Konfigurationen und Preise
Scrollen Sie horizontal, um die Tabelle anzuzeigen
Preise zzgl. MwSt.
Entwickelt für KI und rechenintensive Workloads
KI-Training
Mit Tausenden von Rechenkernen kann ein Grafikprozessor (GPU) mehrere Matrixoperationen und Berechnungen parallel verarbeiten. Daher können GPUs KI-Trainingsaufgaben deutlich schneller ausführen als herkömmliche CPUs.
Deep learning
GPUs bewältigen mühelos die hohen Rechenanforderungen von tiefen neuronalen Netzen und rekurrenten neuronalen Netzen, die für die Entwicklung komplexer Deep-Learning-Modelle, einschließlich der generativen KI, von grundlegender Bedeutung sind.
High-performance Computing
Die GPU Leistung eignet sich hervorragend für rechenintensive Aufgaben wie dynamische Programmieralgorithmen, Videorenderung und wissenschaftliche Simulationen.
Data Analytics
GPUs bieten eine hohe Speicherleistung sowie eine effiziente Datenkommunikation. Dies verbessert die Verarbeitung und das Handling großer Datensätze und ermöglicht eine schnellere Analysemöglichkeiten.
GPU-Champions
Der NVIDIA A100 und der neueste H100 Grafikprozessor sind führend auf dem Markt für professionelle Grafikprozessoren. Sie sind leistungsstarke und vielseitige Leistungsbeschleuniger für eine Vielzahl von KI- und High-Performance-Computing Workloads
Spezifikationen A100
- Bis zu 249x höhere KI-Inferenzleistung im Vergleich zu CPUs
- Bis zu 20x mehr Leistung als die Vorgänger-Generation NVIDIA GPU V100
- Tensor Core der 3. Generation
- Bis zu 80 GB HBM2e Speicher
H100-Spezifikationen
- Bis zu 4x höhere Leistung als die A100 GPU für KI-Training auf GPT-3
- Bis zu 7x höhere Leistung als die A100-GPU für HPC-Anwendungen
- Tensor Core der 4. Generation
- Bis zu 100 GB HBM3-Speicher
Vor der Veröffentlichung der H100 im Jahr 2022 war die A100 in den MLPerf-Benchmarks die führende GPU-Plattform.
Im jüngsten MLPerf-Benchmark zeigte die H100 eine bessere Leistung als die Konkurrenz.
Ideal für KI-Frameworks
NVIDIA Grafikprozessoren eignen sich hervorragend für die Ausführung von KI-Frameworks und Tools, die bei der Erstellung, dem Training und der Deployment von KI-Modellen helfen.
Dedizierte Bare-Metal-GPU-Server oder virtuelle GPU-Instanzen?
Entscheiden Sie, was für Sie funktioniert!
Bare-Metal-GPU-Server
Bare-Metal-Server bieten direkten Zugriff auf die physische Hardware, einschließlich der GPU. Das heißt, dass sämtliche GPU-Ressourcen für Sie bereitgestellt werden. Die Bare-Metal-GPU bietet Ihnen optimale Leistung für KI und rechenintensive Workloads.
Virtuelle GPU-Instanzen
Bei gleicher Konfiguration können GPUs auf VMs etwas langsamer arbeiten als auf Bare-Metal-Servern. VMs bieten allerdings eine einfachere Verwaltung, Skalierbarkeit und niedrigere Preise als Bare-Metal-GPU-Server.
Managed Kubernetes mit GPU-Worker-Knoten
Funktionen wie Autoscaling und Autohealing machen Kubernetes ideal für dynamische Workloads wie maschinelles Lernen, Videoverarbeitung und andere rechenintensive Aufgaben. Mit Managed Kubernetes von Gcore können Sie Bare Metal und VMs mit GPU als Worker-Nodes (A100 und H100) verwenden. Die Verwendung von GPUs in Ihren Containern erfolgt durch Anfragen nach Custom-GPU-Ressourcen (ähnlich wie bei CPU oder Speicher).
