کارخانه مناسب هوش مصنوعی را برای نیازهای خود بسازید: شریک موفقیت

جاه طلبی هوش مصنوعی به راحتی قابل توصیف است - استفاده از داده ها و مدل ها برای بهبود تصمیم گیری، خودکار کردن کار، تسریع در کشف یا ایجاد خدمات جدید. ارائه این نتایج دشوارتر است و برای موفقیت به تجربه قابل توجهی نیاز دارد. آموزش یک مدل مرزی، تنظیم دقیق یک مدل صنعتی، اجرای استنتاج با حجم بالا و پشتیبانی از هوش مصنوعی عامل، خواسته های متفاوتی را بر روی زیرساخت ها، فرآیندها و افراد ایجاد می کند.

پیاده‌سازی هوش مصنوعی ممکن است شامل یک پیکربندی کلید در دست تک‌منظوره باشد که یک خط کسب‌وکار را در خود جای می‌دهد، یا کسب‌وکار ممکن است نیازمند رویکرد استراتژیک‌تری برای سرمایه‌گذاری بر روی صرفه‌جویی در مقیاس و ایجاد هوش مصنوعی به‌عنوان یک سرویس چند مستاجر باشد که برای پاسخگویی به بسیاری از الزامات اصلی کسب‌وکار طراحی شده است. این ارزش یک کارخانه هوش مصنوعی است که چرخه حیات هوش مصنوعی کامل را گرد هم می‌آورد تا یک زیرساخت مقرون‌به‌صرفه در اطراف مأموریت طراحی شود، بر اساس تقاضا مقیاس‌بندی شود، در صورت نیاز ایمن شود و به عنوان یک منبع قابل اعتماد از اطلاعات مورد استفاده قرار گیرد.

کارخانه هوش مصنوعی برای ارائه ظرفیت، عملکرد، استفاده و ارزش تجاری مورد انتظار مشتریان طراحی شده است. از حجم کاری هوش مصنوعی تا نتیجه کسب و کار کارخانه هوش مصنوعی یک راه حل یکپارچه برای جذب داده، توسعه مدل، آموزش، تنظیم دقیق، استنتاج، نظارت و بهبود مستمر است. هدف آن این است که داده ها را به طور مکرر و کارآمد به اطلاعات تبدیل کند - خواه این اطلاعات از یک پزشک، مهندس، محقق، خدمات عمومی یا یک برنامه سازمانی پشتیبانی کند. دستیابی به این هدف به چیزی بیش از انتخاب یک پردازنده شتاب داده نیاز دارد.

محاسبه باید با مدل کسب و کار و حجم کاری مورد انتظار مطابقت داشته باشد. شبکه و خطوط لوله داده باید شتاب دهنده ها را تامین کنند. ذخیره سازی باید از حجم و سرعت داده پشتیبانی کند. نرم افزار باید منابع را فراهم کند و مشاغل را هماهنگ کند. امنیت، حاکمیت و چند اجاره‌نشینی باید نشان دهند که چه کسی از محیط استفاده می‌کند و به چه داده‌هایی می‌تواند دسترسی داشته باشد. قدرت و سرمایش باید از چگالی سیستم امروز و با رشد آن پشتیبانی کند.

تیری پینار، همکار HPE، معاون رئیس و مدیر ارشد فروش HPC و AI می‌گوید: «بدون معماری، حکمرانی و تخصص عملیاتی مناسب، سازمان‌ها نمی‌توانند به طور ایمن از داده‌های خود استفاده کنند، هوش مصنوعی را به فرآیندهای اصلی تبدیل کنند، یا نوآوری را به مزیت رقابتی بادوام تبدیل کنند. "مشتریان به این واقعیت پی می برند که برای به دست آوردن ارزش در نهایت به یک زیرساخت سرتاسر نیاز دارند که برای هوش مصنوعی طراحی و ساخته شده باشد." انتخاب با حجم کاری شروع می شود HPE AI Factory with NVIDIA مجموعه ای از محاسبات، شبکه و نرم افزار هوش مصنوعی NVIDIA با HPE را گرد هم می آورد.

