هوش مصنوعی چگونه مراکز داده را تغییر می‌دهد، نقش پردازنده‌ها در مقابل پردازنده‌های گرافیکی و طراحی پایدار

[ad_1]

بیشتر مردم واقعاً به مراکز داده فکر نمی کنند، اما همه ما از برنامه های متصل به اینترنت، خدمات پخش جریانی و ابزارهای ارتباطی استفاده می کنیم که بر پردازش و ذخیره حجم عظیمی از اطلاعات متکی هستند. همانطور که جهان بیشتر به هم متصل می‌شود و ایجاد و توزیع حجم عظیمی از داده‌ها آسان‌تر می‌شود، سیستم‌ها و فرآیندهای مورد نیاز برای مدیریت همه آن‌ها همچنان در حال تکامل هستند. ساندرا ریورا، معاون اجرایی و مدیر کل، مرکز داده و گروه هوش مصنوعی اینتل، اخیراً در بنگالورو بود و گجت 360 این شانس را داشت که در مورد دیدگاه او در مورد روندهای فعلی و چشم انداز خود برای آینده بشنود. به لطف همه گیری همه گیر، چیزهای زیادی تغییر کرده است، و البته هوش مصنوعی بخش بزرگی از داستان آینده است.

ما ابتدا نظرات ساندرا ریورا را در مورد کار مداوم اینتل در هند و همه کارهایی که این شرکت در اینجا انجام می دهد برای شما آورده ایم. اکنون، در اینجا چند گزیده دیگر از آن گفتگو، در مورد نوآوری در سخت افزار و نرم افزار، ماهیت در حال تحول مراکز داده و رقابت با Nvidia آورده شده است.

چگونه مراکز داده اهمیت بیشتری می یابند و چگونه چیزها در گذشته اخیر تغییر کرده اند:

ساندرا ریورا: تمام نوآوری ها و محصولات ما به وضوح توسط مشتریان ما هدایت می شوند. ما در یک TAM بزرگ و رو به رشد هستیم (بازار کل آدرس پذیر) و همانطور که به جلو پیش می رویم، هیچ کجا به اندازه هند، با تحول دیجیتال و دیجیتالی شدن هر بخش از زندگی ما مشهودتر نیست. ما به محاسبات بیشتری نیاز داریم. ما در حال ایجاد داده های بیشتری هستیم. باید فشرده شود، ایمن شود، از طریق شبکه تحویل داده شود و ذخیره شود. باید ارائه شود، و همچنین باید بینش‌های ارزشمندی از آن به‌دست آورید، که البته هوش مصنوعی در اینجاست.

یکی از چیزهای جالبی که در طول کووید رخ داد این است که به دلیل محدودیت‌های زنجیره تامین که همه ما با آن دست و پنجه نرم می‌کردیم، دیدیم که مشتریان به استفاده بیشتر از زیرساخت‌هایی که داشتند تمایل داشتند. هوش مصنوعی، شبکه و امنیت بسیار تشنه آخرین نوآوری ها و راه حل ها هستند، اما بسیاری از سطوح وب. برنامه های اداری که در زیرساخت ابری اجرا می شوند. سیستم های ERP؛ سیستم های حسابداری؛ و غیره، در واقع بسیار روی استفاده متمرکز هستند.

بزرگترین رشد در جایی اتفاق می افتد که ما آن را لبه شبکه می نامیم، یا در محل. محاسبات به نقطه ایجاد داده و مصرف داده می رسد. بسیاری از چالش‌های پیش روی ما، مشارکت با OEM‌ها برای ساده‌سازی استقرار برنامه‌های کاربردی در محل برای پردازش آن داده‌ها است. برای اجرای یادگیری ماشین، هوش مصنوعی، تجزیه و تحلیل داده ها، قابلیت های شبکه، امنیت. این کار هم در سخت افزار و هم البته در نرم افزار بسیار کار است.

