Aviz und TensorWave arbeiten gemeinsam an der Verbesserung von GPU-Services mit innovativen RoCE-basierten AI Fabrics

Der heutige Tag ist ein wichtiger Meilenstein: Aviz Networks, ein führender Anbieter von KI-Netzwerklösungen, gibt die Kooperation mit TensorWave, einem richtungsweisenden Anbieter von GPU-as-a-Service, bekannt. Der Fokus der Kooperation liegt auf intelligenten Netzwerken zur Unterstützung von KI. Erreicht wird dies durch die Implementierung von RoCE-basierten (RDMA over Converged Ethernet) AI Fabrics zur Optimierung von GPU-as-a-Service-Angeboten. Die Implementierung erfolgt mithilfe der Open Network Enterprise Suite (ONES) von Aviz, einer herstellerübergreifenden SONiC-Lösung.

Durch den Einsatz der Technologie von Aviz Networks wird TensorWave sein GPU-as-a-Service-Angebot durch die Nutzung innovativer AMD-basierter Beschleuniger des Typs MI300 erweitern, um den gewachsenen Anforderungen eines Marktes gerecht zu werden, in dem Unternehmen bestrebt sind, Generative KI, Large Language Models (LLM) und Machine Learning für ihre Geschäftstätigkeit zu nutzen. Aviz Networks ist bekannt für seine Produktreihe Networking 3.0, die bei KI-gestützten Netzwerkbetriebs- und Netzwerkmanagementlösungen eine Spitzenposition einnimmt.

TensorWave hat sich schnell zum führenden Anbieter von GPU-as-a-Service entwickelt. Diese Kooperation wird die Kompetenzen des Unternehmens weiter stärken. Die Integration der Technologie von Aviz wird die Verwaltung und den Betrieb von RoCE-basierten AI Fabrics verschiedener Anbieter ermöglichen, was für die Handhabung unterschiedlicher GPUs, DPUs und High-Radix-Switches ganz entscheidend ist. Zu den besonderen Fähigkeiten der ONES zählen RoCE-Orchestrierung, Echtzeit-Transparenz und schwellenwertbasierte Anomalie-Erkennung. Damit ist die Lösung der einzige herstellerunabhängige AI Fabric Controller auf dem Markt.

Erweiterte RoCE-Orchestrierung und Anomalie-Erkennung in Echtzeit

Die ONES zeichnet sich durch ihre innovativen ROCE-Orchestrierungsfunktionen aus, mit denen Puffereinstellungen, Priority Flow Control (PFC) und Explicit Congestion Notification (ECN) präzise verwaltet werden können. Diese präzise Orchestrierung stellt sicher, dass die Daten auf effiziente Weise durch das Netzwerk geleitet werden, was für KI- und Machine-Learning-Anwendungen, die die Verarbeitung in Echtzeit erfordern, von entscheidender Bedeutung ist.