PulseAugur
中
实时 07:06:12
English(EN) GPU-Native Operators in Ray Data

Anyscale 通过 GPU 原生运算符提升 Ray Data 以支持 AI 工作负载

作者 PulseAugur 编辑部 · [1 个来源] ·

Anyscale 增强了其 Ray Data 引擎，引入了 GPU 原生运算符，并与 NVIDIA 合作集成了 cuDF 和 RapidsMPF。这些更新允许数据处理任务直接在 GPU 上执行，为 AI 工作负载带来显著的性能提升。新功能包括将 cuDF 作为一流的批处理格式以及 GPU 原生 shuffle 后端，与基于 CPU 的解决方案相比，在特定数据整理任务中，总拥有成本最多可降低 3 倍。 AI

影响 提高了 AI 工作load 的数据处理效率，可能降低 GPU 密集型任务的成本。

排序理由 这是对现有数据处理引擎的更新，并非新的前沿模型发布。

在 Anyscale blog 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Anyscale 通过 GPU 原生运算符提升 Ray Data 以支持 AI 工作负载

本文如何被排名

Signal score
1 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是对现有数据处理引擎的更新，并非新的前沿模型发布。
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
infra, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. Anyscale blog TIER_1 English(EN) ·

    Ray Data 中的 GPU 原生运算符

    The Ray Data team at Anyscale has collaborated with the NVIDIA cuDF team to better integrate GPU-based operators into Ray Data using cuDF and RapidsMPF. On select data curation workloads, these enhancements have enabled up to 3x better TCO compared to CPU-based solutions.

相关实体

相关话题