人工知能をより速く、効率的に、広くアクセスできるようにするレースで、焦点はしばしばGPUに落ちます。彼らはAIの推測とトレーニングを支配していますが、彼らの顕著さは重要な質問を残します:GPU駆動システムの外で何が起こりますか? 組織がコストの高いまたは限られたハードウェアに依存しないスケーラブルなソリューションを探しているので、CPUは焦点に戻っています。 ここでRajalakshmi Srinivasaraghavanは専門知識を築き上げました。高性能コンピューティングに深い根拠を有する研究者とエンジニアとして、彼女はキャリアをCPUにおけるAI推論の精密化に捧げました。彼女の旅は、技術的な突破とコミュニティー主導のコラボレーションを組み合わせています。 彼女の傑出した業績の1つは、CPU最適化戦略であったが、その分野の多くがGPU中心のアプローチに集中している一方で、ラジャラクシュミは、ターゲット化されたCPUの改善がどのようにリアルな結果を生み出すかを示した。 彼女は、パッケージの幅広い範囲にわたって継続的な統合(CI)を構築し、テストと統合を自動化することにより、組織内部の影響力が拡大し、コード化を超えました。 「この自動化は信頼性を向上させ、コア開発に焦点を当てるためのリソースを解放しました」と彼女は言う。 彼女は新しいエンジニアを指導し、CPUの最適化に必要な技術的および戦略的洞察を伝える。 「新しいメンバーを強化することで、パフォーマンスの向上は一時的な勝利ではなく、長期的な軌道の一部であることを保証しました」と彼女は反映しています。 彼女は、ハードウェアのリリース前にシミュレータ内のコードを最適化し、検証することによって、業界の繰り返しの障害の1つに対処しました。このプロアクティブなアプローチにより、チームは問題を早期に把握し、新しいハードウェアと共に完全に機能するソフトウェアスタックを立ち上げることができました。 「Portability and Performance for Matrix Engines Modeling」や「A Matrix Math Facility for Power ISA Processors」などの論文は、理論と実用的なアプリケーションを結ぶという彼女のコミットメントを強調しています。 彼女は、将来はハードウェアとソフトウェアの間のより緊密な調和にあると信じています。 「業界のトレンドを密接に追跡し、変化を予測することで、我々はハードウェアとソフトウェアに前向きな機能を統合しました」と彼女は言います。 彼女は、業界がAIインフラストラクチャのより包括的な視点を採用する必要性を強調している。CPUやその他の非GPUアーキテクチャの推測を最適化することはバックアッププランではなく、より手頃な価格、抵抗性、アクセス可能なAIエコシステムを構築する方法です。 GPU に焦点を当てた世界で、Rajalakshmi は、真のイノベーションはしばしば無視された空間で成長することを示しています。彼女は、CPU に焦点を当て、AI 展開の新しい可能性を開き、AI がより公平で効率的で持続可能な未来を構築します。 このストーリーは、HackerNoonのビジネスブログプログラムの下で、Kashvi Pandeyによってリリースされたものです。 このストーリーは、HackerNoonのビジネスブログプログラムの下で、Kashvi Pandeyによってリリースされたものです。
