何謂資料、訓練和推斷?

資料、訓練和推斷解決方案結合軟硬體,以建立對處理 AI 工作負載來說很重要的 IT 系統。

資料解決方案

  • 專注大型資料工作負載
  • 支援卓越的資料傳輸量和儲存容量
  • 征服資料湖
  • 準備資料以供 AI 運用

訓練解決方案

  • 建置、訓練與重新訓練 AI 模型
  • 協助提供更快的 AI 洞察速度
  • 提供資料與運算密集基礎架構
  • 可讓您從現有資料學習新功能

推斷解決方案

  • 採用新資訊並根據經過訓練的模型來推斷洞察
  • 透過訓練對新資料套用學習功能
  • 將 AI 部署到正式作業環境
  • 部署在更接近資料收集之處(比起訓練)

IBM 是您部署 AI 應用程式的 IT 解決方案來源

IBM Power Systems for AI 可協助企業充分發揮 AI 和分析的潛力,以制定更加資料導向的決策、獲得更深入的洞察,並培養信任和信心。

洞察

取得精確的模型結果,以便讓您對商業決策更有信心。

生產力

接受過行業測試與驗證的動態工具可讓您的所有資源、人員、處理器及處理程序充分發揮生產力。

速度

掌握尖端 AI 技術,擁有高資料傳輸量、 AI 輔助模型優化,以及 IBM 研究院支持。

安全性

以安全的 AI 解決方案做為建置基礎,享受 Power Systems 和 IBM 安全開放程式碼架構所提供的安全性。

認識 IBM Enterprise AI 伺服器

Power Systems LC922:適用於 AI 的資料伺服器

IBM Power System LC922 伺服器專門設計用來滿足 AI 資料和工作負載需求。它擁有儲存容量豐富的設計,可提供業界先進運算以分析與探索資料,同時提供龐大儲存容量以貯存資料。

  • 透過熱門資料庫提供最高 3.9 倍的性價比
  • 最多 120 TB 的資料儲存
  • 卓越 I/O:PCIe Gen 4

Power Systems AC922:AI 用訓練伺服器

IBM Power System AC922 伺服器可部署深度學習架構和加速資料庫,以便執行 AI 訓練。結合創新資料科學家的期望與 IT 需要的可靠性。

  • 快速 I/O - I/O 傳輸量最高是 x86 伺服器的 5.6 倍
  • 2-6 NVIDIA® Tesla® V100 GPU(含 NVLink)

IBM Watson Machine Learning Accelerator 軟體搭配 Power AC922 是勝利組合

此強大的軟體與硬體組合,可以縮減模型訓練時間,加速反覆運算,並增進洞察。

3.7x

更快的 Caffe 訓練速度¹

46x

更快的 SnapML 機器學習反覆運算速度²

IBM Power Systems AI 入門套件:支持 AI 旅程的軟硬體與支援工具箱

IBM AI 入門套件包含您使用 IBM AI 伺服器來啟動訓練模型與探索寶貴洞察的所需一切,以及協助您實作這些工具的真人支援,包括:

  • 2 部 IBM Power AC922 伺服器
  • 1 部 IBM Power LC922 伺服器
  • Watson Machine Learning Accelerator (WMLA) 軟體
  • 五套 IBM Systems Lab Services

探索 AI 相關內容

使 AI 專案商業案例與眾不同的 7 個因素

透過這份獨家 Gartner 報告,探索當前高階主管如何做好準備,以便為 AI 投資打造紮實的商業案例。

透過擴充伺服器來為「企業 AI」做好準備

AI 應用程式需要超出標準 CPU 的強大處理能力,也就是說您必須擴充伺服器才能符合其需求。

轉而邁向企業 AI

人工智慧 (AI) 已不再只是話題炒作,越來越多的組織試圖將策略轉為採用 AI。

Bridger Pipeline 公司利用 AI 和深度學習來保護環境

油管外洩會對環境造成巨大破壞。瞭解如何應用 AI,協助找出潛在的有害外洩,以便預防真正發生外洩。

資源

Elinar

Elinar 看到 AI 對於企業內容管理解決方案的顛覆性潛力,因此部署了 IBM Power 基礎架構而成為早期採用者,縮短了上市時間並贏得新客戶。

「從這一步開始邁向 AI」播客系列

Dez Blanchfield 與業界領導者探討人工智慧和深度學習採用的問題,瞭解 AI 領導者如何規劃其 AI 策略。

AI 對企業業務的價值

企業目前正利用 AI 來獲得競爭優勢。瞭解組織如何使用 AI 來提供全新更高效水準的客戶關懷。

AI 基礎架構解決方案

AI 基礎架構對於邁向 AI 的旅程至關重要。從資料儲存設備,到測試和原始運算能力,企業需要解決方案才能在 AI 中獲得成功。

AI 儲存設備解決方案

建置資料管線是任何 AI 基礎架構的重要一環。為了支援企業 AI 的資料密集需求,公司需要可靠的儲存設備解決方案,從資料汲取點一路到資料推斷均已優化。

免責聲明

¹ 結果是以 IBM 內部測量為基礎,對 Enlarged Imagenet Dataset (2240x2240) 執行 1000 次的 Enlarged GoogleNet 模型反覆運算(小型批次大小 = 5)。Power AC922;40 核心(2 x 20c 晶片),搭載 NVLink 2.0 的 POWER9;2.25 GHz,1024 GB 記憶體,4xTesla V100 GPU;搭載 CUDA 9.1/ CUDNN 7 的 Red Hat Enterprise Linux 7.4 for Power Little Endian (POWER9)。競爭堆疊:2x Xeon E5-2640 v4;20 核心(2 x 10c 晶片) / 40 個執行緒;Intel Xeon E5-2640 v4;2.4 GHz;1024 GB 記憶體,4xTesla V100 GPU,搭載 CUDA .9.0/ CUDNN 7 的 Ubuntu 16.04。軟體:IBM Caffe 與 LMS 原始碼 https://github.com/ibmsoe/caffe/tree/master-lms(ibm.com 外部鏈結)

² 46 倍 SnapML(ibm.com 外部鏈結)。在最新發佈的基準中,以擁有超過 40 億個訓練範例的 Criteo Labs(ibm.com 外部鏈結) 所發佈的線上廣告資料集,可在 91.5 秒內訓練出一個邏輯迴歸分類器。這個訓練時間比先前 https://cloud.google.com/blog/products/gcp/using-google-cloud-machine-learning-to-predict-clicks-at-scaleibm.com外部鏈結)報告的最好結果,也就是在 70 分鐘內使用 Google Cloud 平台上的 TensorFlow 訓練出同一模型,快了 46 倍。

請致電 886 80 001 6888 按 1 (免費)(優先順序代碼:Power)

請造訪我們:

請造訪我們: