Künstliche Intelligenz (KI) verändert ganze Branchen. Vor diesem Hintergrund benötigen Unternehmen eine Infrastruktur, die KI-Workloads sowohl effizient als auch sicher bewältigen kann. IBM LinuxONE, unterstützt durch den IBM® Telum-Prozessor, integriert die KI-Beschleunigung direkt in den Chip und ermöglicht so die Echtzeit-Inferenz mehrerer KI-Modelle mit minimaler Latenz. Diese Funktionen – in Kombination mit KI und großen Sprachmodellen – ermöglichen es Unternehmen, Daten dort zu analysieren, wo sie sich befinden, und so schnellere und tiefere Erkenntnisse für geschäftskritische Anwendungen wie Betrugserkennung, Risikoanalyse und medizinische Bildgebung zu liefern.
IBM arbeitet mit dem IBM LinuxONE Ecosystem zusammen, um ISVs dabei zu helfen, Lösungen für die heutigen Herausforderungen in den Bereichen KI, Nachhaltigkeit und Cybersicherheit bereitzustellen.
Entdecken Sie zwei innovative Lösungen, die auf Finanz- und Gesundheitseinrichtungen zugeschnitten sind: Clari5 Enterprise Fraud Management auf IBM LinuxONE 4 Express zur Betrugsprävention in Echtzeit und Exponential AI's Enso Decision Intelligence Platform auf LinuxONE für fortschrittliche KI-Lösungen im großen Maßstab.
1 HAFTUNGSAUSSCHLUSS: Haftungsausschluss: Die Leistungsergebnisse basieren auf internen Tests von IBM, die auf IBM Systems Hardware des Maschinentyps 9175 ausgeführt wurden. Die OLTP-Anwendung und PostgreSQL wurden auf der IBM Systems Hardware bereitgestellt. Das KI-Setup des Credit Card Fraud Detection (CCFD) Ensembles besteht aus zwei Modellen (LSTM, TabFormer). Auf IBM Systems Hardware wurde die OLTP-Anwendung mit dem IBM Z Deep Learning Compiler (zDLC) kompiliertem JAR und IBM Z Accelerated for NVIDIA® Triton™ Inference Server lokal ausgeführt und die KI-Inferenzoperationen auf Kernen und dem Integrated Accelerator for AI im Gegensatz zur Ausführung der OLTP Anwendung lokal ausgeführt und die Remote KI-Inferenzvorgänge auf einem x86 Server verarbeitet, auf dem NVIDIA Triton Inference Server mit OpenVino™ Laufzeit-Backend auf CPU (mit AMX) ausgeführt wird. Jedes Szenario wurde von Apache JMeter™ 5.6.3 mit 64 parallelen Benutzern gesteuert. IBM Systems Hardwarekonfiguration: 1 LPAR mit Ubuntu 24.04 mit 7 dedizierten Kernen (SMT), 256 GB Arbeitsspeicher und IBM FlashSystem 9500 Speicher. Die Netzwerkadapter waren für NETH unter Linux dediziert. x86-Server-Konfiguration: 1 X86 Server mit Ubuntu 24.04 mit 28 Emerald Rapids Intel Xeon Gold CPUs bei 2.20 GHz mit eingeschaltetem Hyper-Threading, 1 TB Arbeitsspeicher, lokalen SSDs, UEFI mit aktiviertem maximalen Leistungsprofil, CPU P-State Control und C-States deaktiviert. Die Ergebnisse können abweichen.
2, 3 HAFTUNGSAUSSCHLUSS: Die Leistungsergebnisse wurden aus internen IBM Tests extrapoliert, die auf IBM Systems Hardware des Maschinentyps 9175 ausgeführt wurden. Der Benchmark wurde mit 1 Thread ausgeführt, der lokale Inferenzvorgänge mithilfe eines LSTM-basierten synthetischen Modells zur Betrugserkennung durchführte, um den integrierten Beschleuniger für KI zu nutzen. Es wurde eine Stapelgröße von 160 verwendet. IBM Systems Hardwarekonfiguration: 1 LPAR mit Red Hat Enterprise Linux 9.4 mit 6 Kernen (SMT), 128 GB Arbeitsspeicher. Die Ergebnisse können abweichen.