英特尔至强可扩展处理器联合软件优化,助力企业实现30天内业务成果可视化
近期,英特尔与Aible展开合作,旨在助力核心行业团队充分利用人工智能技术,以助力快速和可量化的业务成果实现。此次深度合作内容涵盖工程优化及创新基准测试项目,可有效加速Aible面向企业级客户的成果交付。基于英特尔可扩展处理器,Aible技术打造“无服务器优先”的方法,使开发人员能够在无管理服务器的情况下开发和运行应用,并在降低总体拥有成本(TCO)的同时提升软件的敏捷性。
英特尔公司副总裁兼数据中心、人工智能和云计算执行与战略总经理Kavitha Prasad 表示:“目前,企业IT基础设施领导者们正面临着巨大的挑战,关于如何通过构建IT底层基座来帮助业务团队使用数据中心的AI创新应用并创造价值。现阶段,我们已经超越在“纸”上谈论AI潜力的阶段了,得益于英特尔®至强®可扩展处理器,以及英特尔与Aible联合开发的内置软件优化,诸多核心行业的业务团队在几天之内便能够收获显著的业务效果。”
随着技术的加速发展,为能高效管理庞大的流入数据,开发人员对可扩展性、处理速度以及低成本的需求与日俱增。基于英特尔长期以来在开源软件的投入,及其内置AI加速器的至强可扩展处理器,能够通过一致、开放的架构,帮助用户优化多样化的工作负载和性能。
与市面上其它服务器导向的解决方案相比,Aible的无服务器策略可加快机器学习模型的训练1。英特尔与Aible此次合作,推动了数据管理和数据操作、增强型数据分析、AI模型训练与推理以及整体增强型分析工作流程等方面的创新升级。
通过增强型数据工程、增强型分析以及增强型数据科学和机器学习,Aible在数据驱动的各个业务环节均可提供良好的投资回报率,并可在增加AI影响力的同时系统性地降低风险。
基于当前和即将推出的英特尔平台、产品及其功能,包括英特尔® AVX-512、DL Boost、英特尔SGX、oneAPI深度神经网络库、软件和基础设施相关产品,Aible的技术可提高性能、加快创造价值并降低总体拥有成本。英特尔® AI分析工具包是基于oneAPI开发的,其中的英特尔优化软件包内含Tensorflow、Numpy、SciPy和其他流行的库,能够在英特尔至强可扩展处理器上提供2-3倍的性能1。
得益于内置的英特尔优化的AI软件和英特尔至强可扩展处理器,Aible的客户可以大幅提高部署速度,并对业务产生重大的积极影响。在Aible“30天内从AI获益”的计划中,包括两家财富500强客户、诺瓦东南大学和Vertiv等机构在内的20家客户已经成功从AI获得积极影响。
过往50余年来,英特尔始终与客户保持密切合作,旨在通过对解决方案堆栈中包括应用软件、编排和硬件在内的每一层进行深入解析,以实现软件优化。与此同时,英特尔亦携手AI生态系统,共同开发广泛的软件工具、框架和库,以满足最严苛的数据科学需求。现阶段,通过内置硬件加速和针对流行软件工具的优化,英特尔已经简化了从数据攫取到大规模部署的AI工作流程。对于欲应用AI应对巨大挑战的创新者而言,英特尔正在为推动AI无处不在铺平道路,加速推动AI落地和应用。
现阶段,企业IT基础设施领导者们正面临着巨大的挑战,关于如何通过构建IT底层基座来帮助业务团队使用数据中心的AI创新应用并创造价值。而Aible技术与基于英特尔技术的基础设施相结合,能够为从评估数据到自动发现洞察,再到模型的训练、部署和监测在内的整个AI生命周期带来极大优势,进而应对挑战。
这项合作可以帮助企业在不增加复杂性的前提下,基于当前部署的基础设施将AI应用的总体拥有成本降低3-4倍。客户不仅可以利用至强可扩展处理器为AI应用奠定坚实的基础,亦能够结合可扩展的无服务器架构来以满足当前和未来的工作负载需求。
说明:
1根据英特尔和Aible的基准测试报告,“这项研究亦表明,与搭载类似英特尔处理器的传统服务器架构相比,无服务器计算的体验更好。采用无服务器方案时,应用软件的成本效益提高2-3倍,总体拥有成本降低3-4倍,比服务器架构快2-3倍。”
详情请见Aible“30天内从AI获益”项目说明
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。