基础架构
2026年 11月 2日
借助自动工作负载恢复保持分布式训练的运行
随着分布式 AI 训练的扩展,硬件和软件依赖项之间的故障会越来越多地干扰训练进程,因此快速、可靠的恢复至关重要。
2 MIN READ
2026年 11月 2日
让 Kubernetes 在首发日即支持 NVIDIA Vera Rubin 的 AI
为 NVIDIA Vera Rubin 等新 GPU 硬件配置和优化 Kubernetes 非常复杂且容易出错。驱动程序、内核、运行时、网络、
4 MIN READ
2026年 10月 26日
NVIDIA Minerva 如何将遥测混转化为 GPU 产量峰值
AI 工厂是迄今为止技术上最复杂的运营环境之一。数十万个 GPU、NVIDIA Spectrum-X 以太网横向扩展、横向扩展和横向扩展结构、
2 MIN READ
2026年 9月 22日
借助 NVIDIA Topograph 实现拓扑感知型工作负载调度
AI 工厂是功率受限的系统,在完全优化时可提供最大价值。GPU 工作负载布局是一项关键优化。糟糕的工作负载放置分散了拓扑域,
4 MIN READ
2026年 9月 3日
如何在联邦 Kubernetes 和 AI 平台上携带用户身份
现代 AI 平台不再是单一登录屏幕背后的单一应用。用户可以从中央门户开始,打开受治理的数据集,启动数据所在的 Notebook,
2 MIN READ
2026年 8月 24日
十亿瓦级 AI 和以太网演进:Spectrum-X 以太网如何重塑规则
生成式 AI 的迅猛发展从根本上改变了数据中心的设计。随着分布式模型训练的规模扩展到数十万个 GPU,
3 MIN READ