Những chỉ tiêu quan trọng trong AI: Thời gian đến lúc vận hành và thời gian đến lúc thu lợi

AI là nhân tố thay đổi cuộc chơi cho nhiều ngành công nghiệp ngày nay, nhưng để đạt được thành quả phải có hai nhân tố quan trọng cần được xét đến. Đó là thời gian đến lúc bắt đầu vận hành và thời gian để thu lợi kết quả.

Ngân sách dành cho hạ tầng AI, chi phí nhân sự và mua dữ liệu là rất đáng kể với bất cứ công ty nào. Và điều quan trọng là phải nhanh chóng đưa chúng vào khai thác để tạo ra tiền. WakeIO, HPE, NVIDIA và Mellanox đã cùng phối hợp nhau để phát hành bộ tài liệu “Accelerate time to value and AI insights – Tăng tốc thời gian đến lúc vận hành và khai thác AI”, cung cấp các giải pháp tham khảo quan trọng cho các nhà khoa học dữ liệu, quản lý IT, và các lãnh đạo cấp C.

Bộ giải pháp tham khảo giới thiệu cách tăng tốc thời gian đến lúc vận hành (nghĩa là bạn có thể đưa cơ sở hạ tầng hoạt động nhanh như thế nào) bằng cách tích hợp chặt chẽ các compute, storage và network để có hiệu suất AI tốt nhất. Sự tăng tốc đến từ việc loại bỏ các công việc mang tính phỏng đoán, thử nghiệm, các khó khăng trong việc tích hợp phần cứng / phần mềm và mang lại kết quả chắc chắn mà người dùng sẽ nhận được. Thời gian để vận hành thu hẹp từ vài tuần / tháng đến vài ngày, tạo ra một nền tảng vững chắc để xây dựng một giải pháp single-node ở mức production, đáp ứng quy mô của doanh nghiệp. Kết hợp HPE Apollo 6500 với GPU NVIDA Tesla V100, file system WekaIO Matrix trên HPE DL360 và Mellanox SB7800 InfiniBand cung cấp cho người dùng giải pháp AI hiệu suất cao tối ưu, cho dù bạn dùng nó cho machine learning hay deep learning hay thậm chí là tính toán hiệu năng cao. Giải pháp được xác này mang lại cho IT niềm tin để quyết định mua hàng rằng thời gian đến khi vận hành sẽ được tăng tốc.

Kết quả về hiệu năng của giải pháp đạt được bằng cách sử dụng nền tảng NVIDIA GPU Cloud (NGC), cho phép người dùng triển khai các container được tối ưu hóa chỉ trong vài phút, mang lại kết quả tốt nhất có thể cho vấn đề hiệu năng. Các container cũng cho phép mở rộng quy mô một cách tuyến tính, do đó người sử dụng có thể định đoán trước được khả năng đẩy nhanh tiến độ đến giai đoạn khai thác kết quả phần tích bằng cách thêm GPU hoặc thêm nhiều compute nodes (ví dụ: Apollo 6500). Cuối cùng, file system Matrix WekaIO cho phép tăng cường IO để mở rộng thông lượng và dung lượng. Sẽ không bao bị nghẽn cổ chai dữ liệu với các GPU để tăng tốc việc tính toán.

Liên hệ tác giả