Nutzen Sie die Vorteile der Gcore Cloud-Lösungen
Bare-Metal-Server
Ressourcenintensive Anwendungen und Dienste werden auf leistungsstarken physischen Servern bereitgestellt.
Virtuelle Maschinen
Nutzen Sie VMs, die für eine Vielzahl von Workloads und eine skalierbare Performance ausgelegt sind.
Managed Kubernetes
Bereitstellung, Verwaltung und Skalierung von Kubernetes-Clustern mit einem SLA von 99,9 % und Unterstützung von Bare-Metal-Nodes.
GCORE PARTNERS
FAQ
Eine Graphics Processing Unit (GPU) ist ein spezieller elektronischer Schaltkreis, der die Darstellung von Computergrafiken verbessert. GPUs werden in einer Vielzahl von Anwendungen eingesetzt, darunter Videospiele, 3D-Modellierung und KI-Training.
GPUs sind für parallele Verarbeitung ausgelegt, d.h. sie können mehrere Rechenoperationen gleichzeitig ausführen. Dies ist der Hauptunterschied zwischen GPUs und CPUs, bei denen die Operationen einzeln ausgeführt werden.
Sie bezahlen für die von Ihnen gewählte Konfiguration. Wenn Sie eine separate GPU-Instanz erwerben, die nicht Teil eines Kubernetes-Clusters ist, wird die entsprechende VM- oder Bare-Metal-Konfiguration berechnet. Weitere Informationen zu unseren Preisen finden Sie oben im Abschnitt Konfigurationen und Preise.
Kontaktieren Sie unser Vertriebsteam unter sales@gcore.com mit Ihrer gewünschten neuen Instanzkonfiguration. Wenn Sie Hilfe bei der Wahl einer Konfiguration benötigen, melden wir uns bei Ihnen mit der bestmöglichen Lösung für Ihre Anfrage.
Das hängt von der Art der Instanzen ab, die Sie wählen: Bare Metal oder VMs. Wenn Sie sich für einen Bare-Metal-Server entscheiden, sind alle seine Ressourcen für Sie allein verfügbar.
Wenn Sie sich für eine VM entscheiden, erhalten Sie virtuelle Computing-Ressourcen, einschließlich der Ressourcen eines Grafikprozessors. Die physischen Ressourcen der Instanz (Server) werden gemeinsam genutzt, die virtuellen Ressourcen hingegen nicht. Sie erhalten Zugriff auf den vollen Umfang der Ressourcen, die Sie erworben haben.
Nachdem Sie die GPU-Instanz erworben haben, ist sie einsatzbereit in:
- 3 – 5 Minuten, wenn es sich um eine virtuelle Maschine handelt
- 15 – 20 Minuten, wenn es sich um einen Bare-Metal-Server hand
Ja, füllen Sie dieses Formular aus und unser Vertriebsteam wird sich mit Ihnen in Verbindung setzen, um diese Option mit Ihnen zu besprechen. Bitte beachten Sie, dass Sie nach Ablauf des Testzeitraums auf den regulären Pay-as-you-go-Tarif umgestellt werden.
Ja. Füllen Sie dieses Formular aus, und unser Vertriebsteam wird sich diesbezüglich mit Ihnen in Verbindung setzen.
Ja, Füllen Sie dieses Formular aus. Unser Vertriebsteam wird sich mit Ihnen in Verbindung setzen und die Details besprechen.
Setzen Sie sich mit uns in Verbindung, um ein individuelles Angebot zu erhalten.
Für weitere Informationen zur KI-GPU-Cloud-Infrastruktur füllen Sie bitte das Formular aus
Mit dem Absenden dieses Formulars stimme ich der Verarbeitung meiner personenbezogenen Daten zu den genannten oder zusätzlich ausgewählten Zwecken und in Übereinstimmung mit der Datenschutzrichtlinie von Gcore zu.
