研究表明，自從2022年以來，有關人工智能（AI）的討論激增了383%。然而，根據數據編排服務商Hammerspace日前發(fā)布的《下一個數據周期的狀態(tài)：如何使用GPU?》的研究報告，到2024年，在高達650億美元的全球GPU市場中，只有一小部分被用于AI特定應用。這意味著GPU在AI之外還有廣闊的應用空間。

Hammerspace創(chuàng)始人兼CEO David Flynn表示：“引領下一輪創(chuàng)新潮流的關鍵因素在于企業(yè)如何有效激活并利用其非結構化數據。我們的研究表明，許多企業(yè)最初為AI項目購買的GPU正在成為數據處理領域的‘瑞士軍刀’，以我們從未預料到的方式釋放各行各業(yè)的價值。”

該報告強調了企業(yè)中GPU利用率的動態(tài)變化，揭示了許多公司正在將這些資源重新用于各種非AI應用，以實現可衡量的結果。

企業(yè)加大GPU和AI投資

該報告基于LinkedIn、Twitter、Reddit、GitHub和Discord等平臺上約200位行業(yè)領導者參與的約17,000次數字對話，揭示了企業(yè)在GPU和AI投資方面的應對策略。

報告揭示，大多數企業(yè)主要關注的是思想領導力（60%）和提高生產力（59%），而專門針對實現更優(yōu)AI成果的創(chuàng)新討論僅占18%。

在倫理道德相關討論中，有高達51%的內容集中在政策和最佳實踐上，這反映了人們對負責任AI開發(fā)的日益關注。

盡管很多企業(yè)在AI基礎設施（包括功能強大的GPU芯片）上投入了大量資金，但尚未充分利用這些資源來處理AI工作負載。與其相反，GPU正越來越多地被應用于諸如強化大數據處理與分析項目等傳統(tǒng)任務中。

正如Hammerspace的報告所概述的那樣，GPU的應用范圍極為廣泛，涵蓋了包括大型科技公司、科學研究和媒體娛樂等行業(yè)，充分展現了其高度的靈活性與適應性。

GPU多領域應用案例

該報告介紹了Meta平臺、美國洛斯阿拉莫斯國家實驗室（LANL）和一家知名流媒體提供商等公司的案例研究，說明了GPU的不同用途。

例如，Meta部署了24000多個NVIDIA H100 GPU來支持其Llama 2和Llama 3模型的訓練，通過優(yōu)化GPU性能來提高效率和彈性。

LANL簡化了其混合超級計算機環(huán)境，該環(huán)境集成了CPU和GPU處理，以支持高性能計算（HPC）和AI研究。該基礎設施被應用于涵蓋國家安全、流行病防范和氣候變化緩解的項目。通過將孤立的文件系統(tǒng)整合到一個統(tǒng)一的平臺中，LANL提高了各種工作負載的資源使用率以及高級數據架構的效率。

另一個例子是一家知名流媒體公司，該公司利用GPU-CPU集成來改進其推薦算法，并為數百萬用戶優(yōu)化視頻流質量。該報告稱，通過將GPU與CPU相結合，該公司提高了其個性化內容推薦的速度和準確性，從而顯著提高了流媒體性能。

AI之外的關鍵資產

正如該報告指出的那樣，越來越多的公司不僅將GPU用于AI，還將其用于一系列現有的大數據項目。這種靈活多變的應用方式已被證明是有益的舉措，帶來了一些超出最初預期的意外收益。

盡管高盛的分析師指出，GPU的供應限制將繼續(xù)影響AI項目的部署，至少持續(xù)到2025年中期，但該報告預計，全球GPU市場規(guī)模到2029年將增長到2740億美元。

與此同時，Tangoe進行的另一項調查發(fā)現，72%的受訪者認為以AI為主題的云支出正變得難以管理（難以核算ROI）。

根據該機構對500名IT和金融專業(yè)人士的調查，僅在過去一年，這一類別的支出就增長了30%。對于部分仍在計算能力投資回報上持觀望態(tài)度的企業(yè)來說，這種增長顯然是不可持續(xù)的。