Lerne Sprachen natürlich mit frischen, authentischen Inhalten!

Tippen zum Übersetzen – Aufnahme

Nach Region erkunden

flag Fast die Hälfte der Unternehmen verschwendet Millionen auf zu wenig genutzte GPUs trotz Kostenbedenken, was Werkzeuge wie ClearML dazu veranlasst, die Effizienz durch fraktionelle GPU-Sharing zu steigern.

flag Ein neuer ClearML-Bericht zeigt, dass fast die Hälfte der Unternehmen Millionen durch unzureichende GPU-Kapazität verschwendet, obwohl sie in den Jahren 2025–2026 Kostenkontrolle und Effizienz priorisieren. flag Während 35 % darauf abzielen, die GPU-Auslastung zu verbessern, verlassen sich 44 % weiterhin auf manuelle Arbeitslastzuweisungen oder fehlen formale Strategien, was zu Verzögerungen bei der KI-Entwicklung führt. flag Das Kostenmanagement ist die größte Herausforderung für 53 %, und die Verwaltung von Daten, Modellen und Berechnungen ist für viele eine zentrale Priorität. flag Zur Behebung von Ineffizienzen hat ClearML die Unterstützung für fraktionelle GPU-Partitionierung auf AMD Instinct GPUs erweitert, wodurch mehrere Workloads gleichzeitig auf einer einzigen GPU mit automatisierter, zentralisierter Verwaltung ausgeführt werden können. flag Die silizium-agnostische Plattform verbessert die Ressourceneffizienz, reduziert die Leerlaufkapazität und unterstützt heterogene Umgebungen – und hilft Unternehmen dabei, den ROI zu maximieren, ohne die Infrastrukturkosten zu erhöhen.

22 Artikel

Weiterführende Lektüre