این در اینجا در هند نیز صادق است. [برخی از آن] توسط محدودیت‌های قدرت هدایت می‌شود و بنابراین اگر آنها بتوانند قدرت اختصاص داده شده به آن برنامه‌ها و زیرساخت‌های پیشرو داشته باشند و سپس قدرت را بر روی برنامه‌های اصلی‌تر محدود کنند، آن‌وقت این یک استفاده هوشمندانه از بودجه انرژی است که بسیار بزرگ است. معامله.

هند از منظر تحقیق و توسعه برای ما بسیار مهم بوده است. منظورم این است که ما چندین دهه است که اینجا هستیم. ما همچنین با تمام سرمایه‌گذاری‌هایی که دولت در زمینه تحول دیجیتال و زیرساخت‌ها انجام می‌دهد، می‌بینیم که هند نیز بازار مصرف بزرگی برای ما خواهد بود. فرصت ایجاد زیرساخت های بیشتر در اینجا، مراکز داده بیشتر، راه حل های سازمانی بیشتر، راه حل های اکوسیستم نرم افزاری و خدمات، بسیار هیجان انگیز است. ما نه تنها در نیروی کار بلکه در فرصت های بازار اینجا سرمایه گذاری می کنیم.

اهمیت مداوم CPU ها حتی زمانی که پردازنده های گرافیکی مورد تقاضا هستند، و اینکه چگونه طراحی مرکز داده را مختل می کند:

ساندرا ریورا: حجم کاری با رشد بالایی مانند هوش مصنوعی و شبکه وجود دارد که ناشی از گسترش مداوم 5G و همچنین امنیت و ذخیره سازی است. یکی از پویایی‌هایی که در بازار مشاهده می‌کنیم این است که در کوتاه‌مدت، علاقه زیادی به محاسبات شتاب‌دار، یعنی پردازنده‌های گرافیکی و شتاب‌دهنده‌های هوش مصنوعی وجود دارد.

مشتریان به دنبال این هستند که مقداری از هزینه سرمایه خود را به سمت پردازنده‌های گرافیکی سوق دهند. CPU بخشی از معادله است، اما در آینده نزدیک، بیشتر از این هزینه به پردازنده‌های گرافیکی اختصاص خواهد یافت. ما فکر نمی کنیم که این شرایط بازار دائمی باشد. CPU از منظر هزینه-عملکرد-قابلیت برنامه ریزی برای بسیاری از بارهای کاری هوش مصنوعی بسیار خوب است. در بسیاری از موارد، مشتریان قبلاً یک CPU Xeon دارند، و بنابراین این واقعیت که آنها می‌توانند یادگیری ماشینی هوش مصنوعی [با آن] انجام دهند، برای کسب‌وکار ما مشکل ایجاد می‌کند.

اینتل AI Continuum

[تمام آن چیزی که] همه در حال حاضر درباره آن صحبت می کنند، هوش مصنوعی مولد و مدل های زبان بزرگ است، اما هوش مصنوعی بسیار بیشتر از این است، درست است؟ هوش مصنوعی تمام آماده سازی داده هایی است که قبل از آموزش مدل اتفاق می افتد. این مدیریت داده ها، فیلتر کردن، و تمیز کردن است. بنابراین اگر می‌خواهید برنامه‌ای برای شناسایی گربه‌ها بسازید، [برای مثال] نمی‌خواهید هیچ سگی در آن عکس‌ها وجود داشته باشد. همه اینها از قبل با CPU و در واقع تقریباً منحصراً با Xeon امروزی انجام می شود. این بخشی از گردش کار هوش مصنوعی است. سپس به مرحله آموزش مدل واقعی می روید. CPU برای رسیدگی به مدل های کوچک تا متوسط – 10 میلیارد پارامتر یا کمتر – یا بارهای کاری مختلط که در آن یادگیری ماشین یا تجزیه و تحلیل داده ها انجام می شود، موقعیت بسیار خوبی دارد.

[ad_2]

ارور موبایل