AI on IBM Z

运用机器学习将每项事务的数据转换为实时洞察分析

借助 IBM Z,让 AI 发挥作用

AI on IBM® Z 运用机器学习将每项事务的数据转换为实时洞察分析。

无需迁移数据即可快速挖掘洞察分析并获得可信任、可操作的结果。使用开源框架和工具,将 AI 和机器学习应用于 IBM Z 上最有价值的企业数据。

 

开启您的 AI on IBM Z and LinuxONE 之旅
优势 IBM® z16 配备开创性的 IBM® Telum 处理器,采用片上 AI 加速功能,可显着提高推理速度和规模。 可随事务量灵活调整的速度

共置应用程序和推理的吞吐量提高了 19 倍,响应时间缩短了 20 倍。

按需获取实时洞察分析

将 AI 融入每项事务,同时仍满足最严格的 SLA。

实现绿色 AI 可持续发展目标

使用 AI 集成加速器将推理操作处理的能耗降低 41 倍。

主要产品 生成式 AI

Watson Code Assistant for Z 是一款由生成式 AI 驱动的工具,可提供端到端应用程序开发人员生命周期。此工具包括应用程序发现和分析、自动代码重构以及 COBOL 到 Java 的转换。

深入了解 watsonx Code Assistant for Z
AI 工具包

AI Toolkit for Z and LinuxONE 由 IBM® Elite Support 和 IBM Secure Engineering 构成,可用于审查和扫描开源 AI 服务框架以及经 IBM 认证的容器,从而检测安全漏洞并验证是否符合行业法规。

深入了解 AI Toolkit for Z and LinuxONE
AI 已嵌入现实世界应用程序

Machine Learning for z/OS 可支持您使用自己选择的平台来构建机器学习模型,并在事务应用程序中快速部署这些模型,同时维护 SLA。

深入了解 Machine Learning for z/OS
相关产品

融合 AI 的事务数据

敏捷、高效、安全的企业数据,服务于最苛刻的混合云环境以及事务和分析应用程序。

IBM Db2 for z/OS

Python AI 工具包

访问相关开源软件库,以支持当今的 AI 和机器学习工作负载。

Python AI Toolkit for IBM® z/OS

加快 TensorFlow 推理

借助 IBM Integrated Accelerator for AI,将随时随地接受训练 TensorFlow 的模型部署到 IBM Z 上接近业务关键型应用程序的位置。

IBM ZDNN Plugin for TensorFlow

内存计算性能

通过内存计算引擎和分析运行时向前买进,支持流行的大数据语言,例如 Java、Scala、Python 和 R。

IBM Z Platform for Apache Spark

将 .onnx 深度学习 AI 模型编入共享库

将可兼容的 AI 模型编译为 onnx 格式,并以最小的依赖关系在 IBM Z 上运行,同时可以无缝使用 IBM Integrated Accelerator for AI。

IBM Z Deep Learning Compiler

热门开源工具

在 Anaconda on IBM Z and LinuxONE,并使用行业标准软件包(如 Scikit-learn、NumPy 和 PyTorch)和经济高效的 zCX 容器。

Anaconda on IBM Z and LinuxONE 常见问题
演示视频 使用 IBM Integrated Accelerator for AI 在 Linux 上运行 AI 了解如何使用专为 AI 设计的处理器芯片,并借助 Linux on IBM Z systems 来运行 AI 分析,以便让您的分析更简便、更安全,并实现实时大规模处理。
资源 通过 AI 优化推理和集成

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 可以帮助阻止欺诈,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。安排与 IBM Z 和 LinuxONE 代表进行 30 分钟的免费会议。

立即开始
更多探索方式 文档 支持 IBM Redbooks 支持与服务 全球融资 灵活定价 教育与培训 社区 开发者社区 资源
脚注

1借助 IBM LinuxONE Emperor 4,使用信用卡欺诈检测模型每天可处理多达 3,000 亿个推理请求,响应时间为 1 毫秒

免责声明:性能结果是根据 IBM 内部测试推断而得,这些测试在 Ubuntu 20.04(SMT 模式)上配备 48 个内核和 128 GB 内存的 IBM LinuxONE Emperor 4 LPAR 中运行本地推理操作,并使用合成信用卡欺诈检测模型 (https://github.com/IBM/ai-on-z-fraud-detection) 和 AI 集成加速器。该基准测试使用 8 个并行线程运行,每个线程连接到了不同芯片的第一个内核。lscpu 命令用于识别内核芯片拓扑结构。采用的规模为一批 128 个推理操作。结果可能有所不同。