肯睿Cloudera 推出多项集成NVIDIA微服务的功能:解锁数据潜力,加速企业生成式AI应用

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

肯睿cloudera 推出多项集成nvidia微服务的功能:解锁数据潜力,加速企业生成式ai应用

Cloudera亚太区高级副总裁Remus Lim强调了NVIDIA在人工智能计算领域的领先地位和Cloudera在数据管理领域的专业积累之间的互补关系。他表示,两者的合作将帮助客户构建能够提供高度精确数据和见解的模型。这些模型将以安全的机器学习(ML)环境运行,得到企业的信任,并能够满足不断变化的需求。Lim强调,他们很高兴能够协助客户加速其人工智能之旅,实现从AI探索和实验阶段到整个组织内的大规模部署的无缝过渡。

北京,2024年3月20日—— 近日,可信的企业人工智能数据公司肯睿Cloudera宣布进一步扩大其与NVIDIA的合作。Cloudera Powered by NVIDIA将把NVIDIA AI Enterprise软件平台中的企业级NVIDIA NIM微服务集成到Cloudera Data Platform上的AI/ML工作流程服务Cloudera Machine Learning中,为客户提供快速、安全和精简化的生产级端到端生成式AI工作流程。

结合专为大语言模型(LLM)优化的综合全栈平台后,企业数据在推动企业生成式AI应用从试点到生产的过程中,发挥了至关重要的作用。借助NVIDIA NIM和NeMo Retriever微服务,开发人员能够将AI模型与他们的业务数据(包括文本、图像和各种可视化图,如条形图、折线图和饼图等)相关联,生成高度准确且符合上下文语境的回答。NVIDIA AI Enterprise提供专为构建、自定义和部署企业级LLM而优化的运行时,使用上述微服务的开发人员可以通过它部署应用。Cloudera Machine Learning充分利用NVIDIA微服务,将高性能AI工作流程、AI平台软件和加速计算应用于数据,使客户能够从他们委托Cloudera管理的企业数据中挖掘出价值。

Cloudera与NVIDIA合作,将推出一系列集成NVIDIA微服务的功能。Cloudera Machine Learning将通过整合NVIDIA微服务支持的模型和应用服务,提高所有工作负载的模型推理性能。这一全新的AI模型服务功能将使客户在公有云和私有云上部署的模型都能够实现容错、低延迟服务和自动扩展。此外,Cloudera Machine Learning还将提供整合NVIDIA NeMo Retriever微服务的功能,以简化自定义LLM与企业数据的连接。用户可以利用这项功能构建基于检索增强生成(RAG)的生产级应用。

Cloudera此前曾与NVIDIA合作,通过将NVIDIA RAPIDS Accelerator for Apache Spark集成到Cloudera Data Platform,利用GPU优化数据处理。现在,随着NVIDIA微服务计划的加入以及与NVIDIA AI Enterprise 的集成,Cloudera Data Platform 将成为可提供精简化端到端混合 AI 管道的平台。

未来,各个行业的企业都将能够更加快速、直观地构建、自定义和部署支持变革性生成式AI的 LLM,包括加快开发时间的编码协作机器人、自动执行客户互动和服务的聊天机器人、快速处理文档的文本摘要应用、精简化的上下文搜索等各种应用。这些创新技术使整个企业的数据和高级AI流程变得更加简单和快捷,最大程度地缩短了实现业务价值的时间,增加了收入来源并优化了成本。

Cloudera AI/ML产品副总裁Priyank Patel指出,Cloudera正在积极整合NVIDIA NIM和CUDA-X微服务,以加强Cloudera Machine Learning的功能,帮助客户将人工智能的潮流转化为实际的业务成果。这次整合不仅为客户提供了强大的生成式AI功能和性能,还将支持企业做出更准确和及时的决策,同时减少预测中的不准确性、幻觉和错误。这些因素都是适应当前数据环境的关键要素。

