Konvergensi HPC dan AI: Mendorong inovasi dengan cepat

Dalam lingkungan yang berubah dengan cepat saat ini, memberikan produk berkualitas lebih tinggi ke pasar dengan lebih cepat sangat penting untuk kesuksesan. Banyak industri mengandalkan komputasi berkinerja tinggi (HPC) untuk mencapai tujuan ini. 

Perusahaan semakin beralih ke kecerdasan buatan generatif (gen AI) untuk mendorong efisiensi operasional, mempercepat keputusan bisnis, dan mendorong pertumbuhan. Kami percaya bahwa konvergensi HPC dan kecerdasan buatan (AI) adalah kunci bagi perusahaan untuk tetap kompetitif. 

Teknologi inovatif ini saling melengkapi, memungkinkan organisasi untuk mendapatkan manfaat dari nilai-nilai uniknya. Sebagai contoh, HPC menawarkan daya komputasi tingkat tinggi dan skalabilitas, yang sangat penting untuk menjalankan beban kerja yang memerlukan kinerja tinggi. Demikian pula, AI memungkinkan organisasi untuk memproses beban kerja dengan lebih efisien dan cerdas.

Di era gen AI dan hybrid cloud, IBM® Cloud HPC menghadirkan kekuatan komputasi yang dibutuhkan organisasi untuk berkembang. Sebagai solusi terintegrasi di seluruh komponen penting komputasi, jaringan, penyimpanan, dan keamanan, platform ini bertujuan untuk membantu perusahaan dalam mengatasi tuntutan peraturan dan efisiensi.

Inti semua ini adalah data, yang membantu perusahaan mendapatkan insight berharga untuk mempercepat transformasi. Dengan keberadaan data hampir di mana-mana, organisasi sering memiliki repositori lama yang diperoleh dari menjalankan simulasi HPC tradisional dan beban kerja pemodelan. Repositori ini dapat diambil dari banyak sumber. Dengan menggunakan semua sumber ini, organisasi dapat menerapkan HPC dan AI pada tantangan yang sama, sehingga memungkinkan mereka untuk menghasilkan insight yang lebih dalam dan lebih berharga yang mendorong inovasi lebih cepat.

HPC yang dipandu AI menerapkan AI untuk merampingkan simulasi, yang dikenal sebagai simulasi cerdas. Dalam industri otomotif, simulasi cerdas mempercepat inovasi dalam model baru. Karena desain kendaraan dan komponen sering berkembang dari iterasi sebelumnya, proses pemodelan mengalami perubahan signifikan untuk mengoptimalkan kualitas seperti aerodinamika, kebisingan, dan getaran.

Dengan jutaan perubahan potensial, menilai kualitas ini di berbagai kondisi, seperti jenis jalan, dapat sangat memperpanjang waktu untuk menghadirkan model baru. Namun, di pasar masa kini, konsumen menuntut rilis cepat model baru. Siklus pengembangan yang berkepanjangan dapat membahayakan penjualan produsen otomotif dan loyalitas pelanggan.

Produsen otomotif, yang memiliki banyak data terkait dengan desain yang ada, dapat menggunakan data dalam jumlah besar ini untuk melatih model AI. Hal ini memungkinkan mereka untuk mengidentifikasi area terbaik untuk optimasi kendaraan, sehingga mengurangi ruang masalah dan memfokuskan metode HPC tradisional pada area desain yang lebih tepat sasaran. Pada akhirnya, pendekatan ini dapat membantu menghasilkan produk berkualitas lebih baik dalam waktu yang lebih singkat.

Dalam otomatisasi desain elektronik (EDA), AI dan HPC mendorong inovasi. Dalam lingkungan semikonduktor yang berubah dengan cepat saat ini, miliaran tes verifikasi harus memvalidasi desain chip. Namun demikian, jika terjadi kesalahan selama proses validasi, tidak praktis untuk menjalankan ulang seluruh rangkaian tes verifikasi karena sumber daya dan waktu yang diperlukan.

Untuk perusahaan EDA, menggunakan metode HPC dengan AI yang ditanamkan penting untuk mengidentifikasi tes yang perlu dijalankan kembali. Hal ini dapat menghemat sejumlah besar siklus komputasi dan membantu menjaga produksi berjalan sesuai jadwal, yang pada akhirnya memungkinkan perusahaan untuk mengirimkan semikonduktor kepada pelanggan dengan lebih cepat.

IBM merancang infrastruktur untuk memberikan fleksibilitas dan skalabilitas yang diperlukan untuk mendukung HPC dan beban kerja yang memerlukan komputasi tinggi seperti AI. Misalnya, mengelola data bervolume besar yang digunakan dalam simulasi HPC modern, pemodelan, dan pelatihan model AI dengan fidelitas tinggi dapat menjadi sangat penting, dan membutuhkan solusi penyimpanan berkinerja tinggi.

IBM Storage Scale dirancang sebagai sistem penyimpanan file dan object terdistribusi dengan kinerja dan ketersediaan tinggi yang mampu merespons aplikasi paling berat yang membaca atau menulis data dalam jumlah besar.

Ketika organisasi bertujuan untuk menskalakan beban kerja AI mereka, IBM® watsonx di IBM Cloud membantu perusahaan untuk melatih, memvalidasi, menyetel, dan menerapkan model AI sekaligus menskalakan beban kerja. Selain itu, IBM juga menawarkan opsi unit pemrosesan grafis(GPU) dengan GPU NVIDIA di IBM Cloud, yang menyediakan infrastruktur GPU inovatif untuk beban kerja AI perusahaan.

Namun, penting untuk dicatat bahwa pengelolaan GPU tetap diperlukan. Workload scheduler seperti IBM Spectrum LSF secara efisien mengelola aliran tugas ke GPU, sementara IBM Spectrum Symphony, penjadwal latensi rendah dan kinerja tinggi yang dirancang untuk beban kerja analisis risiko industri jasa keuangan, juga mendukung tugas-tugas GPU. 

Mengenai GPU, berbagai industri yang membutuhkan daya komputasi intensif menggunakannya. Misalnya, organisasi jasa keuangan menggunakan metode Monte Carlo untuk memprediksi hasil dalam skenario seperti pergerakan pasar keuangan atau penetapan harga instrumen.

Simulasi Monte Carlo, yang dapat dibagi menjadi ribuan tugas independen dan dijalankan secara bersamaan di seluruh komputer, sangat cocok untuk GPU. Hal ini memungkinkan organisasi jasa keuangan untuk menjalankan simulasi berulang kali dan cepat. 

Ketika perusahaan mencari solusi untuk tantangan mereka yang paling kompleks, IBM berkomitmen untuk membantu mereka mengatasi hambatan dan berkembang. Dengan keamanan dan kontrol yang dibangun ke dalam platform, IBM Cloud HPC memungkinkan klien di industri untuk menggunakan HPC sebagai layanan yang dikelola sepenuhnya, mengatasi risiko pihak ketiga dan pihak keempat. Konvergensi AI dan HPC dapat menghasilkan kecerdasan yang menambah nilai dan mempercepat hasil, membantu organisasi dalam mempertahankan daya saing.