الوصف
توفر Massed Compute وصولاً إلى وحدات معالجة رسومات NVIDIA عالية الأداء في السحابة عند الطلب، مصممة لتسريع مشاريع الذكاء الاصطناعي، والتعلم الآلي، ومعالجة البيانات الضخمة، وعمليات التصيير واسعة النطاق. تأسست الشركة في عام 2021، وتعمل كشريك مفضل لـ NVIDIA، مما يضمن الوصول إلى أحدث الأجهزة ذات المستوى المؤسسي وبرامج التشغيل التي تم اختبارها من قبل المورد. تقع بنيتها التحتية في مراكز بيانات من المستوى الثالث (Tier III) وتلتزم بمعايير امتثال صارمة بما في ذلك SOC 2 و GDPR و HIPAA، مما يجعلها مناسبة لأعباء العمل الحساسة.
تقدم الخدمة حلول حوسبة مرنة لتلبية احتياجات المشاريع المتنوعة. تتوفر وحدات معالجة الرسومات عند الطلب للإيجار بالساعة، وتتميز بتثبيت CUDA مسبقًا، وعدم وجود قيود على عرض النطاق الترددي، وجلسات VDI اختيارية، مع إمكانية نشر المثيلات في حوالي 90 ثانية. للمستخدمين الذين يحتاجون إلى خصوصية وأمان معززين، توفر الخوادم المخصصة (Bare Metal) أجهزة ذات مستأجر واحد. تم تصميم مجموعات وحدات معالجة الرسومات (GPU Clusters) للحسابات المكثفة، باستخدام InfiniBand للشبكات عالية السرعة. بالإضافة إلى ذلك، تسمح واجهة برمجة التطبيقات البرمجية (Programmatic API) بأتمتة توفير وحدات معالجة الرسومات، مما يتيح التكامل السلس مع وكلاء الذكاء الاصطناعي، ودفاتر الملاحظات، وخطوط أنابيب CI/CD.
يشمل كتالوج Massed Compute مجموعة واسعة من وحدات معالجة الرسومات من NVIDIA، بدءًا من أحدث معماريات Blackwell و Hopper (B300، B200، B100، H200، H100) وصولاً إلى Ampere و Ada Lovelace (A100، L40S، RTX 6000، A6000، A40، A30). تأتي جميع المثيلات مع تثبيت CUDA وبرامج التشغيل الحالية للمورد مسبقًا، مما يلغي الحاجة إلى الإعداد اليدوي والترجمة. تتوفر قوالب معدة مسبقًا شائعة للمهام الشائعة للذكاء الاصطناعي، مثل تدريب PyTorch، والاستدلال باستخدام vLLM، و ComfyUI لـ Stable Diffusion، و Ollama لنماذج الدردشة، بالإضافة إلى بيئة JupyterLab DSNotebook.
تؤكد المنصة على سهولة الاستخدام وسرعة النشر، مما يسمح للمستخدمين بتشغيل مثيلات وحدات معالجة الرسومات بسرعة دون التزامات طويلة الأجل أو عقود معقدة. الفوترة شفافة وتعتمد على الاستخدام بالساعة، بدءًا من 0.43 دولار في الساعة. هذا النموذج عند الطلب مثالي للباحثين والمطورين والشركات التي تبحث عن موارد وحدات معالجة رسومات قابلة للتطوير وفعالة من حيث التكلفة دون عبء إدارة الأجهزة المادية. تمكّن واجهة برمجة التطبيقات البرمجية الفرق بشكل أكبر من أتمتة إدارة البنية التحتية الخاصة بهم وتوسيع نطاق الموارد ديناميكيًا بناءً على متطلبات المشروع.
الميزات الأساسية لـ Massed Compute
وحدات معالجة رسومات سحابية من NVIDIA عند الطلب
نماذج وحدات معالجة الرسومات من B300 إلى A30
تثبيت CUDA وبرامج التشغيل الحالية مسبقًا
لا توجد قيود على عرض النطاق الترددي
فوترة بالساعة بدون عقود
إعداد المثيل في حوالي 90 ثانية
خوادم مخصصة (Bare metal) لخصوصية معززة
مجموعات وحدات معالجة الرسومات (GPU Clusters) مع شبكات InfiniBand
واجهة برمجة تطبيقات برمجية (API) للأتمتة
نقطة نهاية REST API للتزويد
دعم حزم SDK لـ Python و Node.js و Go
حالة شريك مفضل لـ NVIDIA
مراكز بيانات من المستوى الثالث (Tier III)
امتثال لـ SOC 2 و GDPR و HIPAA
VDI مضمن
كيفية استخدام Massed Compute؟
التكوين: اختر نموذج وحدة معالجة الرسومات NVIDIA ونوع المثيل المطلوب.
النشر: قم بتشغيل مثيل وحدة معالجة الرسومات الخاص بك عبر الواجهة الويب أو API.
الاستخدام: قم بالوصول إلى المثيل الخاص بك مع تثبيت CUDA وبرامج التشغيل مسبقًا.
الأتمتة: قم بدمج واجهة برمجة التطبيقات البرمجية في سير عمل الذكاء الاصطناعي الخاص بك.
التوسع: قم بتعديل الموارد حسب الحاجة بناءً على متطلبات المشروع.
حالات استخدام Massed Compute
- تدريب نماذج الذكاء الاصطناعي
- معالجة البيانات الضخمة
- استدلال التعلم الآلي (ML Inference)
- التصيير ثلاثي الأبعاد
- تكامل وكلاء الذكاء الاصطناعي
- البحث والتطوير





