除了宣布新一代GH200 Grace Hopper超級芯片平臺的到來，英偉達(NVDA.US)還推出了一個新的AI服務——AI Workbench，這是一個易于使用的統一工具包，讓開發人員能夠在 PC 或工作站上快速創建、測試和自定義預訓練的生成式 AI 模型，然后將其擴展到幾乎任何數據中心、公共云或NVIDIA DGX? 云。

(相關資料圖)

據了解，AI Workbench旨在使人工智能開發更加精簡、高效和可訪問。通過統一的平臺，調整、擴展和部署AI模型所涉及的復雜性可能會得到緩解，并允許開發人員為特定用例利用AI的全部潛力。

在最近的一次活動中，該公司展示了使用Stable Diffusion XL生成自定義圖像，以及使用AI Workbench開發的用于醫學推理的微調Llama 2。

企業人工智能發展的挑戰

開發生成式人工智能模型涉及多個階段，每個階段都有挑戰和需求。

從選擇預訓練的模型，例如大型語言模型(Large Language model, LLM)開始，開發人員通常希望為特定的應用程序調整模型。

這個過程需要一個可以處理各種計算需求的基礎設施，并與GitHub、Hugging Face、NVIDIA NGC和自托管服務器等工具無縫集成。

而這過程需要機器學習、數據處理技術、Python和TensorFlow等框架方面的專業知識。管理憑證、數據訪問和組件之間的依賴關系的復雜性也隨之增加。

隨著敏感數據的激增，安全性是至關重要的，需要強有力的措施來確保機密性和完整性。

最重要的是，管理跨不同機器和平臺的工作流增加了復雜性。

AI Workbench有哪些優勢?

首先，AI Workbench是個易于使用的開發平臺，包含JupyterLab、VS Code等工具和GitHub等服務。AI Workbench 通過提供單一平臺來管理數據、模型和計算資源，支持跨機器和環境的協作，從而簡化了開發流程。

其次，該平臺可增強協作。該項目結構有助于自動化圍繞版本控制、容器管理和處理機密信息的復雜任務，同時還支持跨團隊協作。

另外，AI Workbench 部署是客戶端-服務器模型，使擴展過程更容易。用戶能夠開始在其工作站中的本地計算資源上進行開發，并隨著訓練作業的規模擴大而轉向數據中心或云資源。

最后，AI Workbench 與 GitHub、NVIDIA NGC 和 Hugging Face 等服務和 Git 服務器集成，用戶可以使用 JupyterLab 和 VS Code 等工具跨平臺和基礎設施進行開發，具有高度的可重復性和透明度。

因此，對于希望探索強大的生成式人工智能世界的企業來說，它可能是加速采用和整合的關鍵墊腳石。

總結

總的來說，英偉達推出的AI Workbench對企業來說尤其重要，因為它為定制、可擴展性和經濟高效的解決方案提供了新的途徑，從而簡化了開發過程。

通過解決技術專長、數據安全和工作流程管理方面的挑戰，英偉達的工具包可能會改變企業在各種應用中利用人工智能的游戲規則。

關鍵詞：