NVIDIA企业产品副总裁Justin Boitano强调,企业迫切需要利用海量数据来开发生成式AI,以创建定制化的辅助系统和生产力工具。通过将NVIDIA NIM微服务融入到Cloudera Data Platform中,开发人员能够更轻松、灵活地部署支持业务转型的LLM。

Cloudera将在AI时代的开发者峰会NVIDIA GTC上展示全新的AI功能。本届GTC于3月18日至21日在加利福尼亚州圣何塞市的圣何塞麦克内里会展中心举行,参加者包括影响AI和加速计算领域下一步发展方向的企业与创新者。

***

关于Cloudera肯睿

在肯睿 Cloudera,我们深信数据完全有能力将今天的不可能,在明天成为可能。肯睿 Cloudera 可以将放置在不同地方的数据转化为可信的企业人工智能,从而降低成本和风险,提高生产效率,加速业务发展。无论数据驻留于公有云还是私有云环境,我们的开放式湖仓一体解决方案,都可帮助数据管理安全进行以及云原生数据分析的有效移植,助力企业实现对各类数据的管理和分析。

凭借管理着与大型云服务供应商类似的海量数据,肯睿 Cloudera 成为全世界领导企业优选数据合作伙伴之一。通过对数据价值的不断发掘和数据未来的不懈探索,肯睿 Cloudera 始终推动行业变革,同时,依托开源社区的持续创新,肯睿 Cloudera 将继续为打造一个生机勃勃的生态系统而贡献自己的力量。

集简云 集简云

软件集成平台,快速建立企业自动化与智能化

集简云 22 查看详情 集简云

本新闻稿中包括但不限于关于功能和集成的声明均为前瞻性声明。这些声明受到各类不确定性因素的影响,可能导致实际结果与预期存在差异。影响实际结果的重要因素包括:全球经济状况;对供应链第三方的依赖;技术发展和竞争的影响;新产品和技术的开发或对现有产品和技术的改进;我们的产品或合作伙伴产品的市场接受度;设计、制造或软件缺陷;消费者偏好或需求的变化;行业标准和接口的变化;产品或技术整合到系统中时意外的性能损失。这些前瞻性声明无法保证未来,仅代表当今的情况。除法律要求外,Cloudera 不承担更新这些前瞻性声明以反映未来事件或情况的义务。

以上就是肯睿Cloudera 推出多项集成NVIDIA微服务的功能:解锁数据潜力,加速企业生成式AI应用的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/424678.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月7日 10:59:38
下一篇 2025年11月7日 11:00:40

相关推荐

  • html搜索框如何跳转_实现HTML搜索框跳转搜索结果【结果】

    HTML搜索框跳转失败多因表单action或参数错误,可通过五种方法解决:一、百度用form提交至https://www.baidu.com/s?q=关键词;二、Google类似,action为https://www.google.com/search;三、JavaScript拼接必应URL并loc…

    2025年12月23日
    200
  • 从OpenAI API JSON响应中高效提取生成文本内容

    本教程详细指导开发者如何从openai api返回的json格式响应中准确提取生成的文本。通过利用`json.parse()`方法解析响应字符串,并访问`choices[0].text`属性,可以安全、高效地获取核心文本内容,从而避免直接字符串操作的潜在问题,确保api数据处理的健壮性。 OpenA…

    2025年12月23日
    000
  • HTML语义化未来趋势有哪些_HTML语义化在Web发展中的趋势与展望

    HTML语义化正朝着智能、高效、包容发展,深度融合结构化数据与ARIA属性,提升机器理解;2. 组件化趋势推动可复用语义结构普及,Web Components实现自定义语义标签;3. 语义化助力性能优化与可访问性,支持懒加载与内容优先级划分;4. AI工具将自动生成语义化代码并辅助检测,降低实践门槛…

