Apprenez des langues naturellement grâce à des contenus frais et authentiques !

Appuyez pour traduire - enregistrement

Explorer par région

flag Près de la moitié des entreprises gaspillent des millions de GPU sous-utilisés malgré les problèmes de coûts, ce qui incite des outils comme ClearML à accroître l'efficacité par le partage fractionnel de GPU.

flag Un nouveau rapport ClearML révèle que près de la moitié des entreprises gaspillent des millions en raison de la sous-utilisation de la capacité de GPU malgré la priorité accordée au contrôle des coûts et à l'efficacité en 2025-2026. flag Alors que 35 % visent à améliorer l'utilisation des GPU, 44 % continuent de dépendre de l'affectation manuelle de la charge de travail ou de l'absence de stratégies officielles, ce qui entraîne des retards dans le développement de l'IA. flag La gestion des coûts est le principal défi pour 53 %, et la gouvernance des données, des modèles et des calculs est une priorité clé pour beaucoup. flag Pour remédier aux inefficacités, ClearML a élargi le support de partitionnement GPU fractionnel sur les GPU Instinct AMD, permettant à plusieurs charges de travail de fonctionner simultanément sur un GPU unique avec une gestion automatisée et centralisée. flag La plateforme d'agnostic du silicium améliore l'efficacité des ressources, réduit la capacité de ralenti et soutient des environnements hétérogènes, aidant les entreprises à maximiser le rendement sans augmenter les coûts d'infrastructure.

22 Articles

Pour aller plus loin