Akamai 推出基于 NVIDIA 産品的雲基礎架構和服務，實作更優化的媒體視訊處理

”

Akamai利用經濟高效的 NVIDIA GPU 執行全新編碼，助力流媒體平台優化處理視訊

負責支援和保護網絡生活的雲服務提供商阿卡邁技術公司（Akamai Technologies, Inc.，以下簡稱：Akamai），近日在其日益豐富的雲産品陣容中又增添了一款基于 NVIDIA GPU 的媒體優化型産品。這款全新的雲服務産品基于 NVIDIA RTX 4000 Ada Generation GPU，為媒體和娛樂行業的公司帶來了更高的工作效率和經濟性，幫助他們解決了如何更快速、更高效地處理視訊内容的難題。

Akamai 執行的内部基準測試表明，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，這代表着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 的産品，媒體和娛樂公司可以建構可擴充且具備出色恢複能力的架構，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雲平台以及內建的内容傳遞和安全服務。

Akamai 雲産品副總裁 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建立工作負載的可移植性。NVIDIA GPU 在部署到 Akamai 的全球邊緣平台之後，表現出了極高的成本效益。我們與計算合作夥伴及開放式平台齊心協力，使客戶有能力建構獨立于雲且支援多雲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 來支援建構大型語言模型，而 Akamai 專為媒體行業定制的 GPU 服務充分考量了該行業産品服務尚存不足、成本也較為高昂的問題。憑借在該領域深耕的悠久曆史以及積累的深厚經驗，Akamai 對其面向 GPU 的新産品進行了精心調整，以滿足媒體和娛樂行業嚴苛且特别的需求。

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，适用于數字内容建立、3D 模組化、渲染、推理以及視訊内容和流媒體傳輸。媒體相關的應用場景包括：

●視訊轉碼和視訊直播：GPU 可以在視訊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 硬體，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訊處理的應用場景（如直播）中，這一點至關重要。第 8 代 NVENC 引擎支援最新的視訊編解碼器，包括高效的 AV1 編解碼器，它能夠以更低的比特率實作更高的視訊品質。

●虛拟現實 (VR) 和增強現實 (AR) 内容：VR 和 AR 的應用場景需要對 3D 圖形和多媒體内容進行實時渲染，而 GPU 正是處理此類内容的理想之選。

Akamai 專門針對媒體市場優化了新的解決方案，而對于希望建構與其他一些行業應用場景相關的應用程式的開發人員和公司來說，這一新産品同樣适用。這些應用場景包括：

●生成式人工智能和機器學習 (Gen AI/ML)：GPU 雲計算的一大主要應用場景就是生成式 AI/ML。GPU 非常适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，進而提高準确性和性能。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 可實作更多資料計算類型的加速，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産品的 4 倍。該産品還擁有 20 GB 的 GDDR6 顯存，提供了适用于大模型和資料集的超強處理能力。

●資料分析和科學計算：GPU 雲計算還在資料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資料。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 可以并行處理大量資料，更快速、更高效地完成分析和模拟，進而實作這些任務的加速。

●遊戲和圖形渲染：GPU 廣泛應用于遊戲行業，主要是執行與視訊遊戲開發相關的圖形渲染和其他任務。這是因為 GPU 的設計非常适合進行複雜的圖形處理，并且可以實作快速、高品質的 3D 圖形渲染。

●高性能計算：由 GPU 提供支援的雲計算可廣泛運用于需要快速高效處理大量資料的各種高性能計算應用場景，例如模組化和仿真。GPU 還可用于對仿真、計算和其他計算密集型任務的加速，進而幫助更快擷取結果并實作更出色的性能。

Michels 補充表示：“要支援各種各樣的工作負載，客戶需要擁有豐富的計算執行個體。我們推出了行業優化 GPU，但這也隻是我們衆多客戶舉措的其中一步。通過這些舉措，我們将進一步提升整個計算連續體内的執行個體多樣性，進而推動開發邊緣原生應用程式并為其提供支援。”