Windows Server 2025 e Azure Stack HCI 24H2 per migliorare la gestione del carico di lavoro AI

Microsoft ha annunciato le prossime funzionalità di Windows Server 2025 e Azure Stack HCI 24H2 per migliorare il supporto dei carichi di lavoro AI utilizzando le GPU NVIDIA.

Questi aggiornamenti possono fornire alle aziende un controllo e una flessibilità più significativi nella gestione delle attività di intelligenza artificiale sui propri server. Un punto chiave dell'annuncio è il supporto avanzato per le GPU NVIDIA, che consente attività come formazione, apprendimento e inferenza di modelli IA complessi.

Le prossime versioni introducono anche a Assegnazione dispositivo discreto (DDA) funzionalità all'interno dei cluster di failover. Ciò facilita l’assegnazione di intere GPU a singole macchine virtuali (VM), che nel complesso possono portare a un’elevata disponibilità per i carichi di lavoro critici dell’intelligenza artificiale.

Una nuova funzionalità chiamata GPU Partitioning (GPU-P) consente un'ulteriore ottimizzazione. GPU-P consente di dividere una singola GPU fisica in più partizioni isolate. A ciascuna VM in un cluster di failover può essere assegnata una propria partizione, massimizzando l'utilizzo delle risorse e portando a una soluzione più conveniente.

Sono incluse funzionalità di migrazione in tempo reale per garantire un funzionamento ininterrotto durante la manutenzione o gli aggiornamenti. Le macchine virtuali con partizioni GPU assegnate possono migrare tra i nodi del cluster senza influire sui carichi di lavoro in corso.

Il Windows Administration Center (WAC) funge da piattaforma centralizzata per la gestione delle GPU virtualizzate. Gli amministratori possono utilizzare WAC per visualizzare, configurare e assegnare partizioni GPU alle VM, semplificando le attività di gestione.

La collaborazione continua di Microsoft con NVIDIA, ora il seconda azienda più preziosa al mondo, garantisce che queste funzionalità soddisfino gli standard di sicurezza del settore. Ciò consente alle aziende di eseguire carichi di lavoro di intelligenza artificiale in modo efficiente.

Più qui.