زیرساخت، نرم افزار، خدمات و تخصص در استقرار سیستم های پیچیده. به جای وادار کردن هر مشتری به یک پیکربندی واحد، نمونه کارها سه مسیر را برای جاه طلبی ها، مدل های عملیاتی و نیازمندی های مختلف فراهم می کند. ● HPE Private Cloud AI، راه‌حل کارخانه‌ای هوش مصنوعی، یک پلت‌فرم هوش مصنوعی آماده سازمانی برای اجرای تنظیمات دقیق، RAG و استنتاج محیط‌های حجم کاری است که حداکثر به ۲۵۶ GPU نیاز دارند.

● HPE AI Factory در مقیاس از سازندگان مدل، ارائه‌دهندگان خدمات و شرکت‌های بزرگ که در بسیاری از کاربران، حجم‌های کاری و منابع GPU (با استفاده از ۱۰۰ تا ۱۰ ثانیه از هزاران پردازنده گرافیکی) با کنترل متمرکز، دید عملیاتی و چند اجاره‌ای در کل چرخه عمر AI پشتیبانی می‌کند. کنترل، امنیت داده و محل اقامت، مدیریت مستقل (از جمله تنظیمات اختیاری با فاصله هوایی)، و چارچوب‌های انطباق داخلی.

این برای شرکت‌های بزرگ و هر سازمان دیگری با اطلاعات حساس طراحی شده است که نیاز به کنترل دقیق و انطباق بین داده‌ها، زیرساخت‌ها، مدل‌ها و عملیات در محدوده‌های قانونی، مقرراتی یا جغرافیایی تعریف شده دارند. هر گزینه با یک اصل شروع می شود: ابتدا حجم کار و نتایج مورد نظر را تعریف کنید، سپس فناوری های مناسب را برای پشتیبانی از آنها انتخاب کنید و در نهایت منابع مورد نیاز برای اجرای چنین زیرساختی را شناسایی کنید.

بیمارستانی که دستیاران بالینی را مستقر می کند، از یک ارائه دهنده خدمات ارائه دهنده ظرفیت GPU، مدل های چشم انداز آموزشی سازنده یا دولتی که بارهای کاری حساس ملی را اجرا می کند، انتخاب های متفاوتی خواهد داشت. مدل HPE AI Factory به هرکدام راهی برای ساخت ماموریت خود بدون از دست دادن عملکرد، کنترل یا رشد آینده می دهد - و HPE با این سازمان ها شریک می شود تا احتمال موفقیت را به طور چشمگیری افزایش دهد. محیط را به عنوان یک سیستم اداره کنید با گسترش استفاده از هوش مصنوعی در سراسر یک سازمان، چالش های عملیاتی بالغ می شوند.

ممکن است چندین تیم به نمایه های منابع مختلف، پشته های برنامه، سطوح خدمات و مرزهای داده نیاز داشته باشند. تیم‌های پلت‌فرم نیاز به مشاهده استفاده، تخصیص ظرفیت، اعمال سیاست و درک مصرف بدون ایجاد یک جزیره زیرساخت جداگانه برای هر بار کاری دارند. مدیریت این تفاوت‌ها، زمان تولید را به یک روش مفید فزاینده برای تفکر در مورد زیرساخت‌های هوش مصنوعی تبدیل می‌کند: یک سازمان با چه سرعتی می‌تواند به طور موثر از چشم‌انداز سرمایه‌گذاری به یک محیط عملیاتی که اطلاعات مفیدی را تولید می‌کند، حرکت کند؟ بسیاری از شرکت‌ها در ابتدا سعی می‌کنند به این سوال به صورت خارجی پاسخ دهند

تخصص IT موجود خود را تکمیل کنند. اما ساختن یک محیط هوش مصنوعی تولید DIY از اجزای منفرد نیازمند مجموعه‌های مهارتی است که بسیاری از سازمان‌های فناوری اطلاعات سازمانی هرگز در این مقیاس به آن نیاز نداشته یا به آن نیاز ندارند. یک سیستم هوش مصنوعی ضعیف اجرا شده ممکن است از نظر فنی عمل کند در حالی که هنوز از نظر اقتصادی یا عملیاتی شکست می خورد. پردازنده‌های گرافیکی ممکن است کم استفاده باشند. خطوط لوله داده می تواند گلوگاه ایجاد کند. محدودیت های خنک کننده یا قدرت می تواند عملکرد و/یا انبساط را محدود کند. سیاست های امنیتی می تواند از گنجاندن داده های حساس و حجم کاری جلوگیری کند.

