Akamai Technologies, Inc. hat sein wachsendes Cloud-Portfolio um ein neues medienoptimiertes Angebot auf der Basis von NVIDIA-GPUs erweitert. Mit der NVIDIA RTX 4000 Ada Generation GPU bietet der neue Cloud-basierte Service eine bessere Produktivität und Wirtschaftlichkeit für Unternehmen in der Medien- und Unterhaltungsbranche, die Videoinhalte schneller und effizienter verarbeiten müssen. Ein von Akamai durchgeführtes internes Benchmarking hat gezeigt, dass die GPU-basierte Kodierung mit der NVIDIA RTX 4000 Bilder pro Sekunde (FPS) 25-mal schneller verarbeitet als herkömmliche CPU-basierte Kodierungs- und Transkodierungsmethoden, was einen bedeutenden Fortschritt in der Art und Weise darstellt, wie Anbieter von Streaming-Diensten ihre typischen Workload-Herausforderungen bewältigen.

Mit dem Angebot von Akamai können Medien- und Unterhaltungsunternehmen skalierbare, widerstandsfähige Architekturen aufbauen und Workloads einsetzen, die schneller, zuverlässiger und portabel sind, während sie gleichzeitig die Vorteile der weltweit am weitesten verbreiteten Cloud-Plattform und der integrierten Content-Delivery- und Sicherheitsdienste nutzen. Der NVIDIA RTX 4000 Grafikprozessor erreicht die Geschwindigkeit und Energieeffizienz, die für anspruchsvolle Kreativ-, Design- und Engineering-Workflows für die Erstellung digitaler Inhalte, 3D-Modellierung, Rendering, Inferencing sowie Videoinhalte und Streaming erforderlich sind. Zu den medienspezifischen Anwendungsfällen gehören: Videotranskodierung und Live-Videostreaming: GPUs können Live-Videostreams schneller als in Echtzeit transkodieren und so das Streaming-Erlebnis durch weniger Pufferung und gleichmäßige Wiedergabe verbessern, während GPU-basierte Kodierung die Effizienz verbessert und die Verarbeitungszeiten im Vergleich zur herkömmlichen CPU-basierten Transkodierung verkürzt.

Der NVIDIA RTX 4000 Grafikprozessor ist mit der neuesten Generation der NVIDIA NVENC und NVDEC Hardware ausgestattet, die zusätzliche Kapazität für gleichzeitige Kodierungs- und Dekodierungsaufgaben ermöglicht. Dies ist entscheidend für Anwendungen, die eine Videoverarbeitung mit hohem Durchsatz erfordern, wie z.B. Live-Streaming. Die NVENC-Engines der achten Generation bieten Unterstützung für die neuesten Videocodecs, einschließlich des hocheffizienten AV1-Codecs, der eine höhere Videoqualität bei niedrigeren Bitraten ermöglicht.

Virtual Reality (VR) und Augmented Reality (AR) Inhalte: VR- und AR-Anwendungen erfordern das Rendern von 3D-Grafiken und Multimedia-Inhalten in Echtzeit. GPUs sind ideal für die Verarbeitung solcher Inhalte. Akamai hat die neue Lösung zwar für den Medienmarkt optimiert, aber das neue Angebot eignet sich auch für Entwickler und Unternehmen, die Apps für verschiedene andere Anwendungsfälle in der Branche entwickeln möchten: Generative künstliche Intelligenz und maschinelles Lernen (Gen AI/ML): Eine der wichtigsten Anwendungen von GPU-Cloud-Computing ist die generative KI/ML.

GPUs eignen sich hervorragend für Aufgaben wie das Training und die Inferenz mit neuronalen Netzwerken, da sie viele Berechnungen parallel durchführen können, was ein schnelleres und effizienteres Training neuer Modelle ermöglicht, was zu einer besseren Genauigkeit und Leistung führen kann. Der NVIDIA RTX 4000 Grafikprozessor nutzt die NVIDIA Ada Lovelace Architektur, um außergewöhnliche Leistung bei Inferenzaufgaben zu liefern. Insgesamt 192 Tensor Cores der vierten Generation beschleunigen mehr Datentypen und bieten eine neue Fine-Grained Structured Sparsity-Funktion für einen bis zu vierfachen Durchsatz bei Tensor-Matrix-Operationen im Vergleich zur vorherigen Generation.

Der integrierte 20 GB GDDR6-Speicher bietet umfangreiche Kapazitäten für große Modelle und Datensätze. Datenanalyse und wissenschaftliches Rechnen: GPU-Cloud-Computing wird auch häufig in der Datenanalyse und im wissenschaftlichen Rechnen eingesetzt, da es sich dabei um Aufgaben handelt, die oft die Verarbeitung großer Datenmengen beinhalten. Diese Aufgaben sind zeitaufwändig und rechenintensiv.

GPUs können dazu beitragen, diese Aufgaben zu beschleunigen, indem sie große Datenmengen parallel verarbeiten, was schnellere und effizientere Analysen und Simulationen ermöglicht. Spiele und Grafik-Rendering: GPUs sind in der Spieleindustrie weit verbreitet, vor allem für das Grafik-Rendering und andere Aufgaben im Zusammenhang mit der Entwicklung von Videospielen. Das liegt daran, dass GPUs für die Verarbeitung komplexer Grafiken ausgelegt sind und ein schnelles, hochwertiges Rendering von 3D-Grafiken ermöglichen.

Leistungsstarkes Computing: GPU-fähiges Cloud Computing wird in der Regel für High-Performance-Computing-Anwendungen wie Modellierung und Simulation eingesetzt, die eine schnelle und effiziente Verarbeitung großer Datenmengen erfordern. GPUs können auch verwendet werden, um Simulationen, Berechnungen und andere rechenintensive Aufgaben zu beschleunigen, was zu schnelleren Ergebnissen und besserer Leistung führt.