    2025年12月23日
    000
  • manjaro怎么看HTML5_Manjaro系统HTML5支持配置

    Manjaro系统通过配置浏览器和安装必要组件可实现完整HTML5支持。1. 使用Firefox或Chromium等现代浏览器访问https://html5test.com测试支持情况;2. 安装ffmpeg及GStreamer插件(gst-libav、gst-plugins-good/bad/ug…

    2025年12月23日
    000
  • HTML数据如何实现数据智能 HTML数据智能分析的技术架构

    实现HTML数据智能分析需构建包含采集、解析、存储、分析与可视化的闭环系统,首先通过爬虫技术获取网页数据并进行清洗标准化,接着利用DOM树分析与NLP技术提取结构化信息,随后将数据存入合适数据库或数据仓库并建立元数据管理机制,进而应用AI模型开展分类、情感分析、趋势预测与知识图谱构建等智能分析,最终…

    2025年12月23日
    000
  • HTML5 section怎么用_HTML5内容分区标签应用场景说明

    在HTML5中,标签用于定义文档中具有明确主题的独立内容区块,需包含标题以体现其结构性与语义性,常用于文章章节、产品模块等场景,区别于无语义的和可独立分发的。 在HTML5中,section 标签用于定义文档中的一个独立内容区块。它不是简单的容器,而是有语义的结构化标签,表示文档中一个主题性的分区,…

    2025年12月23日
    000
  • htm算法 前景如何_分析HTM算法应用前景

    HTM算法在实时异常检测、预测性维护等时序数据场景中具备应用价值,其无需大量标注数据的特性适合工业监控、网络安防等领域;但受限于生态薄弱、性能不及主流模型及工程实现难度,短期内难以成为主流,更可能作为边缘计算或AI系统补充技术,在特定专业领域持续发展。 HTM(Hierarchical Tempor…

    2025年12月23日
    000
  • HTML结构化数据怎么添加_Schema标记添加教程

    Schema标记通过结构化数据帮助搜索引擎理解网页内容,提升搜索结果展示效果,如添加星级评分、价格等富文本信息。使用JSON-LD或Microdata格式将符合Schema.org标准的类型(如Article、Product)嵌入HTML中,可增强SEO,需通过Google Rich Results…

    2025年12月22日
    000
  • 如何实现自定义提示

    掌握自定义提示需构建迭代工作流,通过明确目标、设定角色、提供上下文、结构化输出、示例引导、迭代优化、负面提示和链式思考,实现AI输出的精准控制与高效协同。 实现自定义提示,核心在于理解与AI模型交互的本质,并将其从“提问”升级为“引导”。它不是简单的抛出问题,而是通过精心设计的语言结构、上下文信息、…

    2025年12月22日
    000
  • JavaScript机器学习与人工智能库应用

    JavaScript在AI领域应用扩展,依托TensorFlow.js实现浏览器内模型推理与训练,利用WebGL加速;ML5.js提供高层接口,简化图像识别、风格迁移等功能调用;Brain.js支持轻量级神经网络开发,适用于前端智能场景如实时检测、自动补全等,虽性能不及Python,但在交互式轻量应…

    2025年12月20日
    100
  • LangChain HNSWLib 向量存储机制与数据持久化指南

    本文详细解析langchain中hnswlib向量存储的工作原理,明确其作为内存存储的特性,指出数据实际存储在项目部署的服务器上,而非langchain官方服务器。同时,文章将指导如何通过save_local()方法将内存中的向量数据持久化到本地文件,确保数据安全与可靠性,并探讨在实际应用中的注意事…

    2025年12月20日
    000
  • 使用LINE Bot与OpenAI API发送文本和贴图的完整教程

    本文详细介绍了如何在LINE Bot中集成OpenAI API生成文本回复,并在此基础上发送LINE贴图。核心挑战在于LINE Messaging API的replyToken通常只能使用一次,导致连续发送文本和贴图时出现400错误。解决方案是利用API支持一次性发送多条消息的特性,将文本和贴图消息…

    2025年12月20日
    000
  • 如何用WebGPU实现实时的光线追踪渲染?

