众多企业正积极推进数据中心现代化升级，以支撑AI应用与数据科学的高效运行。与此同时，NVIDIA与VMware展开深度合作，共同简化混合云环境中多样化AI工作负载从开发到部署的完整流程。

具体而言，双方利用NVIDIA AI Enterprise软件套件，对最新发布的vSphere 7 Update 2进行了针对AI的深度优化（见图1）。鉴于已有数十万家企业基于vSphere运行计算虚拟化，这一组合显著提升了CUDA应用、AI框架、模型及SDK的扩展性、多节点性能与兼容性。

此次合作在行业内开创先河：AI研究员、数据科学家和开发者获得了一套可直接交付项目的完整软件；而IT人员则能沿用熟悉的大规模数据中心管理工具，无缝实现AI工作负载的高效管理，性能毫不妥协。

图1：NVIDIA AI Enterprise for VMware vSphere运行于NVIDIA认证系统，助力IT部门轻松实现虚拟化AI的大规模部署。

全面完善的企业级AI软件套件

NVIDIA AI Enterprise是一套功能完备的AI工具与框架，专为制造、物流、金融、零售、医疗等关键行业量身设计，助力优化业务流程、提升运营效率。借助该套件，科学家和AI研究人员能够快速上手NVIDIA领先的AI工具，开展高级诊断、智能工厂、欺诈检测等项目。

此前，部署单个AI应用往往面临诸多挑战：手动配置各类不兼容的应用与基础设施软件不仅繁琐，还容易出错。NVIDIA AI Enterprise直接解决了这一痛点。

客户在vSphere上运行NVIDIA AI Enterprise后，无需再构建难以管理、安全性差且易形成数据孤岛的专用AI系统。同时，还能有效规避“影子AI”风险——即数据科学家和机器学习工程师绕过IT部门自行调配资源的行为。

获得NVIDIA许可证后，AI Enterprise for vSphere可在NVIDIA认证系统上获得支持，这些系统涵盖戴尔科技、新华三、慧与、浪潮、联想、超微等厂商的高容量服务器。即使是最先进、资源需求最大的AI应用，也能像传统企业工作负载一样，在通用基础设施上通过VMware vCenter等管理工具轻松部署与管理。IT部门可有效管理可用性、调整资源分配，并保护运行于本地和混合云环境中的AI工作负载所涉及的宝贵知识产权及客户数据安全。

可扩展的多节点虚拟化AI性能

NVIDIA AI Enterprise使虚拟化工作负载在vSphere上实现接近裸机的性能，借助NVIDIA A100 GPU在AI与数据科学领域获得突破性表现（表1）。当前，AI工作负载可扩展至多个节点，即使是最大规模的深度学习训练模型，也能在VMware Cloud Foundation上以完整的GPU虚拟化方式运行。

表1：NVIDIA AI Enterprise for vSphere实现分布式深度学习训练在多节点间的线性扩展，并提供与裸机完全一致的性能表现。

AI工作负载的规模与数据需求差异显著。部分任务处理图像，例如实时路况报告或网购推荐；另一些则基于文本，如对话式AI客服。训练AI模型所需的数据量极为庞大，需要在多个节点的多个GPU上扩展性能。而推理任务通常所需的计算资源较少，可能无需占用整个GPU。

NVIDIA与VMware携手将vSphere打造为唯一一款通过NVIDIA多实例GPU（MIG）技术为实时迁移提供虚拟机监视器支持的计算虚拟化软件。借助MIG技术，每个A100 GPU可从硬件层面划分为最多7个独立实例，从而最大化不同规模工作负载的运行效率。

丰富的AI应用与基础设施资源

NVIDIA AI Enterprise集成了NVIDIA的关键技术与软件，助力用户在VMware Cloud Foundation虚拟化数据中心内快速部署、管理并扩展AI工作负载。该套件是经过认证的端到端解决方案，涵盖NVIDIA的核心AI技术、应用及企业级支持服务。

计划在升级至vSphere 7 U2时采用NVIDIA AI Enterprise的客户，可直接联系NVIDIA与VMware提出需求。