¡Aprende idiomas de forma natural con contenido fresco y auténtico!

Temas populares
Explorar por región
Casi la mitad de las empresas desperdician millones en GPUs subutilizadas a pesar de las preocupaciones de costos, lo que lleva a herramientas como ClearML a aumentar la eficiencia a través del uso compartido de GPU fraccionado.
Un nuevo informe de ClearML revela que casi la mitad de las empresas están desperdiciando millones debido a la capacidad de GPU subutilizada a pesar de priorizar el control de costos y la eficiencia en 20252026.
Mientras que el 35% tiene como objetivo mejorar la utilización de la GPU, el 44% aún confía en la asignación manual de la carga de trabajo o carece de estrategias formales, lo que crea retrasos en el desarrollo de la IA.
La gestión de costos es el principal desafío para el 53%, y la gobernanza de los datos, los modelos y la computación es una prioridad clave para muchos.
Para abordar las ineficiencias, ClearML ha ampliado el soporte para el particionamiento de GPU fraccionado en las GPU de AMD Instinct, lo que permite que múltiples cargas de trabajo se ejecuten simultáneamente en una sola GPU con administración automatizada y centralizada.
La plataforma agnóstica del silicio mejora la eficiencia de los recursos, reduce la capacidad ociosa y soporta entornos heterogéneos, ayudando a las empresas a maximizar el retorno de la inversión sin aumentar los costos de la infraestructura.
Nearly half of enterprises waste millions on underused GPUs despite cost concerns, prompting tools like ClearML to boost efficiency via fractional GPU sharing.