برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
از آنجا که هوش مصنوعی تقاضای بی سابقه ای برای پردازش داده ها را به دنبال دارد ، داده های راه اندازی Mountain View Voltron در حال ارائه راه حلی برای یکی از کمترین بحث های AI است اما مهمترین چالش های AI: حرکت و تبدیل مجموعه داده های عظیم به اندازه کافی به اندازه کافی برای ادامه کار.
Voltron Data ، که امروز یک همکاری استراتژیک با Accenture را اعلام کرد ، یک موتور تجزیه و تحلیل شتاب GPU را توسعه داده است که می تواند به شرکت ها کمک کند تا از تنگناهای آماده سازی داده ها جلوگیری کنند و مانع ابتکارات هوش مصنوعی شوند. محصول اصلی این شرکت ، Thanus ، سازمانها را قادر می سازد تا به جای پردازنده های سنتی رایانه (CPU) ، داده های در مقیاس PETABYTE را با استفاده از واحدهای پردازش گرافیکی (GPU) پردازش کنند.
مایکل ابوت ، که منجر به تمرین بانکداری و بازارهای سرمایه Accenture می شود ، در مصاحبه اختصاصی با VentureBeat ، گفت: “همه روی چیزهای جدید و چشمگیر متمرکز هستند که می توانید لمس کنید و احساس کنید ، اما این همان بنیاد مجموعه داده های زیر است که مهم خواهد بود.” “برای کار کردن هوش مصنوعی ، شما باید داده ها را با سرعت و سرعتی که قبلاً هرگز مجبور به آن نبودید ، جابجا کنید.”
ساختمان برای سونامی هوش مصنوعی: چرا پردازش داده های سنتی آن را کاهش نمی دهد
این مشارکت در حالی صورت می گیرد که شرکت هایی که با عجله به اتخاذ هوش مصنوعی مولد در حال کشف زیرساخت داده های موجود خود هستند ، برای رسیدگی به حجم و سرعت داده های مورد نیاز مجهز نیستند. انتظار می رود این چالش با افزایش بیشتر عوامل هوش مصنوعی در عملیات شرکت ها تشدید شود.
Rodrigo Aramburu ، CTO و Cofounder Field Voltron Data گفت: “مأمورین احتمالاً بیشتر از آنچه در افق زمان بسیار كوتاهی انجام داده اند ، نمایش داده های SQL را می نویسند.” “اگر CIO و CTO در حال حاضر می گویند که آنها بیش از حد برای تجزیه و تحلیل داده ها و زیرساخت های ابری هزینه می کنند ، و تقاضا در حال انجام عملکرد بالاتر است ، پس ما به هزینه اجرای آن سؤالات نیاز داریم.”
بر خلاف فروشندگان پایگاه داده سنتی که پشتیبانی از GPU را از سیستم های موجود استفاده کرده اند ، داده های Voltron موتور خود را از زمین برای شتاب GPU ساخته است. Aramburu به VentureBeat گفت: “کاری که بیشتر شرکت ها هنگام تلاش برای انجام شتاب GPU انجام داده اند این است که آنها GPU های Shoehorn را بر روی یک سیستم موجود قرار می دهند.” “با ساختن از زمین به بالا … ما می توانیم بسته به مشخصات عملکرد یک بار کاری خاص ، 10x ، 20x ، 100x را بدست آوریم.”
از 1400 سرور به 14: پذیرندگان اولیه نتایج چشمگیر را مشاهده می کنند
این شرکت THESUS را به عنوان مکمل سیستم عامل های مستقر مانند Snowflake و Databricks قرار می دهد و از چارچوب Arrow Apache برای حرکت کارآمد داده استفاده می کند. ابوت گفت: “این واقعاً شتاب دهنده تمام آن پایگاه داده ها است نه رقابت.” “این هنوز از همان SQL استفاده می کند که برای دریافت همان جواب نوشته شده است ، اما با روشی موازی خیلی سریعتر و سریعتر به آنجا بروید.”
فرزندخواندگی زودهنگام بر صنایع فشرده داده مانند خدمات مالی متمرکز شده است ، جایی که موارد استفاده شامل تشخیص کلاهبرداری ، مدل سازی ریسک و انطباق نظارتی است. به گزارش Aramburu ، یک خرده فروش بزرگ تعداد سرور خود را از 1400 دستگاه CPU به 14 سرور GPU کاهش داد.
از زمان راه اندازی در کنفرانس GTC NVIDIA در مارس گذشته ، Voltron Data حدود 14 مشتری سازمانی ، از جمله دو سازمان بزرگ دولتی را تضمین کرده است. این شرکت قصد دارد نسخه “درایو تست” را منتشر کند که به مشتریان بالقوه اجازه می دهد تا با پرس و جوهای شرکتی GPU در مجموعه داده های در مقیاس Terabyte آزمایش کنند.
تبدیل کمبود GPU به یک فرصت
کمبود فعلی GPU ناشی از تقاضای هوش مصنوعی برای داده های ولترون هم چالش برانگیز و هم مفید بوده است. در حالی که استقرارهای جدید با محدودیت های سخت افزاری روبرو هستند ، بسیاری از شرکت ها دارای زیرساخت GPU مورد استفاده نشده در ابتدا برای بارهای کار هوش مصنوعی خریداری شده اند ، دارایی هایی که می توانند برای پردازش داده ها در دوره های بیکار بازسازی شوند.
آرامبورو خاطرنشان کرد: “ما واقعاً آن را به عنوان یک مزیت دیدیم که تعداد زیادی از معدل های زیادی در بازار وجود دارد که قبلاً در آنجا نبودند.”
این فناوری می تواند برای بانکهایی که با آنچه که ابوت “داده های به دام افتاده” می نامد ، به ویژه ارزشمند باشد – اطلاعات قفل شده در قالب هایی مانند PDF و اسنادی که می توانند برای آموزش AI با ارزش باشند اما دسترسی و پردازش در مقیاس دشوار است. ابوت گفت: “شما برخی از داده ها را دیده اید که Voltron به شما نشان می دهد که به طور بالقوه 90 ٪ مؤثرتر و کارآمدتر برای انتقال داده ها با استفاده از این فناوری نسبت به CPU های استاندارد است.” “این قدرت است.”
از آنجا که شرکت ها با تقاضای داده های هوش مصنوعی روبرو می شوند ، راه حل هایی که می توانند پردازش داده ها را تسریع کنند و هزینه های زیرساخت ها را کاهش دهند ، احتمالاً به طور فزاینده ای بسیار مهم خواهند بود. مشارکت با Accenture می تواند به داده های ولترون کمک کند تا سازمانهای بیشتری را که با این چالش ها روبرو هستند ، در عین حال دسترسی به مشتریان Accenture به فناوری که می تواند عملکرد و کارآیی ابتکارات هوش مصنوعی آنها را به میزان قابل توجهی بهبود بخشد ، به آنها کمک کند.
