VMware Private AI with Intel凭借出色的隐私保护、安全性、性能、规模和总体拥有成本,带来人工智能的革命性力量
中国北京,2023年11月9日—— 近日,VMware(NYSE:VMW)宣布与英特尔合作,通过拓展双方二十多年的创新成果,帮助客户加速人工智能(AI)应用,并在数据中心、公有云和边缘环境等所有地点部署Private AI。VMware和英特尔正致力于提供一个经过联合验证的AI堆栈,支持客户使用现有的通用VMware和英特尔基础架构以及开源软件简化AI模型的构建和部署。VMware Cloud Foundation通过与英特尔的AI套件、内置AI加速器的英特尔至强处理器以及英特尔Max系列GPU组合,将为数据准备、模型训练、微调和推理提供经过验证和基准测试的AI堆栈,加速科学发现并丰富企业和消费者服务。
全球已有30多万家客户部署了VMware Cloud,VMware 虚拟化软件已被部署到企业中几乎所有创建、处理或消费数据的地点。这使得 VMware Cloud 成为了一种可将AI加速计算和模型带到任何业务地点的快速手段。同样,英特尔也为成千上万的客户提供了开放、可扩展且值得信赖的解决方案。在企业中随处可见的VMware和英特尔产品将强强联手,共同提高数据科学的可访问性,支持全球企业机构采用Private AI,一种平衡AI带来的业务收益与实际隐私和合规需求的架构方法。
VMware AI Labs 副总裁 Chris Wolf 表示: “关于AI,我们已经无需在选择、隐私和控制方面争论权衡问题。Private AI能够同时为客户提供这三方面的能力,支持他们在加快AI部署的同时,构建具有前瞻性的 AI 基础架构。VMware Private AI with Intel将帮助我们的共同客户大幅提高工作者的生产力,加速主要业务功能转型,同时提升经济影响力。”
英特尔执行副总裁兼数据中心与人工智能事业部(DCAI)总经理Sandra Rivera表示:“几十年来,英特尔和VMware一直在提供从数据中心到云的新一代功能,支持客户提升行动速度、创新力和运营效率。AI可以带来更多强大的可能性,改善全人类的生活,英特尔和VMware完全有能力带领企业进入这个由芯片和软件驱动的AI新时代。”
提升AI性能,并以更低的总体拥有成本获得更安全的AI基础架构
无论是在公有云、企业数据中心还是在边缘,VMware Private AI 都能将算力和 AI 模型带到创建、处理和消费企业数据的地点,从而为传统 AI/ML 工作负载和生成式 AI 提供支持。VMware 和英特尔可在数分钟至数小时内对特定任务模型进行微调,并使用客户的私有企业数据实现比人类交流速度更快的大型语言模型推理。现在,VMware 和英特尔可以对更小、更经济的先进模型进行微调,这些模型更易于在共享虚拟系统上进行更新和维护。当批量AI工作完成后,这些模型又可以被送回 IT 资源池。现在,AI辅助代码生成、体验式客户服务中心推荐系统和经典机器统计分析等用例可以在运行应用的相同通用服务器上共存。
VMware 和英特尔正在设计一种参考架构,以便将英特尔的AI软件套件、英特尔至强处理器和数据中心GPU与VMware Cloud Foundation 相结合,支持客户在其基础架构上构建和部署Private AI模型,从而降低总体拥有成本,解决环境可持续发展问题。采用英特尔AI的VMware Private AI参考架构将包括:
VMware Cloud Foundation通过以下功能,为 VMware Private AI 带来一致的企业级基础架构,操作简便,同时增强安全性。
VMware Private AI 将由戴尔科技、惠与和联想的服务器提供支持,这些服务器运行带有英特尔高级矩阵扩展(英特尔AMX)的第四代至强 CPU 以及英特尔 Max 系列 GPU。
更多关于VMware Private AI与英特尔合作的信息,敬请访问:
https://www.vmware.com/products/vsphere/ai-ml.html
1- 基于VMware内部分析
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。