سیستم‌های مدیریتی که کمتر شناخته شده‌اند، می‌توانند کارکرد زیرساخت‌های کارخانه هوش مصنوعی را دشوار کنند. به همین دلیل است که چالش کارخانه هوش مصنوعی اساسا یک مشکل استراتژیک، یکپارچه سازی سیستم ها و عملیات است، نه صرفا جریانی از معاملات خرید سخت افزار. کارخانه HPE AI با مجموعه NVIDIA طیف وسیعی از راه‌حل‌های هوش مصنوعی را به شرکت‌ها ارائه می‌دهد که با همکاری NVIDIA با پشتوانه تخصص مهندسی و قابلیت‌های فنی HPE برای طراحی یک کارخانه هوش مصنوعی بر اساس نیازهای خاص خود و بهینه‌سازی آن برای عملکرد در مقیاس تولید شده‌اند. پینار توضیح می دهد.

این تمایز مهم است. مشتریان می توانند معماری متناسب با ماموریت فعلی خود را انتخاب کنند و با تغییر مدل ها، کاربران و نیازهای عملیاتی آن را گسترش دهند. HPE AI Factory برای کمک به اپراتورها در تهیه و مدیریت منابع، مشاهده زیرساخت ها، پیگیری استفاده و پشتیبانی از عملیات ایمن چند مستاجر طراحی شده است. این کنترل به مشتریان کمک می‌کند تا ظرفیت را با اولویت‌های حجم کاری هماهنگ کنند و در عین حال مدیریت محیط را با رشد آسان‌تر حفظ کنند. حاکمیت را به یک الزام طراحی تبدیل کنید خدمات ابری، محیط های خصوصی و رویکردهای ترکیبی همگی می توانند نقش مهمی در استراتژی هوش مصنوعی ایفا کنند.

برای سازمان‌هایی که الزامات حاکمیتی دارند، تصمیم بر اساس هزینه‌ها و سطح حاکمیت و کنترل مورد نیاز آنها تعریف می‌شود: جایی که داده‌ها و مدل‌ها در آن قرار دارند، چه کسی می‌تواند محیط را مدیریت کند، کدام حوزه قضایی اعمال می‌شود، محل اقامت داده‌ها، چگونه سیاست‌ها اجرا می‌شوند و چه سطحی از انزوا نیاز دارند. Kaushik Shirhatti، معاون کارخانه AI در NVIDIA می‌گوید: «ابزارهای مستقل هوش مصنوعی از HPE و NVIDIA به یک شرکت یا حتی یک دولت ملی، کنترل کامل بر نحوه ساخت، استقرار، عملکرد و اداره سیستم‌های هوش مصنوعی خود را می‌دهند.

برای برخی، این به معنای نگهداری داده‌های حساس در داخل کشور است. برای برخی دیگر، به معنای کنترل افرادی است که می‌توانند به سیستم‌ها دسترسی داشته باشند، بارهای کاری در کجا اجرا می‌شوند، مدل‌ها چگونه اداره می‌شوند و قوانین محلی اعمال می‌شوند.» مهندس HPE و NVIDIA برای نتیجه کامل HPE و NVIDIA راه‌حل‌های کارخانه‌ای AI را مهندسی می‌کنند تا کار یکپارچه‌سازی مورد نیاز برای استقرار و راه‌اندازی یک محیط هوش مصنوعی سازمانی با کارایی بالا را کاهش دهد.

راه حل مشترک با ترکیب محاسبات، شبکه و نرم افزار هوش مصنوعی NVIDIA با زیرساخت HPE، عملیات ابری، خدمات و پشتیبانی، به دانشمندان و توسعه دهندگان داده کمک می کند تا زمان بیشتری را صرف ساختن و بهبود برنامه های هوش مصنوعی کنند در حالی که تیم های پلت فرم تولید و کنترل عملیاتی را حفظ می کنند. NVIDIA پلتفرم‌های محاسباتی سریع، شبکه و مجموعه نرم‌افزار NVIDIA AI Enterprise را برای تقویت آموزش مدرن، تنظیم دقیق، استنتاج و بارهای کاری عاملی فراهم می‌کند.

