Cloud-platformen Snowflake og Nvidia er gået sammen om at lancere en platform, der gør det muligt for Snowflake-brugere at skabe skræddersyede AI-applikationer med deres data.
Partnerskabet blev annonceret på Snowflake Summit 2023, hvor Nvidias CEO Jensen Huang fik overrakt et snowboard som gave af Snowflakes CEO Frank Slootman.
Samarbejdet indebærer integration af Nvidias NeMo-platform til store sprogmodeller (LLM'er) i Snowflake Data Cloud. Det vil gøre det muligt for virksomheder at bruge de data, der er gemt i Snowflake-konti, til at udvikle LLM'er.
Sådan her fungerer det:
- Mange virksomheder bruger allerede Snowflake til at gemme interne data.
- Virksomheder bruger Nvidias NeMo framework til at bygge AI med deres data.
- De træner og implementerer disse applikationer med Nvidias GPU'er.
Microsoft Azure tilbød et lignende produkt tidligere på året, hvilket viser, at store teknologivirksomheder ønsker at tilbyde virksomheder flere muligheder for at bruge deres egne data til at bygge AI-modeller.
Nvidias NeMo, en cloud-native virksomhedsplatform, gør det muligt for brugerne at bygge, tilpasse og implementere generative AI-modeller med milliarder af parametre. Planen er, at Snowflake skal hoste og køre NeMo i Snowflake Data Cloud, hvilket baner vejen for, at kunderne kan udvikle og udrulle tilpassede LLM'er til generative AI-applikationer.
Manuvir Das, Nvidias chef for enterprise computing, diskuterede, hvordan dette gør det muligt for Snowflake-kunder at drage fordel af Nvidias banebrydende AI-infrastruktur.
"De kan arbejde med deres egne data for at bygge ... avancerede generative AI-applikationer uden at flytte dem ud af det sikre Data Cloud-miljø. Det vil reducere omkostningerne og ventetiden, samtidig med at datasikkerheden opretholdes," siger han.
Huang fremhævede datas rolle i udformningen af generative AI-applikationer, der arbejder med virksomhedsdata: "Sammen vil Nvidia og Snowflake skabe en AI-fabrik, der hjælper virksomheder med at omdanne deres værdifulde data til brugerdefinerede generative AI-modeller for at drive banebrydende nye applikationer - direkte fra den cloud-platform, de bruger til at drive deres forretning."
Denne opsætning gør det muligt for virksomheder at bruge data, der allerede er gemt i Snowflake - de behøver ikke at flytte dem fra andre steder. Det er ikke kun meget hurtigere end at opbygge AI-udviklingspipelines fra bunden, men det er også mere sikkert.
Virksomheder ønsker at udnytte deres data til AI
Virksomhederne vil gerne udnytte AI fuldt ud, men de mangler ofte teknologien til at gøre det - også selvom de har ekspertise inden for datalogi og teknik.
Nogle virksomheder er vender sig mod open source-modeller bygget og implementeret ved hjælp af deres ressourcer, men Nvidias løsning er skalerbar til Big Data-applikationer, der involverer terabytes eller endda petabytes af data.
Das mener, at virksomheder, der anvender brugerdefinerede generative AI-modeller, der er trænet på deres egne data, vil være et skridt foran dem, der bruger leverandørspecifikke modeller. Det er det bedste fra begge verdener, hvor egne data kombineres med Nvidias banebrydende AI-værktøjer i Snowflake-økosystemet.
"Mere end 8.000 Snowflake-kunder gemmer exabytes af data i Snowflake Data Cloud. Da virksomheder ønsker at tilføje generative AI-funktioner til deres applikationer og tjenester, er disse data brændstof til at skabe brugerdefinerede generative AI-modeller," forklarer Das.
Nvidia leverer accelereret databehandling og AI-software som en del af dette partnerskab. De to virksomheder er i øjeblikket i gang med at udvikle Nvidias AI-motor sammen med Snowflakes Data Cloud.
Med Das' ord: "Generativ AI er en mulighed til flere billioner dollars og har potentiale til at forandre alle brancher, når virksomheder begynder at bygge og implementere tilpassede modeller ved hjælp af deres værdifulde data."
Nvidias enorme værdistigning i år har givet næring til et stort antal nye software- og hardwareprojekter.
For eksempel sætter deres nye H100 GPU'er nye standarder for AI-træningsydelse, hvilket muliggør nye generationer af større og bedre modeller.
