根據Enyscale，AI的快速發展對現有計算框架構成重大挑戰，尤其是在處理非結構化數據和GPU需求方面。傳統框架如Apache Spark在應對這些需求時表現不佳，存在計算瓶頸。為了滿足以Python為基礎的AI工作負載，Ray作為分佈式計算框架應運而生，支持多模式數據和異質計算。大公司如Uber和Spotify已採用Ray，提升其AI能力。隨著AI的進步，對能有效管理複雜數據和工作負載的框架的需求將持續增長，Ray的開源社區也在不斷優化其性能。
費利克斯·平克斯頓（Felix Pinkston），2025年6月24日13:19
根據Enyscale的說法，探索射線如何解決AI框架中的計算瓶頸，因為非結構化數據和GPU要求挑戰舊系統。
人工智能（AI）的快速發展給現有的計算框架帶來了重大挑戰，尤其是因為非結構化數據和GPU需求揭示了遺留系統的局限性。根據Enyscale的說法，非結構化數據（例如文本，圖像和視頻）的增長超過了傳統的結構化數據，因此需要更健壯和靈活的計算框架。
向非結構化數據的轉變
組織越來越多地認識到非結構化數據的價值，該數據現在超過了十倍或更多的數量。這種轉變是由處理圖像，音頻和聊天日誌（以增強用戶體驗和自動化過程的複雜數據類型）的需要驅動的。但是，主要關注結構化數據和SQL式工作負載的現有數據和AI基礎架構努力跟上這些需求。
當前框架挑戰
傳統框架（例如Apache Spark）在處理非結構化數據和AI模型時有效地面臨限制。 Spark以CPU為中心的架構以及對Java虛擬機（JVM）的依賴創建瓶頸，尤其是在處理處理現代AI模型所需的以GPU為中心的任務時。此外，在Python和Scala環境之間序列化數據的需求進一步阻礙了性能。
雷的崛起
為了應對這些挑戰，Ray是作為AI-NATIANITE分佈式計算框架開發的，旨在滿足基於Python的AI工作負載的特定需求。 Ray的體系結構支持多模式數據和異質計算，從而允許CPU和GPU任務的無縫編排。這種靈活性使Ray成為希望現代化其AI基礎架構的組織的重要工具。
行業採用和影響
雷的影響很大，像Uber，Spotify和Pinterest這樣的主要公司採用該框架來增強其AI功能。 Ray使這些組織能夠將生成AI集成到其係統中，同時優化現有的機器學習管道。該框架處理大規模，複雜的AI模型的能力已在OpenAI的GPT-3.5等備受矚目的項目中得到了證明，強調了其革新AI計算框架的潛力。
前景
隨著AI的繼續發展，對可以有效管理多模式數據和復雜工作負載的框架的需求只會增加。雷的開源社區正在積極努力進一步簡化各種異質群集的AI工作負載的分佈式處理和編排。 Anyscale致力於使對Ray能力的訪問權限，以確保AI團隊可以迅速利用其權力來滿足對高級AI用例的不斷增長的需求。
圖像來源：Shutterstock
資訊來源：由0x資訊編譯自BLOCKCHAINNEWS。版權歸作者所有，未經許可，不得轉載