17 марта 2026 года, компания Anyscale, занимающаяся искусственным интеллектом и базирующаяся в Сан-Франциско, анонсировала новые функции для платформ Ray и Anyscale, призванные помочь командам создавать и развертывать рабочие нагрузки ИИ в производственной среде. Эти функции ориентированы на обработку мультимодальных данных ИИ и реализуют снижение затрат и повышение эффективности за счет интеграции технологий NVIDIA.
Anyscale объявила об интеграции Ray Data с NVIDIA cuDF, что обеспечило нативную для GPU обработку мультимодальных данных и позволило снизить затраты на 80%. Эта функция будет доступна на AWS EC2 через NVIDIA RTX PRO 4500 Blackwell Server Edition, помогая командам обрабатывать сложные данные, такие как изображения, видео и документы, оптимизируя возврат инвестиций в ИИ.
Соучредитель Anyscale Роберт Нисихара заявил: «Сложность систем ИИ растет: от конвейеров обучения с подкреплением, сочетающих симуляцию, генерацию данных, обучение и вывод, до мультимодальных данных, подготавливаемых для RAG и робототехники. Ray, как унифицированный вычислительный движок для всех этих рабочих нагрузок на GPU, дает командам возможность программного контроля, позволяя размещать рабочие нагрузки на оборудовании, наиболее подходящем для задачи — будь то NVIDIA RTX PRO 4500 Blackwell для подготовки данных или NVIDIA GB300 NVL72 для обучения в больших масштабах».
Ray также представил функцию планирования с учетом стойки (rack-aware scheduling) для кластеров NVIDIA GB300 NVL72, что обеспечивает оптимальное размещение распределенных рабочих нагрузок ИИ для использования высокоскоростных интерконнектов NVIDIA. Разработчики могут выражать намерения по размещению задач через Python API, а Ray автоматически координирует планирование, максимизируя пропускную способность внутри стойки и сокращая межстоечный трафик.
Эти улучшения способствуют масштабированию открытого ИИ, делая обработку мультимодальных данных более эффективной. Планирование с учетом стойки и поддержка NVIDIA cuDF в Ray Data будут доступны в открытом Ray и API-совместимом Anyscale Runtime, помогая командам ИИ ускорять сквозные эксперименты и повышать отказоустойчивость в production.
