Durante anos, a inteligência artificial (IA) e o aprendizado de máquina (ML) remodelaram os setores, capacitaram vidas e resolveram problemas globais complexos. Essas forças transformadoras, anteriormente identificadas como HPC (computação de alto desempenho), impulsionaram as transformações digitais em organizações de todos os portes, aumentando a produtividade, a eficiência e a capacidade de resolução de problemas.
O surgimento de modelos de IA generativa (GenAI) altamente inovadores, alimentados pela aprendizagem profunda e pelas redes neurais, está revolucionando ainda mais o jogo. O aumento do uso desses aplicativos de ML e GenAI com uso intensivo de dados e computação está colocando demandas sem precedentes na infraestrutura do data center, exigindo transmissão de dados confiável de alta largura de banda e baixa latência, densidades de cabeamento e energia de rack significativamente maiores e métodos avançados de resfriamento.
À medida que os data centers se preparam para a GenAI, os usuários precisam de soluções de infraestrutura de rede inovadoras e robustas que os ajudem a projetar, implantar e dimensionar facilmente malhas de rede de back-end, front-end e armazenamento para ambientes complexos de IA de computação de alto desempenho (HPC).
Exemplo da plataforma de inferência de aprendizado profundo da NVIDIA
Os modelos acelerados de GenAI e ML consistem em treinamento (aprendizado de novos recursos) e inferência (aplicação dos recursos a novos dados). Essas redes neurais e de aprendizagem profunda imitam a arquitetura e a função do cérebro humano para aprender e gerar conteúdo novo e original com base na análise de padrões, nuances e características em conjuntos de dados maciços e complexos. Os modelos de linguagem grande (LLM), como o ChatGPT e o Google Bard, são exemplos desses modelos de GenAI treinados em grandes quantidades de dados para entender e gerar respostas de linguagem plausíveis. As CPUs de uso geral que executam operações de controle e de entrada/saída em sequência não conseguem extrair com eficácia grandes quantidades de dados em paralelo de várias fontes e processá-los com rapidez suficiente.
Portanto, os modelos acelerados de ML e GenAI dependem de unidades de processamento gráfico (GPUs) que usam processamento paralelo acelerado para executar milhares de cálculos de alto rendimento simultaneamente. A capacidade de computação de um único servidor baseado em GPU pode corresponder ao desempenho de dezenas de servidores tradicionais baseados em CPU!
Nossos especialistas em GenAI fornecem o esclarecimento necessário sobre esse assunto em rápida mudança, apresentando exemplos demonstráveis de como adaptar seus projetos de arquitetura de rede para melhor atender aos requisitos de treinamento e inferência.
Leia maisSiemon está na fronteira da revolução da GenAI e, por meio da colaboração com nossos clientes e parceiros, que estão na vanguarda do fornecimento dessas tecnologias, desenvolvemos uma variedade de soluções prontas para IA de última geração que estão prontas para dar suporte às suas implementações.
