IBM Z 上的 AI

人工智能驱动的创新助力业务增长

在大型机和 AI 之后会出现什么？ 了解 Telum 和 Spyre
Telum II 和 Spyre 芯片

解锁 AI 洞察分析并安全运行生成式 AI

IBM® Z 上的 AI 通过直接在交易数据上应用机器学习，提供实时洞察分析，无需数据迁移。

企业借助 IBM® z17 的先进硬件与软件堆栈扩展多个 AI 模型，为欺诈检测和零售自动化等预测性用例提供支持。此过程还包括在本地安全地支持生成式 AI 功能。IBM® Z 具备高吞吐量、低延迟及业界领先的网络弹性，专为任务关键型 AI 打造。
按需获取实时洞察分析

将 AI 融入每笔交易（无需数据迁移），同时满足最严苛的服务级别协议 (SLA) 和响应时间要求。
确保数据安全与合规性

在数据原生存储位置运行 AI，既保障敏感信息安全，又能满足法规要求。
随交易量无缝扩展

利用 IBM z17，每日可处理高达 4500 亿次推理操作，实时用例响应时间低至 1 毫秒。1
提升推理吞吐量

将推理请求路由至任意空闲的集成式 AI 加速器，推理吞吐量相比 IBM z16 提升 7.5 倍。2

用例

借助 Spyre Accelerator 普及生成式 AI

利用 agentic AI 提高生产力
简化信息访问并使用 agentic AI 自动执行日常任务，从而增强员工的自主性。
最大限度地缩短 IBM Z 专业人员的学习曲线
加快 IBM Z 用户的引导速度与知识转移，降低对专家的依赖，并为资深用户优化工作流。
依托防火墙保护生成式 AI
生成式 AI 可通过 Spyre 卡在本地安全运行，确保隐私、合规和对运营的全面控制。

Telum 上的预测性和多模型 AI

反洗钱
IBM z17 上的多 AI 模型方法可加速 AML 进程、提高准确性并简化合规管理。
保险理赔处理
将编码器大型语言模型 (LLM) 与预测性 AI 相结合，构建更快捷、更高效的理赔流程并提高服务质量。
实时欺诈检测
借助 Machine Learning for IBM® z/OS，在 IBM z17 上进行的交易中部署 AI 模型，可以立即检测欺诈交易，从而降低风险并节省成本。

主要产品

大数据技术 数据科学分析 人工智能 生成式 AI
生成式 AI 和 agentic AI

IBM® watsonx Assistant for Z 为 IBM Z 平台提供规模化部署的安全且支持 AI 的虚拟代理，以实现更智能的客户交互和智能体式工作流。

 IBM watsonx Assistant for Z
深蓝色背景上具有反射光效的透明玻璃方块
在 IBM Z 上部署模型

Machine Learning for IBM z/OS 支持用户在交易应用程序中部署机器学习模型，同时维护 SLA。

 Machine Learning for IBM z/OS
显示数据监控和合规审计的等距插图
企业开源框架

AI Toolkit for IBM Z 是针对 Telum 处理器而优化的一系列受支持的开源 AI 框架，同时在 IBM® z16 和 IBM z17 系统中采用片上 AI 加速。

 AI Toolkit for IBM Z
2025 年最佳软件 50 强徽章
人工合成训练数据

IBM® Synthetic Data Sets 是一系列人工生成的数据集，旨在增强预测性 AI 模型训练和 LLM。

 IBM 合成数据集

相关软件

IBM® Concert for Z 通过统一的用户界面提供异常检测、智能事件关联和专家建议。
IBM® Threat Detection for z/OS 可识别数据访问中可能表明潜在网络攻击的异常情况。
IBM® watsonx Code Assistant for Z 通过生成式 AI 和自动化加速大型机应用程序的开发和现代化。
IBM® Db2 for z/OS 为混合云、交易与分析提供安全、敏捷的数据服务。
Python AI Toolkit for IBM® z/OS 提供开源工具，助力运行 AI 与 ML 工作量。
IBM® Deep Neural Network Library for TensorFlow 利用集成 AI 加速器部署 AI 模型。
IBM® Z Platform for Apache Spark 支持使用 Java、Scala、Python 和 R 进行高性能内存分析。
IBM® Z Deep Learning Compiler 利用 AI 集成加速器将 ONNX AI 模型作为优化库运行。

资源

大型机如何改写 AI 运行手册
了解当前及下一代大型机的核心要素，了解其如何重塑 AI 格局。
大型机是数字化转型的中流砥柱
了解大型机在混合云优化、AI 创新与数字化转型中愈发重要的角色。
在 IBM z 上优化推理以及与 AI 的集成
了解如何在平台上为业务关键型用例启用 AI 解决方案，例如欺诈检测和信用风险评分。
如果 IBM Z 有助于阻止欺诈，结果会怎样？
在高度值得信赖且安全的企业系统，即现代化的 IBM 大型机上，了解低延迟 AI。
采取后续步骤

了解如何使用 AI 和机器学习，将每项事务的数据转换为实时洞察分析。

 立即开始
更多探索方式 文档 支持 全生命周期服务和支持 社区
脚注

¹ 免责声明：性能结果基于 IBM 在 9175 机型系统硬件上开展的内部测试推算得出。基准测试采用单线程运行本地推理操作，通过基于 LSTM 的合成信用卡欺诈检测模型调用 Integrated Accelerator for AI。测试批量大小为 160。IBM 系统硬件配置：1个 LPAR 运行 Red Hat Enterprise Linux 9.4，配备 6 个 IFL（含 SMT 同步多线程）、128 GB 内存；另 1 个 LPAR 配置 2 个 CP、4 个 zIIP 及 256 GB 内存，运行 IBM® z/OS 3.1 并启用 z/OS Container Extensions (zCX) 功能。结果可能有所不同。

2 免责声明：性能结果基于 IBM z16 与 z17 系统上利用 IBM® Integrated Accelerator for AI 执行推理操作的内部测试。在 IBM z17 上，每个 IBM Integrated Accelerator for AI 允许抽屉内任意 CPU 将 AI 推理请求调度至同一抽屉中 8 个空闲 AI 加速器的任意一个。测试采用 8 个并行线程运行的推理操作，批量大小为 1。IBM z16 与 z17 均配置 2 个 GCP、4 个 zIIP（采用 SMT）及 256 GB 内存，运行 IBM z/OS V3R1 系统与 IBM Z 深度学习编译器 4.3.0，采用合成信用卡欺诈检测模型。结果可能有所不同。