集成式超级计算架构
AI Hypercomputer
AI 优化了硬件、软件和消耗情况，这些因素共同提高了生产力和效率。
概览
性能优化型硬件
我们的基础架构（包括 Google Cloud TPU、Google Cloud GPU、Google Cloud Storage 和底层 Jupiter 网络）在性能上经过优化，具有强大的缩放特性，能一致地为大型最先进的模型提供最快的训练速度，因此是对大型模型而言性价比最高的架构。
开放软件
我们的架构经过优化，可支持最常见的工具和库，例如 Tensorflow、Pytorch 和 JAX。此外，客户还可以利用 Cloud TPU 多切片和多主机配置等技术，以及 Google Kubernetes Engine 等托管式服务。这让客户能够为常见工作负载（例如由 SLURM 编排的 NVIDIA NeMO 框架）提供开箱即用的部署服务。
灵活使用
我们灵活的消费模式允许客户根据自己的业务需求，选择具有承诺使用折扣的固定费用或动态的按需模式。动态工作负载调度程序可帮助客户获得所需的容量，而不会产生过度分配，因此只需为需要的资源付费。此外，Google Cloud 的费用优化工具有助于自动利用资源，减少工程师的手动任务。
工作方式
Google 开发出了 TensorFlow 等技术，是人工智能领域的领军者。你知道吗？你可以在自己的项目中利用 Google 的技术。了解 Google 在 AI 基础架构方面的创新轨迹，以及如何利用这些创新技术来处理您的工作负载。
常见用途
运行大规模 AI 训练
强大、可伸缩且高效的 AI 训练
Cloud TPU Multislice 训练是一种全栈技术，让您可以在数以万计的 TPU 芯片上快速、轻松、可靠地进行大规模 AI 模型训练。
Character AI 利用 Google Cloud 扩大规模
“我们需要 GPU 来生成对用户消息的响应。随着我们平台上的用户越来越多，我们需要更多的 GPU 来为他们提供服务。因此，我们可以在 Google Cloud 上开展实验，寻找适合特定工作负载的平台。可以灵活选择最有价值的解决方案，真是太好了。”Myle Ott，Character.AI 创始工程师
其他资源
强大、可伸缩且高效的 AI 训练
Cloud TPU Multislice 训练是一种全栈技术，让您可以在数以万计的 TPU 芯片上快速、轻松、可靠地进行大规模 AI 模型训练。
客户案例
Character AI 利用 Google Cloud 扩大规模
“我们需要 GPU 来生成对用户消息的响应。随着我们平台上的用户越来越多，我们需要更多的 GPU 来为他们提供服务。因此，我们可以在 Google Cloud 上开展实验，寻找适合特定工作负载的平台。可以灵活选择最有价值的解决方案，真是太好了。”Myle Ott，Character.AI 创始工程师
交付 AI 赋能的应用
利用开放式框架提供 AI 赋能的体验
Google Cloud 的开放软件生态系统让您可以使用自己最熟悉的工具和框架构建应用，同时充分利用 AI Hypercomputer 架构的性价比优势。
Priceline：帮助旅客策划独特体验
“与 Google Cloud 合作采用生成式 AI 后，我们通过聊天机器人就能提供定制旅行规划服务。我们的目标不仅仅是为客户安排行程，还要协助他们打造独特的旅行体验。”Martin Brodbeck，Priceline 首席技术官
其他资源
利用开放式框架提供 AI 赋能的体验
Google Cloud 的开放软件生态系统让您可以使用自己最熟悉的工具和框架构建应用，同时充分利用 AI Hypercomputer 架构的性价比优势。
客户案例
Priceline：帮助旅客策划独特体验
“与 Google Cloud 合作采用生成式 AI 后，我们通过聊天机器人就能提供定制旅行规划服务。我们的目标不仅仅是为客户安排行程，还要协助他们打造独特的旅行体验。”Martin Brodbeck，Priceline 首席技术官
经济高效地大规模提供模型
最大限度地提高大规模提供 AI 服务的性价比
提供 NVIDIA L4 GPU 的 Cloud TPU v5e 和 G2 虚拟机实例能够针对各种各样的 AI 工作负载（包括最新的 LLM 和生成式 AI 模型）进行高性能且经济实惠的推理。与以前的模型相比，两者的性价比都得到了显著提升，并且 Google Cloud 的 AI Hypercomputer 架构能够让客户将部署规模扩大到行业领先的水平。
Assembly AI 利用 Google Cloud 提高成本效益
“我们的实验结果表明，对于我们的模型，在进行大规模推理时，Cloud TPU v5e 是最具成本效益的加速器。其性价比是 G2 的 2.7 倍，是 A2 实例的 4.2 倍。”Domenic Donato，
AssemblyAI 技术副总裁
其他资源
最大限度地提高大规模提供 AI 服务的性价比
提供 NVIDIA L4 GPU 的 Cloud TPU v5e 和 G2 虚拟机实例能够针对各种各样的 AI 工作负载（包括最新的 LLM 和生成式 AI 模型）进行高性能且经济实惠的推理。与以前的模型相比，两者的性价比都得到了显著提升，并且 Google Cloud 的 AI Hypercomputer 架构能够让客户将部署规模扩大到行业领先的水平。
客户案例
Assembly AI 利用 Google Cloud 提高成本效益
“我们的实验结果表明，对于我们的模型，在进行大规模推理时，Cloud TPU v5e 是最具成本效益的加速器。其性价比是 G2 的 2.7 倍，是 A2 实例的 4.2 倍。”Domenic Donato，
AssemblyAI 技术副总裁
Google Cloud 上的开源模型
将模型服务扩展到多个 GPU
使用 GKE 中的多主机 TPU 和 Saxml 来提供 LLM
