这是整个企业领域的一个难题：人工智能 (AI) 和机器学习 (ML) 建模在各种用例中提供了巨大的商业价值。但要实现这一点，需要在人工智能基础设施上投入大量时间和金钱。

许多组织还没有做到这一点——这意味着工程师通常将大部分时间花在执行手动任务和基础设施管理上，而不是构建、培训和部署模型。

HPC 执行副总裁兼总经理 Justin Hotard 表示：“企业寻求将 AI 和 ML 结合起来以区分他们的产品和服务，但在建立大规模构建和训练准确的 AI 模型所需的基础设施方面往往面临着复杂性。” Hewlett Packard Enterprise (HPE) 的人工智能。

整个企业的 AI 和 ML 部署问题

毫无疑问，对 AI/ML 的投资正在以显着的速度持续增长：根据Tortoise Intelligence的数据，自 2020 年以来，全球投资增长了 115%，这是 20 年来最大的同比增长。同样，Fortune Business Insights估计 ML 市场规模将从 2022 年的近 212 亿美元增长到 2029 年的 2099.1 亿美元，复合年增长率接近 40%。但是，尽管组织将 AI/ML 优先于其他 IT 计划，但他们仍然会遇到部署后的运营问题、部署滞后以及通常不同的基础架构复杂性。

在Comet最近进行的一项调查中，68% 的受访者报告说，他们放弃了 40% 到 80% 的 AI/ML 实验。这主要是由于超出正常的迭代实验过程的数据科学生命周期的“严重不足”和故障以及管理不善。

慧与来救援 

作为帮助简化和加快这一过程的一种方式，HPE 今天发布了一个新的机器学习开发系统。即用型系统允许用户立即大规模构建和训练人工智能模型，并更快地实现价值。它建立在慧与于 2021 年夏季收购的确定 AI 的基础上。这家旧金山初创公司构建了一个开源 AI 培训平台，现已过渡到 HPE 机器学习开发环境。

“用户可以加快典型的价值实现时间，开始从构建和训练机器模型中实现结果，从几周、几个月到几天，”Hotard 说。

他指出，传统上，采用基础设施来支持模型开发和大规模培训需要一个复杂的多步骤过程。这涉及购买、设置和管理高度并行的软件生态系统和基础设施。

他说，相比之下，HPE 机器学习开发系统是完全集成的，即用型，结合了软件和专业计算，包括加速器、网络和服务。Hotard 解释说，它可以通过最少的代码重写或基础设施更改来扩展 AI 模型训练，并通过分布式训练、自动超参数优化和神经架构搜索帮助提高模型准确性——所有这些都是 ML 算法的关键。

该系统提供优化的计算、加速的计算和互连，支持混合工作负载的规模建模。Hotard 说，它的小型配置从 32 个 GPU 开始，已显示为包括计算机视觉和自然语言处理 (NLP) 在内的工作负载提供大约 90% 的扩展效率。

例如，德国人工智能初创公司 Aleph Alpha 应用新的 HPE 系统来训练多模态人工智能，包括大型自然语言处理 (NLP) 和计算机视觉模型。该公司能够在短短几天内建立一个结合和监控数百个 GPU 的新系统，并在两天内开始对其进行培训。

Hotard 解释说，该公司建立了定制的超参数优化并执行实验跟踪以进行协作。人工智能助手已经能够执行复杂的文本、更高层次的理解摘要以及在数百个文档中搜索高度具体的信息。他们还能够在对话环境中利用专业知识。

“通过将五种语言的图像和文本处理与几乎类似于人类的上下文理解相结合，这些模型将现代人工智能的边界推向了各种语言和基于图像的变革用例，”霍塔德说。

总而言之，机器学习开发系统可以通过提供更快的路径获得更准确的模型来改善 ML 团队协作，同时还提供了有助于面向未来的人工智能基础设施的灵活性。它“将我们经过验证的深度学习端到端 HPC 解决方案与我们创新的机器学习软件平台结合到一个系统中，以提供一种开箱即用的高性能解决方案，以加快实现价值的时间和人工智能的成果，”他说。

【公司名称】四川旭辉星创科技有限公司

【代理级别】成都惠普HPE服务器工作站总代理

【销售经理】熊经理

【联系方式】座机：028-85596747    手机：18244236404

【公司地址】成都市人民南路4段 桐梓林 商鼎国际2号楼1单元1913