امروزه مدلهای هوش مصنوعی به طور گسترده تمام جنبههای زندگی و کار ما را فرا گرفته است. با گذشت هر سال، مدلهای هوش مصنوعی پیچیدهتر میشوند، بنابراین، روشهای جدید و کاربردهای جدید نیاز به قدرت محاسباتی بیشتری برای پاسخگویی به تقاضای رو به رشد برای هوش مصنوعی دارند. در این راستا، شرکتهای HPC سعی بر ارائه ابررایانههای مبتنی بر هوش مصنوعی دارند. در ادامه خبر، به معرفی ابررایانه مبتنی بر هوش مصنوعی Vela با سختافزار Intel و Nvidia میپردازیم.
ابررایانههای سنتی به گونهای طراحی شدهاند که وظایف مدلسازی یا شبیهسازی را به خوبی انجام دهند. در حالی که این سیستمها برای هوش مصنوعی عملکرد خوبی دارند و بسیاری از ابررایانههای هوش مصنوعی (مانند ابررایانه هوش مصنوعی Azure مایکروسافت که برای OpenAI ساخته شده است) همچنان از این الگو پیروی میکنند، ولی مشکل ابررایانههای سنتی این است که هزینه را افزایش داده و انعطافپذیری استقرار را محدود میکند. این مشکل طراحهای ابررایانه را به سمت ساخت ابررایانه بهینهسازی شده با هوش مصنوعی سوق داد.
IBM از ماشین مجازی در Vela استفاده کرده است، با این استدلال که در حالی که bare-metal برای کارایی هوش مصنوعی ترجیح داده میشود، ماشینها انعطافپذیری بیشتری را ارائه میدهند. برای بهبود تأثیرات کارایی، IBM میگوید که پس از تحقیقات بسیار، روشی ابداع کرده تا تمامی قابلیتهای گره (GPU، CPU، شبکه و ذخیرهسازی) را در ماشین مجازی نشان دهد، به طوری که سربار مجازیسازی کمتر از 5 درصد باشد. این مقدار کمترین سرباری است که تاکنون دیده شده است.
در حالی که این کار با توجه به ارائه کارایی و انعطافپذیری برای بارهای کاری هوش مصنوعی در مقیاس بزرگ انجام شده است، این زیرساخت به گونهای طراحی شده است که در هر یک از مراکز داده در سراسر جهان در هر مقیاسی قابل استقرار باشد. همچنین به صورت بومی در محیط IBM Cloud VPC ادغام شده است، به این معنی که بارهای کاری هوش مصنوعی میتوانند از هر یک از بیش از 200 سرویس در حال حاضر در دسترس IBM Cloud استفاده کنند. در حالی که کار در زمینه یک ابر عمومی انجام شده است، این معماری را میتوان برای طراحی سیستمهای هوش مصنوعی On-premises نیز به کار گرفت.
IBM از ماشین مجازی در Vela استفاده کرده است، با این استدلال که در حالی که bare-metal برای کارایی هوش مصنوعی ترجیح داده میشود، ماشینها انعطافپذیری بیشتری را ارائه میدهند. برای بهبود تأثیرات کارایی، IBM میگوید که پس از تحقیقات بسیار، روشی ابداع کرده تا تمامی قابلیتهای گره (GPU، CPU، شبکه و ذخیرهسازی) را در ماشین مجازی نشان دهد، به طوری که سربار مجازیسازی کمتر از 5 درصد باشد. این مقدار کمترین سرباری است که تاکنون دیده شده است.
توپولوژی ابررایانه Vela
در حالی که این کار با توجه به ارائه کارایی و انعطافپذیری برای بارهای کاری هوش مصنوعی در مقیاس بزرگ انجام شده است، این زیرساخت به گونهای طراحی شده است که در هر یک از مراکز داده در سراسر جهان در هر مقیاسی قابل استقرار باشد. همچنین به صورت بومی در محیط IBM Cloud VPC ادغام شده است، به این معنی که بارهای کاری هوش مصنوعی میتوانند از هر یک از بیش از 200 سرویس در حال حاضر در دسترس IBM Cloud استفاده کنند. در حالی که کار در زمینه یک ابر عمومی انجام شده است، این معماری را میتوان برای طراحی سیستمهای هوش مصنوعی On-premises نیز به کار گرفت.
متن کامل خبر را میتوانید اینجا بخوانید.
اگر بازخوردی درباره این مطلب دارید یا پرسشی دارید که بدون پاسخ مانده است، آن را از طریق بخش نظرات مطرح کنید.
ثبت نظر