Hewlett Packard Enterprise (HPE) значительно продвигает свои инициативы в области искусственного интеллекта (II), представив ряд улучшений на мероприятии HPE Discover Barcelona 2023.
Ключевым обновлением стало расширение партнерства с Nvidia, направленное на интеграцию аппаратных и программных решений для оптимизации AI в корпоративных нагрузках. Обновленная среда разработки машинного обучения HPE (MLDE), впервые запущенная в 2022 году, получила новые функции для упрощения потребления, настройки и создания AI-моделей. Кроме того, HPE представляет MLDE как управляемую услугу на AWS и Google Cloud, а также улучшает свои облачные возможности с новыми AI-оптимизированными инстансами в HPE GreenLake и повышенной производительностью файлового хранения для AI-задач.
Эти последние усовершенствования соответствуют видению HPE по созданию всеобъемлющей AI-архитектуры, оптимизированной от аппаратного обеспечения до программного. Современные AI-нагрузки в бизнесе требуют высокой вычислительной мощности, данных как основного ресурса и масштабируемости для обработки.
Эван Спаркс, вице-президент и генеральный менеджер по решениям AI и облачным суперкомпьютерам в HPE, подчеркнул необходимость радикально новой архитектуры для AI, отметив: «Нагрузки fundamentally different от классической обработки транзакций и веб-сервисов, которые доминировали в вычислениях последние несколько десятилетий».
Упрощение интеграции рабочих процессов с генеративным AI
Улучшения в HPE MLDE направлены на упрощение интеграции AI-нагрузок в корпоративные операции. Спаркс отметил, что новые функции помогут клиентам внедрять генеративные рабочие процессы AI, предлагая инструменты для инженерии запросов, генерации с поддержкой извлечения (RAG) и тонкой настройки предварительно обученных моделей. Основное внимание уделяется bridging between cutting-edge research and practical applications.
Кроме того, программный пакет HPE Ezmeral Unified Analytics также получит преимущества от улучшенного обучения моделей через глубокую интеграцию с MLDE. «Наша цель — ускорить время достижения ценности для организаций, желающих развернуть AI-решения», — отметил Спаркс.
AI, ориентированный на данные для предприятий
Для эффективного использования AI предприятия должны использовать свои собственные данные для обучения моделей и извлечения инсайтов. Это требует оптимального файлового хранилища, поддерживающего скорость и масштаб, необходимые для AI.
Улучшения в HPE GreenLake for File Storage удовлетворяют этим требованиям, обеспечивая повышенную производительность, плотность и пропускную способность. Патрик Осборн, старший вице-президент и генеральный менеджер HPE Storage, сообщил: «Мы объявляем о расширении емкости на 1,8 раза с планами поддержать до 250 петабайт данных, начиная со второго квартала». Это значительное увеличение отвечает потребностям организаций, разрабатывающих крупные языковые модели, что стало все более распространенной задачей.
Укрепление партнерства с Nvidia
HPE также расширяет сотрудничество с Nvidia, включая новые интегрированные аппаратные решения. Партнерство, первоначально анонсированное в июне, нацелено на оптимизацию аппаратных систем HPE для AI-инференса с использованием GPU Nvidia, и теперь охватывает также нагрузки по обучению.
Нил МаКдональд, EVP и GM HPE Compute, объяснил, что большинство организаций не будут создавать собственные базовые модели, а вместо этого развернут уже существующие модели для трансформации бизнес-процессов. Он обозначил проблему создания и развертывания необходимой инфраструктуры для тонкой настройки и экспериментирования.
В рамках этого расширения партнерства HPE представляет специализированные системы для AI, включая HPE ProLiant Compute DL380a, который интегрирует GPU Nvidia L40S, DPUs Nvidia BlueField-3 и технологию Nvidia Spectrum-X. HPE MLDE и программное обеспечение Ezmeral также будут оптимизированы для GPU Nvidia, а также запланированы совместные разработки с Nvidia AI Enterprise и NeMo.
«Предприятия должны эволюционировать, чтобы стать AI-ориентированными, иначе они рискуют стать устаревшими», — заключил МаКдональд.
Рейтинг
