Rapt AI y AMD se alían para optimizar infraestructuras de IA

 

Rapt AI, proveedor de automatización de cargas de trabajo de inteligencia artificial (IA), confirmó su colaboración estratégica con AMD para mejorar la gestión y el rendimiento de las cargas de trabajo de IA.

La alianza está orientada a optimizar la inferencia y el entrenamiento de IA en los GPUs AMD Instinct™,

ofreciendo a los clientes una solución escalable y rentable para desplegar aplicaciones de IA en entornos locales y multinube.

La creciente adopción de la IA ha generado desafíos significativos para las organizaciones, como la asignación eficiente de recursos, cuellos de botella en el rendimiento y una gestión compleja de GPUs.

A través de la integración de la plataforma inteligente de Rapt con los GPUs AMD Instinct MI300X, MI325X y la próxima serie MI350, esta colaboración busca ofrecer una solución que maximice la eficiencia de la inferencia y el entrenamiento de IA, a la vez que reduce costos operativos.

 

Beneficios clave de la colaboración.

 Reducción de costos y maximización del uso de GPUs:

Los GPUs AMD Instinct, con su capacidad de memoria líder en la industria, junto con la optimización inteligente de recursos de Rapt, permiten una utilización máxima de los GPUs para cargas de trabajo de IA, lo que contribuye a reducir el costo total de propiedad (TCO).

 Implementación continua de IA en entornos locales y multinube:

La plataforma de Rapt simplifica la gestión de GPUs y elimina la necesidad de configuraciones manuales. Al optimizar automáticamente la asignación de recursos, los científicos de datos pueden centrarse en la innovación y no en la infraestructura.

La solución es compatible con diversos entornos de GPUs (AMD y otros) en la nube o en instalaciones locales, proporcionando flexibilidad en la infraestructura.

 Mejora del rendimiento en inferencia y escalabilidad:

La solución combinada mejora la densidad de trabajos y la asignación de recursos en los GPUs AMD Instinct, lo que resulta en un mejor rendimiento y escalabilidad en las implementaciones de IA.

Las capacidades de autoescalado de Rapt optimizan el uso de los recursos según la demanda, reduciendo la latencia y mejorando la eficiencia de costos.

 Preparación para el futuro de la IA:

La plataforma de Rapt se integra de inmediato con los GPUs AMD Instinct, proporcionando beneficios de rendimiento inmediatos.

La colaboración entre Rapt y AMD continuará con futuras optimizaciones en áreas clave como la programación de GPUs y la utilización de memoria, asegurando que los clientes cuenten con una infraestructura de IA preparada para el futuro.

Compromiso continuo con la innovación.

Negin Oliver, vicepresidenta corporativa de desarrollo de negocios de Data Center GPU Business en AMD, asegura:

“En AMD, estamos comprometidos a ofrecer soluciones de IA de alto rendimiento y escalables que permitan a las organizaciones desbloquear todo el potencial de sus cargas de trabajo de IA. Nuestra colaboración con Rapt AI combina las capacidades de vanguardia de los GPUs AMD Instinct con la automatización inteligente de cargas de trabajo de Rapt, permitiendo a los clientes lograr mayor eficiencia, flexibilidad y ahorro de costos en toda su infraestructura de IA.”

 

Charlie Leeming, CEO de Rapt, agregó:

“La colaboración con AMD nos permite mejorar aún más nuestra plataforma, optimizándola para los potentes GPUs AMD Instinct. Esta solución conjunta está destinada a transformar la gestión de infraestructuras de IA, impulsando un mejor rendimiento, eficiencia de costos y un tiempo de valor más rápido para nuestros clientes mutuos. Estamos entusiasmados con el impacto que esto tendrá en la aceleración de la innovación en IA en diversas industrias.”

 

Por su parte Anil Ravindranath, CTO de Rapt, indicó:

“A medida que más organizaciones avanzan hacia la producción con IA, maximizar la eficiencia de la infraestructura y la rentabilidad se vuelve primordial. Rapt AI, profundamente integrado con los potentes GPUs AMD Instinct, proporciona una plataforma inteligente impulsada por IA que optimiza dinámicamente la asignación de recursos en el flujo de trabajo de aprendizaje automático. Este enfoque integral ofrece no solo un rendimiento acelerado y una menor latencia, sino también una utilización sin precedentes de los GPUs y una implementación simplificada, desbloqueando capacidades de producción de IA verdaderamente escalables y eficientes.”