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

Sujets populaires
Explorer par région
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.
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.
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.
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.
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.
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.
Nearly half of enterprises waste millions on underused GPUs despite cost concerns, prompting tools like ClearML to boost efficiency via fractional GPU sharing.