Idag tillkännagav NVIDIA ett nytt program för OEM-tillverkare för att hjälpa dem på deras AI/ML-resa, programmet NVIDIA-certifierade system. Det här programmet kommer att hjälpa till att påskynda AI och dataanalys för system som utnyttjar NVIDIA GPU:er (som vid det här laget är de flesta av de stora spelarna) och Mellanox-nätverk. Den första lanseringen kommer att täcka företag som Dell Technologies, GIGABYTE, Hewlett Packard Enterprise, Inspur och Supermicro, lite konstigt eftersom minst två stora namn verkar saknas.
Idag tillkännagav NVIDIA ett nytt program för OEM-tillverkare för att hjälpa dem på deras AI/ML-resa, programmet NVIDIA-certifierade system. Det här programmet kommer att hjälpa till att påskynda AI och dataanalys för system som utnyttjar NVIDIA GPU:er (som vid det här laget är de flesta av de stora spelarna) och Mellanox-nätverk. Den första lanseringen kommer att täcka företag som Dell Technologies, GIGABYTE, Hewlett Packard Enterprise, Inspur och Supermicro, lite konstigt eftersom minst två stora namn verkar saknas.
Artificiell intelligens (AI) kan bli nästa stora störare. Det har sakta tagit fart under de senaste åren. Medan det fortfarande är i sin linda kan AI redan göra stora förändringar för företag över hela linjen. AI kan användas för förutsägelser, upptäckt av bedrägerier i realtid och för att förbättra automatiseringen såsom självkörande bilar som förmodligen kommer att bli nästa våg av transporter. Ett annat område där AI verkligen kan göra skillnad är Big Data Analytics där AI kan arbeta snabbare för att sålla bland berg av data som genereras varje dag. Utöver detta finns det inget att säga vilken typ av fördelar sjukvården kan se med AI.
Enligt Gartner använder 37 % av alla företag för närvarande AI i någon form och de förväntar sig att det ska hoppa till 75 % om tre år. Den nya tekniken låter bra, men företag kan behöva någon form av färdplan för hur man bäst utnyttjar den. Om man skulle ta till sig ny teknik är det också bra att veta att den är "road testad" så att säga innan man plockar ner den i ett datacenter. Gå in i programmet NVIDIA-certifierade system.
Enligt företaget levererar NVIDIA-certifierade system prestanda, programmerbarhet och säker genomströmning av företagets AI-behov. Systemen är en kombination av NVIDIA Ampere arkitektur för GPU:er och NVIDIA Mellanox nätverk (antingen en NVIDIA Mellanox 8700 HDR 200G InfiniBand-switch eller Mellanox SN3700 Ethernet-switch). NVIDIA kör ett brett utbud av tester för att certifiera systemen och optimerar dem även för att köra AI-applikationer från NGC-katalogen. Testerna som måste godkännas för certifiering måste inkludera djupinlärningsträning och slutledning, algoritmer för maskininlärning, intelligent videoanalys och nätverks- och lagringsavlastning.
När detta skrivs är 14 servrar från sex systemtillverkare certifierade (med nästan 70 system från minst 11 systemtillverkare engagerade i programmet). Dessa servrar sägs ha så många som åtta A100 GPU:er och höghastighetsnätverksadaptrar för InfiniBand eller Ethernet.
De första systemen utanför linjen som använder NVIDIA A100 Tensor Core GPU:er inkluderar:
- Dell EMC PowerEdge R7525 och R740 rackservrar
- GIGABYTE R281-G30, R282-Z96, G242-Z11, G482-Z54, G492-Z51-system
- HPE Apollo 6500 Gen10 System och HPE ProLiant DL380 Gen10 Server
- Inspur NF5488A5
- Supermicro A+ Server AS -4124GS-TNR och AS -2124GQ-NART
Tillgänglighet och priser
Programmet är igång idag med ovanstående servrar redo att användas. NVIDIA indikerade att priset kommer att ha nivåer och även om det inte ingår i pressmeddelandet, föreslog det att en server med 4 GPU:er skulle kosta cirka 10,000 XNUMX $ för ett treårskontrakt. Naturligtvis skalar kontraktskostnaden med antalet GPU:er i lådan.
Engagera dig med StorageReview
Nyhetsbrev | Youtube | Podcast iTunes/Spotify | Instagram | Twitter | Facebook | Rssflöde
