Akamai Technologies, Inc. a ajouté une nouvelle offre optimisée pour les médias basée sur les GPU NVIDIA à son portefeuille de services dans le Cloud en pleine expansion. Avec le GPU NVIDIA RTX 4000 Ada Generation, ce nouveau service dans le Cloud apporte une meilleure productivité et une meilleure rentabilité aux entreprises du secteur des médias et des loisirs qui doivent traiter le contenu vidéo plus rapidement et plus efficacement. Un benchmarking interne mené par Akamai a démontré que l'encodage basé sur le GPU utilisant le NVIDIA RTX 4000 traite les images par seconde (FPS) 25 fois plus vite que les méthodes traditionnelles d'encodage et de transcodage basées sur le CPU, ce qui représente une avancée significative dans la façon dont les fournisseurs de services de streaming font face à leurs défis de charge de travail habituels.

En utilisant l'offre d'Akamai, les sociétés de médias et de loisirs peuvent construire des architectures évolutives et résilientes et déployer des charges de travail plus rapides, plus fiables et plus portables, tout en profitant de la plate-forme dans le Cloud la plus distribuée au monde et des services intégrés de sécurité et de diffusion de contenu ". Le GPU NVIDIA RTX 4000 atteint la vitesse et l'efficacité énergétique nécessaires pour faire face aux workflows exigeants de création, de conception et d'ingénierie pour la création de contenu numérique, la modélisation 3D, le rendu, l'inférence, le contenu vidéo et le streaming. Les cas d'utilisation spécifiques aux médias sont les suivants Le transcodage vidéo et la diffusion vidéo en direct : Les GPU peuvent effectuer un transcodage plus rapide que le temps réel des flux vidéo en direct, améliorant ainsi l'expérience du streaming en réduisant la mise en mémoire tampon et même la lecture, tandis que l'encodage basé sur le GPU améliore l'efficacité et réduit les temps de traitement par rapport au transcodage traditionnel basé sur le CPU.

Le GPU NVIDIA RTX 4000 est équipé de la dernière génération de matériel NVIDIA NVENC et NVDEC, qui permet d'augmenter la capacité des tâches d'encodage et de décodage simultanées. Cette capacité est essentielle pour les applications nécessitant un traitement vidéo à haut débit, telles que la diffusion en direct. Les moteurs NVENC de huitième génération prennent en charge les derniers codecs vidéo, notamment le codec AV1 très efficace, qui permet de réaliser des vidéos de meilleure qualité à des débits plus faibles.

Contenu de réalité virtuelle (VR) et de réalité augmentée (AR) : Les applications de RV et de RA nécessitent le rendu de graphiques 3D et de contenus multimédias en temps réel. Les GPU sont idéaux pour traiter ce type de contenu. Bien qu'Akamai ait optimisé la nouvelle solution pour le marché des médias, la nouvelle offre peut également s'appliquer aux développeurs et aux entreprises qui cherchent à créer des applications liées à plusieurs autres cas d'utilisation du secteur, notamment : L'intelligence artificielle générative et l'apprentissage automatique (Gen AI/ML) : L'une des principales applications du cloud computing GPU est l'intelligence artificielle générative et l'apprentissage automatique (Gen AI/ML).

Les GPU sont bien adaptés à des tâches telles que l'entraînement et l'inférence avec des réseaux neuronaux, car ils peuvent effectuer de nombreux calculs en parallèle, ce qui permet un entraînement plus rapide et plus efficace de nouveaux modèles, ce qui peut conduire à une meilleure précision et à de meilleures performances. Le GPU NVIDIA RTX 4000 exploite l'architecture NVIDIA Ada Lovelace pour fournir des performances exceptionnelles dans les tâches d'inférence. Un total de 192 Tensor Cores de quatrième génération accélèrent davantage de types de données et incluent une nouvelle fonction Fine-Grained Structured Sparsity pour multiplier par quatre le débit des opérations sur les matrices tensorielles par rapport à la génération précédente.

L'inclusion de 20 Go de mémoire GDDR6 offre une grande capacité pour les modèles et les ensembles de données volumineux. Analyse de données et calcul scientifique : Le cloud computing GPU est également couramment utilisé dans l'analyse de données et le calcul scientifique en raison de la nature de ses tâches, qui impliquent souvent le traitement de grandes quantités de données. Ces tâches prennent du temps et nécessitent des calculs intensifs.

Les GPU peuvent accélérer ces tâches en traitant de grandes quantités de données en parallèle, ce qui permet des analyses et des simulations plus rapides et plus efficaces. Jeux et rendu graphique : Les GPU sont largement utilisés dans l'industrie du jeu, principalement pour le rendu graphique et d'autres tâches liées au développement de jeux vidéo. En effet, les GPU sont conçus pour gérer des traitements graphiques complexes et peuvent fournir un rendu rapide et de haute qualité des graphiques 3D.

Calcul à haute performance : L'informatique en nuage basée sur les GPU est couramment utilisée pour les applications informatiques à haute performance, telles que la modélisation et la simulation, qui nécessitent un traitement rapide et efficace de grandes quantités de données. Les GPU peuvent également être utilisés pour accélérer les simulations, les calculs et d'autres tâches à forte intensité de calcul, ce qui permet d'obtenir des résultats plus rapides et de meilleures performances.