研究：GPU是数据处理领域的“瑞士军刀”，不止于AI特定应用

研究表明，自从2022年以来，有关人工智能（AI）的讨论激增了383%。然而，根据数据编排服务商Hammerspace日前发布的《下一个数据周期的状态：如何使用GPU?》的研究报告，到2024年，在高达650亿美元的全球GPU市场中，只有一小部分被用于AI特定应用。这意味着GPU在AI之外还有广阔的应用空间。

Hammerspace创始人兼CEO David Flynn表示：“引领下一轮创新潮流的关键因素在于企业如何有效激活并利用其非结构化数据。我们的研究表明，许多企业最初为AI项目购买的GPU正在成为数据处理领域的‘瑞士军刀’，以我们从未预料到的方式释放各行各业的价值。”

该报告强调了企业中GPU利用率的动态变化，揭示了许多公司正在将这些资源重新用于各种非AI应用，以实现可衡量的结果。

企业加大GPU和AI投资

该报告基于LinkedIn、Twitter、Reddit、GitHub和Discord等平台上约200位行业领导者参与的约17,000次数字对话，揭示了企业在GPU和AI投资方面的应对策略。

报告揭示，大多数企业主要关注的是思想领导力（60%）和提高生产力（59%），而专门针对实现更优AI成果的创新讨论仅占18%。

在伦理道德相关讨论中，有高达51%的内容集中在政策和最佳实践上，这反映了人们对负责任AI开发的日益关注。

尽管很多企业在AI基础设施（包括功能强大的GPU芯片）上投入了大量资金，但尚未充分利用这些资源来处理AI工作负载。与其相反，GPU正越来越多地被应用于诸如强化大数据处理与分析项目等传统任务中。

正如Hammerspace的报告所概述的那样，GPU的应用范围极为广泛，涵盖了包括大型科技公司、科学研究和媒体娱乐等行业，充分展现了其高度的灵活性与适应性。

GPU多领域应用案例

该报告介绍了Meta平台、美国洛斯阿拉莫斯国家实验室（LANL）和一家知名流媒体提供商等公司的案例研究，说明了GPU的不同用途。

例如，Meta部署了24000多个NVIDIA H100 GPU来支持其Llama 2和Llama 3模型的训练，通过优化GPU性能来提高效率和弹性。

LANL简化了其混合超级计算机环境，该环境集成了CPU和GPU处理，以支持高性能计算（HPC）和AI研究。该基础设施被应用于涵盖国家安全、流行病防范和气候变化缓解的项目。通过将孤立的文件系统整合到一个统一的平台中，LANL提高了各种工作负载的资源使用率以及高级数据架构的效率。

另一个例子是一家知名流媒体公司，该公司利用GPU-CPU集成来改进其推荐算法，并为数百万用户优化视频流质量。该报告称，通过将GPU与CPU相结合，该公司提高了其个性化内容推荐的速度和准确性，从而显著提高了流媒体性能。

AI之外的关键资产

正如该报告指出的那样，越来越多的公司不仅将GPU用于AI，还将其用于一系列现有的大数据项目。这种灵活多变的应用方式已被证明是有益的举措，带来了一些超出最初预期的意外收益。

尽管高盛的分析师指出，GPU的供应限制将继续影响AI项目的部署，至少持续到2025年中期，但该报告预计，全球GPU市场规模到2029年将增长到2740亿美元。

与此同时，Tangoe进行的另一项调查发现，72%的受访者认为以AI为主题的云支出正变得难以管理（难以核算ROI）。

根据该机构对500名IT和金融专业人士的调查，仅在过去一年，这一类别的支出就增长了30%。对于部分仍在计算能力投资回报上持观望态度的企业来说，这种增长显然是不可持续的。