NVIDIA kündigte heute die neuesten Verbesserungen der Quadro Virtual Data Center Workstations (Quadro vDWS) an, die darauf abzielen, anspruchsvolle Grafik- und Rechenworkflows durch die Bereitstellung einer hohen Leistung einer virtuellen Workstation zu beschleunigen.
Mit zwei Tesla V100-GPUs können kreative Profis, die an virtuellen Remote-Arbeitsplätzen arbeiten, überzeugende, realistische Visualisierungen rendern – bis zu 94 % schneller. Im Vergleich zu einem reinen CPU-System können Ingenieure und Designer durch den Einsatz von zwei Tesla V100 ihre Markteinführungszeit verkürzen und Simulationen bis zu siebenmal schneller abschließen. Darüber hinaus können Fachkräfte an entfernten Standorten arbeiten, während ihr geistiges Eigentum und ihre Arbeit im Rechenzentrum geschützt sind.
Zu den neuen Funktionen gehören:
- Führen Sie Multi-GPU-Workloads mit NVIDIA Quadro vDWS aus – Fassen Sie bis zu vier NVIDIA Tesla-GPUs in einer einzigen virtuellen Maschine (VM) zusammen, um die grafik- und rechenintensivsten Rendering-, Simulations- und Design-Workflows zu erzielen. Die Aggregation mehrerer Tesla-GPUs sowie die gemeinsame Nutzung von GPUs über mehrere virtuelle Maschinen hinweg wird jetzt unterstützt.
- Live-Migration mit VMware vMotion – Die IT kann Live-VMs mit NVIDIA GPU-Beschleunigung migrieren, ohne die Benutzer zu beeinträchtigen oder Ausfallzeiten zu erfordern, wodurch sowohl Zeit als auch Ressourcen gespart werden. Diese Funktion wird jetzt auf den Softwareprodukten Quadro vDWS und GRID vPC und GRID vApps mit VMware vMotion, vSphere 6.7 u1 unterstützt.
- Unterstützung für NVIDIA Tesla T4-GPUs – Der Framebuffer wird verdoppelt, während derselbe Low-Profile-Single-Slot-Formfaktor wie beim Tesla P4 der vorherigen Generation verwendet wird. Der neue 70-W-Tesla T4 ermöglicht anspruchsvolle Arbeitsabläufe in einer VDI-Umgebung, einschließlich erweitertem Rendering, Simulation und Design in Kombination mit Multi-GPU-Unterstützung.
- KI-Workloads auf virtuellen Maschinen mit NVIDIA GPU Cloud (NGC) – NGC unterstützt KI-Forscher mit GPU-beschleunigten Deep-Learning-Containern für TensorFlow, PyTorch, MXNet, TensorRT und mehr. Diese vorintegrierten, GPU-beschleunigten Container wurden jetzt mit der neuesten Version von Quadro vDWS getestet und umfassen NVIDIA CUDA Toolkit, NVIDIA Deep Learning-Bibliotheken und ein Betriebssystem.
Verfügbarkeit
Die Unterstützung für Multi-GPU-, VMware VMotion- und NGC-Container wird für Ende Herbst 2018 erwartet. Die Unterstützung von NVIDIA Tesla T4 mit NVIDIA vGPU-Software wird für Ende 2018 erwartet.
Amazon