    WebGPU通过计算着色器在通用GPU上软件模拟实时光线追踪,依赖BVH加速结构、WGSL算法实现与优化策略,在浏览器中实现高性能渲染,虽受限于无硬件RT核心、BVH动态更新难等瓶颈,但随标准演进与生态成熟,未来潜力巨大。 WebGPU确实能够实现实时的光线追踪渲染,但其核心机制与传统硬件加速的光线…

    2025年12月20日
    000
  • 如何用WebGPU计算着色器进行通用GPU计算?

    WebGPU计算着色器通过WGSL和JavaScript API实现浏览器内的GPGPU,支持跨平台高性能并行计算,相比CUDA/OpenCL牺牲部分底层控制以换取部署便利,未来将在AI推理、科学计算等领域持续拓展。 WebGPU计算着色器为浏览器带来了通用GPU计算(GPGPU)的能力,它允许开发…

    2025年12月20日
    000
  • c++如何使用CUDA进行GPU并行计算_c++ NVIDIA GPU编程入门【HPC】

    C++结合CUDA在NVIDIA GPU上并行计算的核心是编写__global__核函数并在GPU线程中并发执行,CPU负责数据准备、内存搬运和启动kernel;需正确配置CUDA环境、管理host/device内存、同步执行并避免常见陷阱。 要用C++结合CUDA在NVIDIA GPU上做并行计算…

    2025年12月19日
    000
  • 如何用C++进行GPU通用计算(GPGPU)?SYCL C++并行编程入门【高性能】

    SYCL是Khronos Group推出的ISO C++兼容的单源异构编程标准,支持CPU/GPU/FPGA跨平台并行计算,通过buffer/accessor自动管理内存与同步,无需CUDA/HIP裸代码,一套代码可运行于Intel/AMD/NVIDIA设备。 用C++做GPU通用计算,不一定要写C…

    2025年12月19日
    000
  • c++如何使用TensorRT进行模型部署优化_c++ NVIDIA推理引擎入门【AI】

    TensorRT是NVIDIA提供的高性能深度学习推理优化库,专为C++设计,通过序列化→优化→部署流程加速已训练模型在GPU上的推理。 TensorRT 是 NVIDIA 提供的高性能深度学习推理(Inference)优化库,专为 C++ 环境设计,能显著提升模型在 GPU 上的运行速度、降低延迟…

    2025年12月19日
    000
  • c++如何使用C++ AMP或SYCL进行GPU编程_c++异构计算入门【HPC】

    C++ AMP 已被微软弃用,不建议新项目使用;SYCL 是当前更主流、跨平台、标准化的 C++ 异构编程方案,推荐从 SYCL 入手,因其支持多平台、多硬件后端且生态活跃。 直接说结论:C++ AMP 已被微软弃用,不建议新项目使用;SYCL 是当前更主流、跨平台、标准化的 C++ 异构编程方案,…

    2025年12月19日
    000
  • c++如何使用NVIDIA Nsight工具分析GPU程序_c++ CUDA性能调试【工具】

    Nsight Compute是定位CUDA核函数瓶颈的首选工具,可精确到指令级,通过ncu命令采集指标(如Occupancy、Memory Throughput),结合cuda-memcheck排查非法内存访问,并需确认kernel实际执行与上下文初始化。 用Nsight Compute分析CUDA…

    2025年12月19日
    000
  • c++如何使用C++ AMP或CUDA进行GPU编程_c++异构计算入门

    C++中GPU编程主要通过CUDA和C++ AMP实现。1. CUDA由NVIDIA推出,需使用nvcc编译器,在.cu文件中编写kernel函数,通过cudaMalloc分配显存,cudaMemcpy传输数据,配置grid和block启动并行计算。2. C++ AMP是微软提供的库,基于Direc…

    2025年12月19日
    000

发表回复

登录后才能评论
关注微信