HPE正在调整自己的AI产品组合,近日宣布推出了一套新的混合云产品,用于机器学习开发、数据分析、AI优化的文件存储以及推理服务的调优。
HPE表示,这些服务将通过一个平台提供,该平台结合了开源软件和基础设施,专为AI模型训练的数据需求而设计。
HPE计算部门总经理Neil MacDonald表示:“企业可以接受和探索的速度,以及他们对如何对部分业务运营进行转型的实验,是至关重要的。我们正在提供一种开箱即用的推理解决方案,使客户能够采用预先训练好的模型并将其部署到环境中以转型他们的企业运营,并且能够比以前更快速地完成这一任务。”
超级计算的优势
HPE表示将利用GreenLake平台提供以AI为中心的功能组合,包括数据优先管道、生命周期管理软件、高性能互连、以及对第三方扩展的开放生态系统的支持。HPE表示,通过2019年收购Cray Research所获得的超级计算专业知识,将让HPE在这个市场中占据优势。
HPE公司人工智能首席产品官Evan Sparks表示:“你的DNA中需要具备超级计算能力,并且能够扩展到大规模计算中,HPE已经在许多其他领域解决了这些问题。
HPE在本周举行的Discover Barcelona大会上宣布与Nvidia扩大合作,提供由Nvidia构建的生成式AI专用计算平台,该平台将针对那些使用私有数据集和自定义软件工具的AI模型的训练和调整进行优化。
该平台基于HPE ProLiant DL380a硬件,预配置了Nvidia L40S GPU、BlueField-3数据处理单元和Spectrum-X以太网网络,其规模可调优一个配置16台服务器、64个GPU以及具有700亿个参数的Llama-2模型。它将配备增强型HPE Machine Learning Development Environment,具有用于原型设计和测试的生成式AI工作室功能,以及具有GPU感知功能的HPE Ezmeral软件。
此外还包括了Nvidia的企业运输局软件堆栈,用于安全且可管理的AI开发和部署,以及用于模型定制和部署的Nvidia NeMo云原生框架。
新型应用
Nvidia公司企业计算副总裁Manuvir Das表示:“生成式AI催生了一种新型的企业应用,这种应用使用AI嵌入模型将数据仓库中的数据转换为嵌入,这是信息含义的一种表示。然后,你使用矢量数据库来存储这些嵌入,以便可以与数据进行对话,找到库中最能代表答案的所有信息,并将其转化为提示内容以提供给大型语言模型。”
以AI为中心的基础设施将包括用于文件存储的GreenLake,这是一个针对模型训练和调整进行微调的全闪存非结构化数据平台。该平台的性能密度是现有GreenLake文件存储的2倍,吞吐量和与Nvidia Quantum-2 InfiniBand网络平台的连接性是现有GreenLake文件存储的4倍。
HPE Machine Learning Development Environment现在也已经作为一项管理服务用语模型训练了。HPE表示,该服务降低了模型开发的操作复杂性和人员需求,并具有用于原型设计和测试的生成式AI专有工作室功能。
用于软件容器的HPE Ezmeral平台得到了增强,现在支持针对GPU优化的混合数据湖仓,并支持NFS文件系统以及AWS S3兼容的对象存储。此外,Machine Learning Development Environment集成了分析软件,能够提供增强的模型训练和调整功能。
HPE Ezmeral软件总经理Mohan Rajagopalan表示:“我们正在努力打造单一的管理平台体验,以最大限度地利用和管理你的数据,无论这些数据位于何处。”
这款增强的产品针对跨工作负载的Nvidia GPU分配进行了优化,并提供了对第三方集成的访问,包括用于数据记录的开源Whylogs以及用于GPU加速查询的Voltron Data框架。
HPE还表示,HPE的服务部门将提供广泛的咨询、培训和部署服务,并由位于西班牙、美国、保加利亚、印度和突尼斯的人工智能和数据中心提供支持。从明年第一季度客户可以开始订购这些生成式AI产品和服务。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。