Akamai 執行的內部基準測試表明，使用 NVIDIA RTX 4000 GPU 執行編碼時的每秒幀數 (FPS) 達到了基于 CPU 的傳統編碼和轉碼方法的 25 倍，這代表著流媒體服務提供商在典型工作負載處理方式這一難題上取得了重大進步。
通過使用 Akamai 的產品，媒體和娛樂公司可以構建可擴展且具備出色恢復能力的架構，并以更快速、更可靠、可移植性更高的方式來部署工作負載，同時還能充分利用分布極為廣泛的云平臺以及集成的內容交付和安全服務。
Akamai 云產品副總裁 Shawn Michels 表示：“媒體公司需要低延遲、性能可靠的計算資源來保持所創建工作負載的可移植性。NVIDIA GPU 在部署到 Akamai 的全球邊緣平臺之后，表現出了極高的性價比。我們與計算合作伙伴及開放式平臺齊心協力，使客戶有能力構建獨立于云且支持多云架構的下一代工作負載。”
對行業優化 GPU 的需求
媒體行業一直非常重視使用 NVIDIA GPU 來支持構建大型語言模型，而 Akamai 專為媒體行業定制的 GPU 服務充分考量了該行業產品服務尚存不足、成本也較為高昂的問題。憑借在該領域深耕的悠久歷史以及積累的深厚經驗，Akamai 對其面向 GPU 的新產品進行了精心調整，以滿足媒體和娛樂行業嚴苛且特別的需求。
應用場景
NVIDIA RTX 4000 GPU 在速度和能效方面表現極為出色，足以應對要求嚴格的創意、設計和工程工作流程，適用于數字內容創建、3D 建模、渲染、推理以及視頻內容和流媒體傳輸。媒體相關的應用場景包括：
● 視頻轉碼和視頻直播：GPU 可以在視頻直播中執行快于實時的轉碼，同時通過減少緩沖來改善流媒體傳輸體驗，甚至還能進行回放，而與基于 CPU 的傳統轉碼相比，基于 GPU 的編碼還能提高效率并縮短處理時間。NVIDIA RTX 4000 GPU 采用了最新一代 NVIDIA NVENC 和 NVDEC 硬件，可為同時執行編碼和解碼的任務提供更大容量。在需要執行高吞吐量視頻處理的應用場景（如直播）中，這一點至關重要。第 8 代 NVENC 引擎支持最新的視頻編解碼器，包括高效的 AV1 編解碼器，它能夠以更低的比特率實現更高的視頻質量。
● 虛擬現實 (VR) 和增強現實 (AR) 內容：VR 和 AR 的應用場景需要對 3D 圖形和多媒體內容進行實時渲染，而 GPU 正是處理此類內容的理想之選。
Akamai 專門針對媒體市場優化了新的解決方案，而對于希望構建與其他一些行業應用場景相關的應用程序的開發人員和公司來說，這一新產品同樣適用。這些應用場景包括：
● 生成式人工智能和機器學習 (Gen AI/ML)：GPU 云計算的一大主要應用場景就是生成式 AI/ML。GPU 非常適合利用神經網絡進行訓練和推理的這類任務，因為它們可以并行執行大量計算，這樣就能更快、更高效地訓練新模型，從而提高準確性和性能。NVIDIA RTX 4000 GPU 利用了 NVIDIA Ada Lovelace 架構，可在推理任務中發揮出色的性能。總計 192 個第四代 Tensor Core 可實現更多數據計算類型的加速，同時還具有新的細粒度結構化稀疏性 (Fine-Grained Structured Sparsity) 功能，其張量矩陣運算的吞吐量達到了上一代產品的 4 倍。該產品還擁有 20 GB 的 GDDR6 顯存，提供了適用于大模型和數據集的超強處理能力。
● 數據分析和科學計算：GPU 云計算還在數據分析和科學計算領域得到了廣泛運用，原因在于該領域的計算任務必然常常涉及到需要處理大量數據。這些任務既需要耗用大量時間，也需要占用大量計算資源。GPU 可以并行處理大量數據，更快速、更高效地完成分析和模擬，從而實現這些任務的加速。
● 游戲和圖形渲染：GPU 廣泛應用于游戲行業，主要是執行與視頻游戲開發相關的圖形渲染和其他任務。這是因為 GPU 的設計非常適合進行復雜的圖形處理，并且可以實現快速、高質量的 3D 圖形渲染。
● 高性能計算：由 GPU 提供支持的云計算可廣泛運用于需要快速高效處理大量數據的各種高性能計算應用場景，例如建模和仿真。GPU 還可用于對仿真、計算和其他計算密集型任務的加速，從而幫助更快獲取結果并實現更出色的性能。
Michels 補充表示：“要支持各種各樣的工作負載，客戶需要擁有豐富的計算實例。我們推出了行業優化 GPU，但這也只是我們眾多客戶舉措的其中一步。通過這些舉措，我們將進一步提升整個計算連續體內的實例多樣性，從而推動開發邊緣原生應用程序并為其提供支持。”
