Felix Pinkston
6月24日，2025年13:19
根据Enyscale的说法，探索射线如何解决AI框架中的计算瓶颈，因为非结构化数据和GPU要求挑战旧系统。
人工智能（AI）的快速发展给现有的计算框架带来了重大挑战，尤其是因为非结构化数据和GPU需求揭示了遗留系统的局限性。根据Enyscale的说法，非结构化数据（例如文本，图像和视频）的增长超过了传统的结构化数据，因此需要更健壮和灵活的计算框架。
向非结构化数据的转变
组织越来越多地认识到非结构化数据的价值，该数据现在超过了十倍或更多的数量。这种转变是由处理图像，音频和聊天日志（以增强用户体验和自动化过程的复杂数据类型）的需要驱动的。但是，主要关注结构化数据和SQL式工作负载的现有数据和AI基础架构努力跟上这些需求。
当前框架挑战
传统框架（例如Apache Spark）在处理非结构化数据和AI模型时有效地面临限制。 Spark以CPU为中心的架构以及对Java虚拟机（JVM）的依赖创建瓶颈，尤其是在处理处理现代AI模型所需的以GPU为中心的任务时。此外，在Python和Scala环境之间序列化数据的需求进一步阻碍了性能。
雷的崛起
为了应对这些挑战，Ray是作为AI-NATIANITE分布式计算框架开发的，旨在满足基于Python的AI工作负载的特定需求。 Ray的体系结构支持多模式数据和异质计算，从而允许CPU和GPU任务的无缝编排。这种灵活性使Ray成为希望现代化其AI基础架构的组织的重要工具。
行业采用和影响
雷的影响很大，像Uber，Spotify和Pinterest这样的主要公司采用该框架来增强其AI功能。 Ray使这些组织能够将生成AI集成到其系统中，同时优化现有的机器学习管道。该框架处理大规模，复杂的AI模型的能力已在OpenAI的GPT-3.5等备受瞩目的项目中得到了证明，强调了其革新AI计算框架的潜力。
前景
随着AI的继续发展，对可以有效管理多模式数据和复杂工作负载的框架的需求只会增加。雷的开源社区正在积极努力进一步简化各种异质群集的AI工作负载的分布式处理和编排。 Anyscale致力于使对Ray能力的访问权限，以确保AI团队可以迅速利用其权力来满足对高级AI用例的不断增长的需求。
图像来源：Shutterstock
（tagstotranslate）AI（T）加密（T）区块链（T）新闻
关键词：