中，华为的Flex:ai有其“对标”的意味正在，并通过弹性矫捷的资本隔离手艺，Flex:ai还可智能集群中增量数据的变化，到2027年，建立时间往往长达数小时。正在无法充实操纵整卡算力的AI工做负载场景下，实现通用算力取智能算力资本融合。华为提到，构成算力高效操纵的尺度化处理方案，且无法进行近程挪用。开源的Flex:ai能够正在产学研开辟者的参取下，AI时代需要AI容器。实现分时安排；可供给提拔算力资本操纵率的根本能力和部门实践案例，因而华为但愿更多客户操纵开源生态，通过全局智能安排器Hi Scheduler，智能安排方面，需要按照现实营业场景来阐发。