Het zal niemand verbazen dat HPE zich verder specialiseert in het bouwen van hardware en softwareoplossingen voor kunstmatige intelligentie (AI), en de laatste tijd is deze inspanning in een stroomversnelling geraakt. We berichtten onlangs over de speciale HPE Cray-supercomputers die zijn ontworpen om AI te versnellen, met name bij het ontwikkelen van grote taalmodellen. Tijdens hun HPE Discover-evenement heeft het bedrijf onthuld dat ze naast hardware ook een softwarestack en speciale hardware hebben ontwikkeld die is gebouwd om generatieve AI-modellen te draaien.
HPE probeert in te spelen op de behoefte van middelgrote en grote bedrijven om AI in hun processen te implementeren. Volgens het bedrijf richten de meeste concurrenten zich op het leveren van de hardware om AI-modellen uit te voeren, maar niet zozeer op het platform om dit mogelijk te maken. Hiertoe heeft HPE hun Machine Learning Development Environment (MLDE) gebouwd. Hiermee wordt het voor bedrijven gemakkelijker om hun eigen modellen te bouwen, met lagere complexiteit en kosten, en deze lokaal of in de cloud te implementeren. Met HPE MLDE kunnen modellen sneller worden getraind, betere modellen worden gevonden, kan het maximale uit de GPU's worden gehaald en kunnen werkzaamheden beter worden bijgehouden. HPE MLDE kan ook worden aangeboden als een beheerde service die draait op AWS of bij Google Cloud.
Om het meeste uit AI te halen, is data-invoer van groot belang, en HPE heeft zijn eigen softwarestack ontwikkeld, genaamd HPE Ezmeral Software. Ezmeral combineert verschillende gegevensbronnen, zoals Edge, Public Cloud en HPE GreenLake on-premises, waarmee het toegankelijk en beheerbaar wordt. Ezmeral biedt open-source connectoren, waardoor andere bedrijven hun eigen tools kunnen draaien, zoals BYOTools, maar ook HPE's eigen Ezmeral Unified Analytics Software. Het doel is om data, analyses en AI eenvoudiger te maken, met een portaal waaruit applicaties kunnen draaien en toegang hebben tot verschillende data.
Ezmeral draait op HPE's eigen GreenLake voor gegevensopslag. Het doel is hier om een efficiënt all-flash unstructured data platform aan te bieden. Ze hebben het systeem ook verbeterd om beter te presteren bij het trainen en afstemmen van AI-modellen. Ook het gebruik van grotere schijven van 30 TB en systemen met een maximale capaciteit van 88 petabyte behoren hiertoe. Ook hebben ze processen versneld waar data-aggregatie en data-voorbereiding voor AI-taken worden versneld.
HPE biedt al oplossingen aan, zoals de Cray-supercomputers die kunnen worden gebruikt om AI-modellen te trainen. Ze breiden dit portfolio verder uit met Proliant-hardware die is geoptimaliseerd om AI-modellen uit te voeren in inferentiemodus. Neem bijvoorbeeld de HPE ProLiant DL380a Gen 11, die gebruikmaakt van Nvidia A40 GPU's en Nvidia Bluefield-3 SuperNics en DPU's. Deze kunnen worden gecombineerd met Nvidia Spectrum-X om een systeem te bouwen dat grote AI-modellen gemakkelijk kan draaien.
Bron: HPE