HPE تخصص خود را در مهندسی سیستم‌های سازمانی، محاسبات با کارایی بالا، نرم‌افزار مدیریت و مشاهده‌پذیری، خدمات، پشتیبانی جهانی، تامین مالی، و سال‌ها تجربه در مورد نیازهای برق و سرمایش محیط‌های محاسباتی متراکم ارائه می‌کند. این شرکت‌ها با هم می‌توانند راه‌حل‌های محاسباتی هوش مصنوعی را فراتر از هر جزء بهینه کنند.

هدف انتخاب معماری GPU و طراحی سیستم مناسب برای حجم کاری، بهره‌وری شتاب‌دهنده‌ها با حرکت داده‌ها با سرعت بالا، ارائه نرم‌افزار و کنترل‌های عملیاتی مورد نیاز تیم‌ها، و ایجاد مسیری برای مقیاس‌بندی بدون طراحی مجدد غیرضروری محیط است. خدمات هوش مصنوعی HPE این مسیر را از برنامه‌ریزی کسب‌وکار، استراتژی هوش مصنوعی، مشخص‌سازی حجم کار و برنامه‌ریزی تسهیلات از طریق استقرار، یکپارچه‌سازی، پشتیبانی و عملیات در حال انجام پشتیبانی می‌کند. خدمات مالی HPE می تواند به خرید، برنامه های استهلاک سریع و انعطاف پذیری چرخه عمر کمک کند.

این قابلیت‌ها به مشتریان کمک می‌کند تا با توجه به نتیجه کسب‌وکار، مدل عملیاتی و سرعتی که محیط به آن نیاز دارد، انتخاب‌های فناوری مناسبی داشته باشند. سرعت استقرار مهم است، اما معیار نهایی موفقیت نیست. مشتریان باید آمادگی حجم کار، عملکرد مدل، استفاده از شتاب دهنده، بهره وری توسعه دهندگان، حاکمیت، در دسترس بودن، اقتصاد و توانایی توسعه را در نظر بگیرند. این اقدامات تصمیم زیربنایی را به نتایجی که سازمان برای دستیابی به آن برنامه ریزی کرده است، مرتبط می کند.

مورد HPE AI Factory با NVIDIA این نیست که هر مشتری به یک پشته نیاز دارد. این است که هر مشتری به یک محیط هوش مصنوعی نیاز دارد که عمدا با حجم کار، داده ها، الزامات عملیاتی و اهدافش مطابقت داشته باشد. با ترکیب رهبری محاسباتی سریع NVIDIA با زیرساخت، نرم‌افزار، خدمات و تخصص عملیاتی HPE، سازمان‌ها می‌توانند مسیر درست را انتخاب کنند و سریع‌تر از سرمایه‌گذاری هوش مصنوعی به نتایج تجاری معنادار حرکت کنند.

استقرار اخیر کارخانه هوش مصنوعی HPE با NVIDIA - TELUS Sovereign AI Factory در کانادا و کارخانه مستقل هوش مصنوعی در دانشگاه یوتا در ایالات متحده - به غلبه بر چالش های مهندسی و پیشرفت های علمی کمک می کند. در نتیجه، با شناسایی حجم کاری که از هوش مصنوعی سود می برد، شروع کنید، مرزهای داده مربوطه و الزامات اقامت را تعریف کنید، مقیاس مورد انتظار را در یک بازه زمانی معقول برآورد کنید، و مدل عملیاتی، منابع و مهارت های مورد نیاز برای پشتیبانی از زیرساخت هوش مصنوعی را تعیین کنید.

سپس با HPE و NVIDIA کار کنید تا ارزیابی کنید که کدام مسیر - کلید در دست، در مقیاس یا مستقل - به بهترین وجه این الزامات را برآورده می کند. برای کسب اطلاعات بیشتر به HPE AI Factory | زیرساخت هوش مصنوعی برای شرکت ها | HPE توسط HPE و NVIDIA حمایت می شود