AI工作负载计算协调领域的领导者Run:ai今天宣布，他们的Atlas平台将率先支持混合云和多云AI基础设施。Run:ai的集中监控和控制面板提供了统一的用户体验，以管理在不同地点(包括内部和云中)运行的资源。有了Run:ai，企业可以轻松利用采用多云战略的优势，避免计划外的停机，提高计算可用性并控制成本。
Run:ai的联合创始人兼首席技术官Ronen Dar表示：”使用几个云服务提供商或内部和云的组合来管理基础设施是大多数组织的目标，但这种挑战是艰巨的。公司可能低估了抽象化的基础设施以及将工作负载迁移到不同云中所需的时间和精力。供应商的锁定一般发生在早期，需要几个月的时间来培训IT和DevOps团队才能了解每个环境。缺乏集中监控也意味着用户必须使用不同的工具来管理多个云中的多个集群–不同的价格模式使之更加复杂”。
如今，Run:ai的Atlas通过完全抽象化提供了统一的用户体验，因此研究人员可以继续使用每个云提供商管理的Kubernetes平台并利用每个CSP的最佳产品。研究人员可以继续使用他们选择的框架和喜爱的开发工具。Run:ai的控制平台是一个单一的玻璃窗，对人工智能管道的任何方面的资源、利用率、健康和性能进行多租户的集中管理——无论工作负载在哪里运行。Run:ai还消除了GPU配置的限制，允许团队将GPU分成若干部分，以用于较小的推理工作负载。
许多企业也在寻求一种混合云架构，将他们最敏感的数据保留在内部–其成本可能更低，性能更好–同时也仍然利用了云的好处，如可用性和可扩展性。
“通过Run:ai，例如一家训练模型的人工智能医疗保健公司可以将他们的敏感病人数据保留在内部，一旦模型训练完成，他们就可以无缝地转移到云端，将客户部署在那里。” Dar补充，”Run:ai可以帮助公司轻松过渡到混合云战略，获得两个世界的最佳利益。”
关于Run:ai
Run:ai的Atlas平台为人工智能资源管理带来了云一样的简单性–研究人员可以获得对于任何人工智能工作负载的集合资源的按需访问。这种创新的云原生操作系统包括了一个工作负载感知调度器和一个抽象层，从而帮助IT部门简化AI实施，提高团队生产力并充分利用昂贵的GPU。使用Run:ai，企业可以在任何基础设施上简化人工智能应用的开发、管理和扩展——包括企业内部、边缘和云。了解更多信息，请访问www.run.ai。
