Présenté par AMD
Il est difficile d’imaginer une technologie d’entreprise ayant un affect plus vital sur les entreprises aujourd’hui que l’intelligence artificielle (IA), avec des cas d’utilisation incluant l’automatisation des processus, la personnalisation des expériences utilisateur et l’obtention d’informations à partir de quantités massives de données.
En conséquence, on se rend compte que l'IA est devenue un facteur de différenciation essentiel qui doit être intégré à la stratégie de chaque organisation. Certains ont été surpris lorsque Google a annoncé en 2016 qu'elle serait une entreprise axée sur le mobilereconnaissant que les appareils mobiles étaient devenus la plate-forme utilisateur dominante. Aujourd'hui, certaines entreprises se qualifient elles-mêmes de « AI first », reconnaissant que leur réseau et leur infrastructure doivent être conçus pour prendre en cost l'IA avant tout.
Ne pas parvenir à relever les défis liés à la prise en cost des expenses de travail de l’IA est devenu un risque industrial vital, les retardataires étant voués à se retrouver à la traîne par rapport aux concurrents qui utilisent l’IA pour stimuler la croissance et accélérer leur development vers une place de chief sur le marché.
Cependant, l’adoption de l’IA présente des avantages et des inconvénients. Les functions basées sur l’IA créent une plateforme permettant aux entreprises d’augmenter leurs revenus et leurs elements de marché, par exemple en permettant des améliorations d’efficacité et de productivité grâce à l’automatisation. Mais la transformation peut être difficile à réaliser. Les expenses de travail de l’IA nécessitent une puissance de traitement large et une capacité de stockage importante, ce qui met à impolite épreuve des infrastructures informatiques d’entreprise déjà complexes et surchargées.
Outre les ressources centralisées des centres de données, la plupart des déploiements d’IA comportent plusieurs factors de contact sur les appareils des utilisateurs, notamment les ordinateurs de bureau, les ordinateurs portables, les téléphones et les tablettes. L’IA est de plus en plus utilisée sur les périphériques et les terminaux, ce qui permet de collecter et d’analyser les données à proximité de la supply, pour une vitesse de traitement et une fiabilité accrues. Pour les équipes informatiques, une grande partie du débat sur l’IA porte sur le coût et l’emplacement de l’infrastructure. Disposent-elles de suffisamment de puissance de traitement et de stockage de données ? Leurs options d’IA sont-elles situées là où elles fonctionnent le mieux : dans des centres de données sur web site ou, de plus en plus, dans le cloud ou en périphérie ?
Remark les entreprises peuvent réussir dans l’IA
Si vous souhaitez devenir une entreprise axée sur l’IA, l’un des plus grands défis consiste à mettre en place l’infrastructure spécialisée nécessaire. Peu d’organisations ont le temps ou l’argent nécessaires pour construire de nouveaux centres de données massifs pour prendre en cost les functions d’IA gourmandes en énergie.
La réalité pour la plupart des entreprises est qu’elles devront déterminer un moyen d’adapter et de moderniser leurs centres de données pour soutenir une mentalité privilégiant l’IA.
Mais par où commencer ? Aux débuts du cloud computing, les fournisseurs de providers cloud (CSP) proposaient des options de calcul et de stockage simples et évolutives. Les CSP étaient considérés comme un moyen de déploiement easy pour les expenses de travail métier indifférenciées. Aujourd’hui, le paysage est radicalement différent, avec de nouveaux CSP centrés sur l’IA qui proposent des options cloud spécialement conçues pour les expenses de travail d’IA et, de plus en plus, des configurations d’IA hybrides qui couvrent les providers informatiques sur web site et les providers cloud.
L'IA est une proposition complexe et il n'existe pas de answer universelle. Il peut être difficile de savoir quoi faire. Pour de nombreuses organisations, l'aide vient de leurs partenaires technologiques stratégiques qui comprennent l'IA et peuvent les conseiller sur la manière de créer et de fournir des functions d'IA qui répondent à leurs objectifs spécifiques et les aideront à développer leurs activités.
