La inteligencia artificial (IA) requiere de servidores diseñados para gestionar cargas de trabajo con gran cantidad de datos, desde la preparación de datos hasta los modelos refinados de entrenamiento.
Asegúrese de que el centro de datos cuenta con la infraestructura necesaria para aprovechar al máximo la IA.
Descubra la diferencia entre formación e inferencia, y por qué necesita recursos dedicados para ambas formas de procesamiento de IA.
La infraestructura de IA es crítica en el camino hacia la IA. Desde el almacenamiento de datos, hasta las pruebas y las capacidades de computación básicas, las empresas necesitan soluciones que faciliten la eficiencia con la inteligencia artificial.
Obtenga resultados de modelo precisos que le puedan dar más confianza en las decisiones empresariales.
Las herramientas dinámicas, comprobadas y validadas por la industria permiten la productividad en todos los recursos, personas, procesadores y procesos.
Manténgase a la vanguardia de la tecnología de la IA con alto rendimiento de datos, optimización de modelos asistidos por IA y el respaldo de IBM Research.
Desarrollado en una solución de IA protegida con la seguridad de Power Systems y los marcos de código abierto protegidos de IBM.
El servidor IBM Power System LC922 se ha diseñado para satisfacer los requisitos de carga de trabajo y datos de la IA. Tiene un diseño abundante en almacenamiento que proporciona cómputo líder en el sector para analizar y explorar datos, junto con una gran capacidad de almacenamiento para contenerlos.
El servidor IBM Power System AC922 puede implantar marcos de deep learning y bases de datos aceleradas para el entrenamiento de IA. Combine los datos de innovación que los científicos desean con la confiabilidad que requiere la TI.
Diseñado para inferencia de IA, este servidor de 2U acelerado y gran capacidad de almacenamiento, proporciona la infraestructura de computación intensiva necesaria para generar insights de negocios de los modelos de IA entrenados.
POWER9 ofrece una velocidad sorprendente con hasta 1,5 veces el rendimiento de su predecesor POWER8®. Soporta cargas de trabajo intensivas de datos gestionadas con el único procesador con la innovadora tecnología de subsistema de E/S, incluyendo NVIDIA NVLink, PCIe Gen4 y OpenCAPI de próxima generación.
Esta potente combinación de software y hardware puede reducir los tiempos de entrenamiento de los modelos, acelerar las iteraciones y mejorar los insights.
3.7x
entrenamiento más rápido para Caffe¹
46x
iteraciones de Machine Learning más rápidas con SnapML²
IBM tiene a su disposición consultores experimentados, altamente técnicos y con años de experiencia que le ayudarán a planificar la infraestructura de IA basada en Power Systems.
En este exclusivo informe de Gartner, descubra las formas en las que los altos ejecutivos de hoy pueden estar preparados para hacer negocios sólidos en casos de inversión en IA.
Las aplicaciones de IA requieren potentes funciones de procesamiento fuera del alcance de las CPU estándares, lo que significa que debe escalarse para satisfacer esas necesidades.
La inteligencia artificial (IA) está yendo más allá del ciclo de sobreexpectación, a medida que más y más organizaciones buscan cambiar su estrategia para adoptar la IA.
Las fugas de oleoductos pueden causar enormes daños al medio ambiente. Descubra cómo se aplicó IA para ayudar a descubrir fugas potencialmente peligrosas antes de que ocurrieran.
¿Preparado para su transición a los servidores empresariales para IA?
Reciba asesoría de nuestros expertos, están aquí para ayudarlo.
Elinar vio el potencial disruptivo de la IA para sus soluciones de gestión de contenido empresarial e implementó la infraestructura de IBM Power para convertirse en un adoptador precoz, acelerando el tiempo de lanzamiento al mercado y ganando nuevos clientes.
Dez Blanchfield habla con líderes de negocios acerca de la inteligencia artificial y la adopción de deep learning para descubrir cómo los líderes de IA están planeando su estrategia de IA.
Las empresas están utilizando la IA hoy para obtener una ventaja competitiva. Descubra cómo las organizaciones están utilizando la IA para proporcionar un nivel nuevo y más eficiente de atención al cliente.
¹ Los resultados se basan en medidas internas de IBM que ejecutan 1000 iteraciones del modelo GoogleNet Enlarged (tamaño de minilote = 5) en el conjunto de datos de Imagenet ampliado (2240x2240). Power AC922; 40 núcleos (2 x 20c chips), POWER9 con NVLink 2.0; 2.25 GHz, memoria de 1024 GB, 4xTesla V100 GPU ; Red Hat Enterprise Linux 7.4 for Power Little Endian (POWER9) con CUDA 9.1/ CUDNN 7;. Pila competitiva: 2x Xeon E5-2640 v4; 20 núcleos (2 x 10c chips) / 40 hilos ; Intel Xeon E5-2640 v4; 2.4 GHz ; memoria de 1024 GB, 4xTesla V100 GPU, Ubuntu 16.04. con CUDA .9.0/ CUDNN 7. Software: IBM Caffe con código de origen LMS https://github.com/ibmsoe/caffe/tree/master-lms (enlace externo a ibm.com)
² 46x SnapML (enlace externo a ibm.com). En un punto de referencia recién publicado, utilizando un conjunto de datos de publicidad en línea publicado por Criteo Labs (enlace externo a ibm.com) con más de 4 mil millones de ejemplos de entrenamiento, entramos en un clasificador de regresión logística en 91,5 segundos. Este tiempo de entrenamiento es 46 veces más rápido que el mejor resultado que se ha informado previamente (https://cloud.google.com/blog/products/gcp/using-google-cloud-machine-learning-to-predict-clicks-at-scale enlace externo a ibm.com), que utilizó TensorFlow en Google Cloud Platform para entrenar el mismo modelo en 70 minutos.