Akamai 推出基于 NVIDIA 产品的云基础架构和服务，实现更优化的媒体视频处理

Akamai利用经济高效的 NVIDIA GPU 执行全新编码，助力流媒体平台优化处理视频

2024年 4月24日 – 负责支持和保护网络生活的云服务提供商阿卡迈技术公司（Akamai Technologies, Inc.，以下简称：Akamai），近日在其日益丰富的云产品阵容中又增添了一款基于 NVIDIA GPU 的媒体优化型产品。这款全新的云服务产品基于 NVIDIA RTX 4000 Ada Generation GPU，为媒体和娱乐行业的公司带来了更高的工作效率和经济性，帮助他们解决了如何更快速、更高效地处理视频内容的难题。

Akamai 执行的内部基准测试表明，使用 NVIDIA RTX 4000 GPU 执行编码时的每秒帧数 (FPS) 达到了基于 CPU 的传统编码和转码方法的 25 倍，这代表着流媒体服务提供商在典型工作负载处理方式这一难题上取得了重大进步。

通过使用 Akamai 的产品，媒体和娱乐公司可以构建可扩展且具备出色恢复能力的架构，并以更快速、更可靠、可移植性更高的方式来部署工作负载，同时还能充分利用分布极为广泛的云平台以及集成的内容交付和安全服务。

Akamai 云产品副总裁 Shawn Michels 表示：“媒体公司需要低延迟、性能可靠的计算资源来保持所创建工作负载的可移植性。NVIDIA GPU 在部署到 Akamai 的全球边缘平台之后，表现出了极高的性价比。我们与计算合作伙伴及开放式平台齐心协力，使客户有能力构建独立于云且支持多云架构的下一代工作负载。”

对行业优化 GPU 的需求

媒体行业一直非常重视使用 NVIDIA GPU 来支持构建大型语言模型，而 Akamai 专为媒体行业定制的 GPU 服务充分考量了该行业产品服务尚存不足、成本也较为高昂的问题。凭借在该领域深耕的悠久历史以及积累的深厚经验，Akamai 对其面向 GPU 的新产品进行了精心调整，以满足媒体和娱乐行业严苛且特别的需求。

应用场景

NVIDIA RTX 4000 GPU 在速度和能效方面表现极为出色，足以应对要求严格的创意、设计和工程工作流程，适用于数字内容创建、3D 建模、渲染、推理以及视频内容和流媒体传输。媒体相关的应用场景包括：

●视频转码和视频直播：GPU 可以在视频直播中执行快于实时的转码，同时通过减少缓冲来改善流媒体传输体验，甚至还能进行回放，而与基于 CPU 的传统转码相比，基于 GPU 的编码还能提高效率并缩短处理时间。NVIDIA RTX 4000 GPU 采用了最新一代 NVIDIA NVENC 和 NVDEC 硬件，可为同时执行编码和解码的任务提供更大容量。在需要执行高吞吐量视频处理的应用场景（如直播）中，这一点至关重要。第 8 代 NVENC 引擎支持最新的视频编解码器，包括高效的 AV1 编解码器，它能够以更低的比特率实现更高的视频质量。

●虚拟现实 (VR) 和增强现实 (AR) 内容：VR 和 AR 的应用场景需要对 3D 图形和多媒体内容进行实时渲染，而 GPU 正是处理此类内容的理想之选。

Akamai 专门针对媒体市场优化了新的解决方案，而对于希望构建与其他一些行业应用场景相关的应用程序的开发人员和公司来说，这一新产品同样适用。这些应用场景包括： 

●生成式人工智能和机器学习 (Gen AI/ML)：GPU 云计算的一大主要应用场景就是生成式 AI/ML。GPU 非常适合利用神经网络进行训练和推理的这类任务，因为它们可以并行执行大量计算，这样就能更快、更高效地训练新模型，从而提高准确性和性能。NVIDIA RTX 4000 GPU 利用了 NVIDIA Ada Lovelace 架构，可在推理任务中发挥出色的性能。总计 192 个第四代 Tensor Core 可实现更多数据计算类型的加速，同时还具有新的细粒度结构化稀疏性 (Fine-Grained Structured Sparsity) 功能，其张量矩阵运算的吞吐量达到了上一代产品的 4 倍。该产品还拥有 20 GB 的 GDDR6 显存，提供了适用于大模型和数据集的超强处理能力。

●数据分析和科学计算：GPU 云计算还在数据分析和科学计算领域得到了广泛运用，原因在于该领域的计算任务必然常常涉及到需要处理大量数据。这些任务既需要耗用大量时间，也需要占用大量计算资源。GPU 可以并行处理大量数据，更快速、更高效地完成分析和模拟，从而实现这些任务的加速。

●游戏和图形渲染：GPU 广泛应用于游戏行业，主要是执行与视频游戏开发相关的图形渲染和其他任务。这是因为 GPU 的设计非常适合进行复杂的图形处理，并且可以实现快速、高质量的 3D 图形渲染。

●高性能计算：由 GPU 提供支持的云计算可广泛运用于需要快速高效处理大量数据的各种高性能计算应用场景，例如建模和仿真。GPU 还可用于对仿真、计算和其他计算密集型任务的加速，从而帮助更快获取结果并实现更出色的性能。

Michels 补充表示：“要支持各种各样的工作负载，客户需要拥有丰富的计算实例。我们推出了行业优化 GPU，但这也只是我们众多客户举措的其中一步。通过这些举措，我们将进一步提升整个计算连续体内的实例多样性，从而推动开发边缘原生应用程序并为其提供支持。”