together with DDN. DDN is powering the HPC and AI storage as you all know and together leveraging the blue field solution. So everything I showed you till now is how we use the blue field as a initiator side in on the computer but in the end use the the blue field on their targets on the storage target and that's how together we ensuring that the GPU cluster gets a maximum bandwidth and the GPU utilization it's running at maximum speed exactly on time for the GPU workloads that all of us I'm so achieved. ...

[music] [music] It's crazy how people are not thinking about what they need for data handling, data preparation, right. It's amazing. I'm here at this HPC show and I'm thinking like everybody has the right hardware, but who has the right data.Where's the quality of data. Any thoughts. I mean for me the AI data platform and like the hyperpod DDN solution you get this full you know fully integrated solution and like if you have your data you have to make sure that it's ready for your downstream AI application ...

[Music] Some stats say 60% of the internet's content now is created with AI and that's going to go to 90% by the end of 2026. We actually build models to detect whether content is generated by AI or if it's real. >> My name is Zoho EMTT.I'm the CEO and co-founder at Resemble AI. Uh it's a company I started 5 and a half years ago. We're building Texas speech models that support voice cloning uh in 23 different languages.And our customers use us for agentic AI, so real-time voice agents for media. Think of mo ...

Market Trend & Problem Statement - AI 将与未来的一切融合，对 GPU 和数据中心的需求正在爆炸式增长 [4] - 到 2030 年，需要比现在快四倍的速度建造多四倍的数据中心 [5] - 仅在美国，到 2030 年数据中心供应缺口将超过 15 吉瓦 [8] - 企业和公司 GPU 的空闲时间占 80% [9] - 构建数据中心面临挑战，例如成本高昂（第一个星际之门数据中心耗资超过 10 亿美元），连接电网速度慢（等待时间长达 7 年才能将 100 兆瓦的设施连接到北弗吉尼亚州的电网） [6][7] - GPU 和数据中心消耗了美国总用电量的 4%，并且环境可持续性较差，导致大量的二氧化碳排放 [8] Proposed Solution & Hyperbolic's Approach - 行业需要构建一个 GPU 市场或聚合层，以聚合不同的数据中心和 GPU 提供商，从而解决 GPU 用户的问题 [10] - Hyperbolic 正在构建一个名为 HyperDOS（Hyperbolic Distributed Operating System）的全球编排层，它类似于 Kubernetes 软件，允许任何集群在安装软件后成为网络中的一个集群 [11] - 用户可以通过多种方式租用 GPU，例如现货实例、按需、长期预留或托管模型 [11] - Hyperbolic 的 GPU 市场 H100 的 GPU 成本为每小时 0.99 美元，而 Google 的按需 GPU 成本为 11 美元 [13] - 通过统一的分销渠道，可以大幅降低价格 [13][14] - Hyperbolic 正在构建一个统一的平台，初创公司或公司不再需要审查不同的数据中心，只需选择评级高或价格最优的数据中心即可，还将对 GPU 的性能进行基准测试 [16] Benefits & Cost Savings - 通过 GPU 市场，可以节省 50% 到 75% 的成本 [13] - 通过 Hyperbolic，可以将成本从 4380 万美元降低到 690 万美元，节省 6 倍 [19] - 通过增加计算量，可以提高模型的质量，在相同的预算下，生产力可以提高 6 倍 [20] - 通过将闲置的 GPU 出售给其他人，可以帮助其他人获得更便宜的 GPU [20] Future Vision - GPU 市场将发展成为不同 AI 工作负载的一体化平台，包括 AI 推理（在线和离线）和训练作业 [21] - 行业应该更好地重用和回收那些闲置的计算资源，而不是仅仅关注构建数据中心，因为这会消耗大量能源和占用大量土地 [21]