亚马逊宣布正式推出Amazon EC2 G5g 实例，将 Graviton2 的性价比优势扩展到基于 GPU 的工作负载，这些工作负载采用 NVIDIA T4G Tensor Core GPU。AWS G5g 实例为 Android 游戏串流提供最佳性价比，拥有高达 25 Gbps 的网络带宽和 19 Gbps 的 EBS 带宽，同时与基于 x86 的 GPU 实例相比，Android 游戏串流的每小时单次串流成本最多可降低 30%。G5g 实例也非常适合寻求经济高效的推理、拥有对 CPU 性能敏感的 ML 模型并利用 NVIDIA AI 库的机器学习开发人员。
Amazon EC2 G5g 大小调整
G5g 实例有六种大小，如下所示。
| 实例名称 | 虚拟CPU | 记忆体（GB） | NVIDIA T4G 张量核心 GPU | 显存 (GB) | EBS 带宽 (Gbps) | 网络带宽 (Gbps) |
| g5g.xlarge | 4 | 8 | 1 | 16 | 高达 3.5个 | 高达 10个 |
| g5g.2xlarge | 8 | 16 | 1 | 16 | 高达 3.5个 | 高达 10个 |
| g5g.4xlarge | 16 | 32 | 1 | 16 | 高达 3.5个 | 高达 10个 |
| g5g.8xlarge | 32 | 64 | 1 | 16 | 9 | 12 |
| g5g.16xlarge | 64 | 128 | 2 | 32 | 19 | 25 |
| g5g.金属 | 64 | 128 | 2 | 32 | 19 | 25 |
这些实例非常适合许多工作负载，例如：
- 流式传输 Android 游戏— 借助 G5g 实例，Android 游戏开发人员可以在基于 Arm 的 GPU 实例上进行原生构建，而无需在基于 x86 的实例上进行交叉编译或仿真。 他们可以对呈现的图形进行编码，并通过网络将游戏流式传输到移动设备。 这有助于简化开发工作和时间，并将每小时每个流的成本降低多达 30%。
- 机器学习推理 —G5g 实例也非常适合寻求具有成本效益的推理、拥有对 CPU 性能敏感的 ML 模型并利用 NVIDIA AI 的机器学习开发人员。
- 图形渲染—G5g 实例是具有渲染工作负载和依赖 NVIDIA 库的客户最具成本效益的选择。 这些实例还支持利用行业标准 API（例如 OpenGL 和 Vulkan）的渲染应用程序和用例。
- 自动驾驶汽车模拟— 一些 AWS 客户正在设计和模拟包含多个实时传感器的自动驾驶汽车。 他们可以使用光线追踪来实时模拟传感器输入。
这些实例与 Linux 上的一长串图形和机器学习库兼容，包括 NVENC、NVDEC、nvJPEG、OpenGL、Vulkan、CUDA、CuDNN、CuBLAS 和 TensorRT。
Amazon