Operating Distributed Inference Systems at Scale — Nishant Gupta & Naman Ahuja, Meta
Meta hanterar redan mer inferensanrop än världens största mikrotjänster, och volymen växer snabbast av alla arbetsbelastningar de kör.
Nishant Gupta jämför utvecklingen med molnets historia 2008: värdet rörde sig från enskilda virtuella maskiner till orkestrerare som kan hantera komplexitet. För AI-inferens händer samma förskjutning på några år. Det nya är kopplingar mellan lager — en beslut om vart en förfrågan ska skickas påverkar cacheminnet, som påverkar GPU-belastningen, som påverkar autoskalering. Naman Ahuja förklarar att inferens behöver sin egen kontrolplan, ungefär som virtuella maskiner behövde Kubernetes.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
What Runs Where? Local AI in Production — Ahmad Osman, Osmantic
AI Engineer 21 nov.
Experts say AI has made planning cyberattacks on industrial equipment faster by helping attackers read manuals and research past accidents more quickly
Techmeme för 1 tim sedan
Current and former officials from the US and other countries describe the Chinese spy agency MSS' campaign to help Chinese companies acquire advanced AI chips
Techmeme för 5 tim sedan
Tesla rolls out FSD v15, featuring a photorealistic rendering of car surroundings; Elon Musk says it is real-time AI video generation without using game engines
Techmeme för 6 tim sedan