Les centres de données, qui constituent souvent une partie importante d'une software d'IA, constituent un élément clé du rôle de tout partenaire stratégique. La modernisation des centres de données en est un exemple. L'augmentation du nombre de serveurs et de processeurs spécialement conçus pour l'IA en est un exemple. En adoptant des applied sciences de centre de données spécifiques axées sur l'IA, il est attainable de fournir une puissance de calcul nettement supérieure avec moins de processeurs, de serveurs et de racks, ce qui vous permet de réduire l'empreinte du centre de données requise par vos functions d'IA. Cela peut augmenter l'efficacité énergétique et également réduire le coût complete d'investissement (TCO) de vos projets d'IA.
Un partenaire stratégique peut également vous conseiller sur les plateformes de processeur graphique (GPU). L'efficacité du GPU est essentielle au succès de l'IA, en particulier pour la formation des modèles d'IA, le traitement en temps réel ou la prise de décision. Le easy ajout de GPU ne permettra pas de surmonter les goulots d'étranglement du traitement. Avec une plateforme GPU bien implémentée et spécifique à l'IA, vous pouvez optimiser les projets d'IA spécifiques que vous devez exécuter et dépenser uniquement sur les ressources nécessaires. Cela améliore votre retour sur investissement (ROI), ainsi que la rentabilité (et l'efficacité énergétique) des ressources de votre centre de données.
De même, un bon partenaire peut vous aider à identifier les expenses de travail d’IA qui nécessitent réellement une accélération GPU et celles qui présentent une meilleure rentabilité lorsqu’elles sont exécutées sur une infrastructure exclusivement CPU. Par exemple, les expenses de travail d’inférence d’IA sont mieux déployées sur des CPU lorsque les tailles de modèle sont plus petites ou lorsque l’IA représente un pourcentage plus faible de la cost de travail globale du serveur. Il s’agit d’un élément vital à prendre en compte lors de la planification d’une stratégie d’IA, automobile les accélérateurs GPU, bien que souvent essentiels à la formation et au déploiement de modèles à grande échelle, peuvent être coûteux à obtenir et à exploiter.
La mise en réseau des centres de données est également essentielle pour fournir l’ampleur de traitement requise par les functions d’IA. Un partenaire technologique expérimenté peut vous conseiller sur les choices de mise en réseau à tous les niveaux (y compris les racks, les modules et les campus) et vous aider à comprendre l’équilibre et le compromis entre les différentes applied sciences propriétaires et commonplace du secteur.
Que rechercher dans vos partenariats
Votre partenaire stratégique pour votre parcours vers une infrastructure axée sur l'IA doit combiner son experience avec un portefeuille avancé de options d'IA conçues pour le cloud et les centres de données sur web site, les appareils utilisateur, les périphériques et les factors de terminaison.
AMD, par exemple, aide les entreprises à exploiter l'IA dans leurs centres de données existants. Les processeurs AMD EPYC™ peuvent favoriser la consolidation au niveau du rack, ce qui permet aux entreprises d'exécuter les mêmes expenses de travail sur moins de serveurs, d'améliorer les performances de l'IA du processeur pour les expenses de travail d'IA petites et mixtes, et d'améliorer les performances du GPU, en prenant en cost les accélérateurs GPU avancés et en minimisant les goulots d'étranglement informatiques. Grâce à la consolidation avec les processeurs AMD EPYC™, l'espace et la puissance du centre de données peuvent être libérés pour permettre le déploiement de serveurs spécialisés en IA.
L'augmentation de la demande de assist d'functions d'IA dans l'ensemble de l'entreprise exerce une pression sur les infrastructures vieillissantes. Pour fournir des options d'IA sécurisées et fiables, il est vital de disposer de la bonne technologie dans tout votre environnement informatique, du centre de données jusqu'aux terminaux et aux utilisateurs.
Les entreprises doivent s’appuyer sur de nouvelles applied sciences de datacenter et de serveur pour accélérer leur adoption de l’IA. Elles peuvent réduire les risques grâce à une technologie et une experience innovantes mais éprouvées. Et comme de plus en plus d’organisations adoptent une approche axée sur l’IA, le second est venu de se lancer dans cette aventure.
Robert Hormuth est vice-président d'entreprise, Structure et stratégie – Information Middle Options Group, AMD
Les articles sponsorisés sont des contenus produits par une entreprise qui finance la publication ou qui entretient une relation commerciale avec VentureBeat. Ils sont toujours clairement indiqués. Pour plus d'informations, contactez
