Durante años, la Inteligencia Artificial (IA) y el Aprendizaje Automático (AM) han transformado sectores, mejorado vidas y abordado problemas globales complejos. Estas fuerzas transformadoras, anteriormente identificadas como HPC (computación de alto rendimiento), han impulsado transformaciones digitales en organizaciones de todos los tamaños, aumentando la productividad, la eficiencia y la destreza en la resolución de problemas.
La aparición de modelos de IA generativa (GenAI) altamente innovadores, impulsados por el aprendizaje profundo y las redes neuronales, está alterando aún más el juego. El aumento del uso de estas aplicaciones de ML y GenAI, que hacen un uso intensivo de los datos y la computación, está imponiendo demandas sin precedentes en la infraestructura de los centros de datos, lo que requiere una transmisión de datos fiable de gran ancho de banda y baja latencia, densidades de cableado y alimentación de bastidores significativamente mayores y métodos de refrigeración avanzados.
A medida que los centros de datos se preparan para la GenAI, los usuarios necesitan soluciones de infraestructura de red innovadoras y sólidas que les ayuden a diseñar, implantar y escalar fácilmente tejidos de red back-end, front-end y de almacenamiento para entornos complejos de IA de computación de alto rendimiento (HPC).
Ejemplo de plataforma de inferencia de aprendizaje profundo de NVIDIA
Los modelos acelerados de GenAI y ML consisten en entrenamiento (aprendizaje de nuevas capacidades) e inferencia (aplicación de las capacidades a nuevos datos). Estas redes neuronales y de aprendizaje profundo imitan la arquitectura y la función del cerebro humano para aprender y generar contenido nuevo y original basado en el análisis de patrones, matices y características a través de conjuntos de datos masivos y complejos. Los grandes modelos lingüísticos (LLM), como ChatGPT y Google Bard, son ejemplos de estos modelos de GenAI entrenados en grandes cantidades de datos para comprender y generar respuestas lingüísticas plausibles. Las CPU de propósito general que realizan operaciones de control y entrada/salida en secuencia no pueden extraer con eficacia grandes cantidades de datos en paralelo de diversas fuentes y procesarlos con la suficiente rapidez.
Por tanto, los modelos ML y GenAI acelerados se basan en unidades de procesamiento gráfico (GPU) que utilizan el procesamiento paralelo acelerado para ejecutar miles de cálculos de alto rendimiento de forma simultánea. La capacidad de cálculo de un solo servidor basado en GPU puede igualar el rendimiento de docenas de servidores tradicionales basados en CPU.
Nuestros expertos en GenAI aportan la claridad que tanto se necesita en este tema tan cambiante, mostrando ejemplos demostrables de cómo adaptar sus diseños de arquitectura de red para satisfacer mejor los requisitos de formación e inferencia.
Seguir leyendoSiemon está en la frontera de la revolución GenAI y, gracias a la colaboración con nuestros clientes y socios, que están a la vanguardia de estas tecnologías, hemos desarrollado una gama de soluciones AI-Ready de próxima generación que están listas para respaldar sus implantaciones.
Explore Siemony descubra soluciones de vanguardia preparadas para la IA y diseñadas para arquitecturas de centros de datos emergentes. Descubra el cableado y la conectividad de alto rendimiento para cargas de trabajo de IA y HPC sin interrupciones.
Seguir leyendo
