其中最严重的部件短缺困扰着所有人，包括英伟达和AMD的gpu。GPU被用于比特币农场，随着世界各地的大型农场吞噬着每一张GPU卡，获得一张GPU卡几乎是不可能的，或者成本太高。
因此，客户需要从现有的gpu服务中榨取每一个周期。一家以色列公司运行:人工智能该公司声称，他们已经修复了两项技术，可以集中GPU资源并最大化它们的使用。
这些技术被称为Thin GPU Provisioning和Job swap。这并不是最有创意的名称，但它们描述了两者在自动分配和使用gpu方面所做的工作。
数据科学家和其他人工智能研究人员经常会收到分配的gpu，这些gpu是留给个人运行他们的进程的，而不是其他人的。这就是高性能计算(HPC)和超级计算机的运行方式，正确地分配处理器对管理员来说是一种魔法。
通过精简GPU分配和作业交换，当一个正在运行的工作负载不使用其分配的GPU时，这些资源会被池化，并可以自动分配给不同的工作负载使用。根据Run:AI的声明，这类似于VMware首次为存储区域网络引入的精简配置，即分配可用的存储磁盘空间，但直到必要时才发放。
“精简GPU分配”会导致GPU资源过度分配，而“任务交换”则会使用预置的优先级重新分配GPU资源。AI说，这两种技术结合在一起，可以最大化GPU的整体利用率。
数据科学家的专长并不总是技术性的，他们不需要处理日程安排和配置。该公司表示，与此同时，IT部门可以控制其网络上的GPU使用。
“研究人员再也不能‘拥抱’gpu了，这让它们无法被其他人使用，”Run:AI的首席技术官和联合创始人罗内恩·达尔(Ronen Dar)博士在一份声明中说。“他们只是运行自己的任务并运行:AI的配额管理、精简GPU配置和任务交换功能无缝地有效分配资源，无需任何用户干预。”
Thin GPU Provisioning和Job swap目前正在Run:AI客户实验室中进行测试。预计将于2021年第四季度全面上市。
Run:AI成立于2018年，拥有4300万美元的资金。