该产品主要面向两大应用场景：一是在大模型单卡运行显存不足时，用户可通过调用内存资源继续完成 任务，从而避免采购额外显卡，显著降低成本；二是在轻负载场景中，可将多个模型部署于同一GPU， 实现资源动态调度，有效解决"一模型一卡"带来的资源闲置问题。 此外，"Virtual VRAM"具备高度兼容性与部署便利性。产品支持物理机、Docker容器及Kubernetes等云 原生环境，用户无需修改现有代码或重新编译即可实现即插即用，大幅降低了部署复杂度和二次开发成 本。 分析认为，随着AI模型数量与参数规模持续高速增长，显存容量已成为制约企业AI能力构建与成本控 制的关键因素。第四范式此次发布的新产品，有望为企业提供更具性价比的算力扩展方案，帮助用户在 保持高性能的同时进一步实现降本增效。未来，第四范式计划与更多内存厂商展开合作，持续推动AI 基础设施的优化与普及。 传统GPU显存容量固定且扩展成本高昂，限制了AI模型规模的扩大与多任务并发能力。用户往往只能 通过购置更高端显卡或多卡并行来缓解压力，导致投入成本急剧上升。第四范式的"Virtual VRAM"创新 性地构建了显存与内存之间的高速数据通道，将内存虚拟为显 ...

据第四范式联合创始人、首席科学家陈雨强介绍，单张显卡在使用该扩展卡后，虚拟显存容量最高可扩 展至256GB。以NVIDIA H20显卡为例，其原生显存为96GB，扩展后相当于10张NVIDIA RTX4090或6 张NVIDIA A100的物理显存容量。用户无需更换硬件，即可在接近原生大显存性能的状态下，运行更 大规模的AI训练与推理任务。 在AI大模型迅速发展的背景下，GPU显存容量正成为制约模型训练与推理效率的关键瓶颈。单卡运行 时显存不足，又或是轻负载场景中一模型一卡的部署形态，无不反映出市场对高效、低成本扩展显存资 源的迫切需求。 近日，第四范式(06682)正式推出了"Virtual VRAM"可插入式虚拟显存扩展卡，该产品通过将物理内存 转化为可动态调度的显存缓冲池，实现了GPU算力资源的弹性扩展。第四范式创始人戴文渊，第四范式 联合创始人、首席科学家陈雨强出席发布活动。 传统GPU显存容量固定且扩展成本高昂，限制了AI模型规模的扩大与多任务并发能力。用户往往只能 通过购置更高端显卡或多卡并行来缓解压力，导致投入成本急剧上升。第四范式的"Virtual VRAM"创新 性地构建了显存与内存之间的高 ...