Dirancang untuk memungkinkan solusi siap pakai untuk beban kerja AI perusahaan
Tingkatkan skala AI sekarang
Perusahaan menghadapi kendala nyata dalam hal peningkatan skala AI di seluruh organisasi, seperti kompleksitas data dan integrasi, kekurangan keterampilan yang tepat, risiko keamanan dan kepatuhan, dan masih banyak lagi. Penawaran AI IBM Power dan IBM Spyre Accelerator for Power* menghilangkan hambatan ini melalui pengoptimalan keseluruhan lapisan. Hasilnya? IBM Power menyediakan platform yang lebih cepat, fleksibel, dan aman yang dirancang untuk beban kerja AI perusahaan.
Fitur
.
Pilih dari solusi siap pakai yang diterapkan dalam satu klik untuk menyederhanakan pengaturan dan mempercepat beban kerja dengan IBM Spyre Accelerator for Power.
Jalankan model AI tradisional dan gen AI pada server Power dengan Spyre, watsonx.data, OpenShift AI, dan Red Hat AI Inference Server yang dioptimalkan untuk beban kerja perusahaan.
Manfaatkan akselerasi on-chip dan off-chip serta infrastruktur kelas-perusahaan yang dioptimalkan untuk beban kerja AI generatif dan tradisional.
Tanamkan AI langsung ke dalam basis pengetahuan perusahaan. Lebih dari 8 juta dokumen ditanamkan untuk integrasi basis pengetahuan setiap jam menggunakan Spyre Accelerator for Power dengan batch dan prompt berukuran 128.3
Contoh kasus
Memprediksi masalah TI, mendeteksi dan memperbaiki insiden, serta memperkirakan dan merencanakan kapasitas.
Menganalisis gambar medis dan mengotomatiskan klaim dan pencocokan EHR dengan asisten digital.
Mendeteksi penipuan, mengaktifkan anti-pencucian uang, dan mempercepat proses risiko dan penjaminan emisi.
Mengelola klaim, mencegah penipuan, mengoptimalkan penjaminan emisi, dan mendukung interaksi dengan nasabah.
Server Power
Pelajari bagaimana rumah sakit menggunakan teknologi AI dan IBM untuk menyederhanakan prosedur diagnosis kanker, meningkatkan kecepatan, akurasi, dan fokus pada kasus berisiko tinggi.
Pelajari bagaimana distributor milik keluarga dengan cepat pulih dari serangan ransomware menggunakan IBM i dan Power, memulihkan operasi penting dan mendorong modernisasi dengan alat AI generatif.
Pelajari bagaimana penyedia logistik menggunakan AI pada IBM i dan Power untuk memangkas waktu pemrosesan pesanan hingga 80% dan mempercepat penanganan 5X—meningkatkan akurasi dan respons pelanggan.
Catatan kaki
*Pernyataan IBM mengenai rencana, arahan, dan tujuannya dapat berubah atau dibatalkan tanpa pemberitahuan atas kebijakan IBM sendiri. Informasi mengenai potensi produk pada masa mendatang dimaksudkan untuk menguraikan arah produk kami secara umum dan tidak boleh diandalkan dalam membuat keputusan pembelian. Informasi yang disebutkan mengenai potensi produk di masa mendatang bukanlah komitmen, janji, atau kewajiban hukum untuk menyediakan materi, kode, atau fungsi apa pun. Informasi mengenai potensi produk di masa mendatang mungkin tidak dicantumkan dalam kontrak apa pun. Pengembangan, perilisan, dan penentuan waktu untuk setiap fitur atau fungsi di masa mendatang yang dijelaskan untuk produk kami sepenuhnya merupakan kebijakan kami.
1. Layanan AI dari katalog yang didukung IBM dikirimkan sebagai satu atau serangkaian kontainer yang dapat diterapkan dengan satu perintah penerapan. UI yang disediakan untuk katalog mengeksekusi perintah tersebut di backend berdasarkan satu klik dalam halaman UI layanan AI masing-masing.
2. Konfigurasi tunggal yang diaktifkan oleh API standar industri yang terekspos untuk memisahkan layanan yang diakses pengguna dan layanan inferensi pendukung untuk semua layanan AI yang merupakan bagian dari katalog yang didukung IBM. Layanan apa pun yang memerlukan kemampuan inferensi AI dapat menghubungkan layanan inferensi yang menyediakan titik akhir inferensi yang mematuhi API OpenAI atau API watsonx.ai (titik akhir Spyre, RH AI Inferencing Server, IBM Cloud, OpenAI, Azure, AWS, GCP, ...). Layanan dapat berjalan pada IBM Power atau IBM Power Virtual Server.
3. Berdasarkan pengujian internal yang menjalankan set data unit 1M dengan ukuran prompt 128, ukuran batch 128 menggunakan kontainer 1 kartu. Setiap hasil pengujian mungkin bervariasi, dipengaruhi oleh faktor seperti besarnya beban kerja, jenis subsistem penyimpanan yang digunakan, serta kondisi lain yang relevan.