Heute hat NVIDIA ein neues Programm für OEMs angekündigt, das sie auf ihrer KI/ML-Reise unterstützen soll: das NVIDIA-Certified Systems-Programm. Dieses Programm wird dazu beitragen, die KI- und Datenanalyse für Systeme zu beschleunigen, die NVIDIA-GPUs (die derzeit die meisten Hauptakteure sind) und Mellanox-Netzwerke nutzen. Der erste Rollout wird Unternehmen wie Dell Technologies, GIGABYTE, Hewlett Packard Enterprise, Inspur und Supermicro umfassen, was etwas seltsam ist, da mindestens zwei große Namen zu fehlen scheinen.
Heute hat NVIDIA ein neues Programm für OEMs angekündigt, das sie auf ihrer KI/ML-Reise unterstützen soll: das NVIDIA-Certified Systems-Programm. Dieses Programm wird dazu beitragen, die KI- und Datenanalyse für Systeme zu beschleunigen, die NVIDIA-GPUs (die derzeit die meisten Hauptakteure sind) und Mellanox-Netzwerke nutzen. Der erste Rollout wird Unternehmen wie Dell Technologies, GIGABYTE, Hewlett Packard Enterprise, Inspur und Supermicro umfassen, was etwas seltsam ist, da mindestens zwei große Namen zu fehlen scheinen.
Künstliche Intelligenz (KI) könnte der nächste große Disruptor sein. In den letzten Jahren hat es langsam an Fahrt gewonnen. Auch wenn KI noch in den Kinderschuhen steckt, kann sie Unternehmen in allen Bereichen bereits stark verändern. KI kann für Vorhersagen, zur Betrugserkennung in Echtzeit und zur Verbesserung der Automatisierung eingesetzt werden, beispielsweise für selbstfahrende Autos, die wahrscheinlich die nächste Welle des Transportwesens sein werden. Ein weiterer Bereich, in dem KI wirklich einen Unterschied machen kann, ist Big Data Analytics, wo KI schneller arbeiten kann, um die täglich generierten Datenberge zu durchsuchen. Darüber hinaus ist nicht abzusehen, welche Vorteile das Gesundheitswesen durch KI erzielen kann.
Laut Gartner nutzen derzeit 37 % aller Unternehmen KI in irgendeiner Form und sie gehen davon aus, dass dieser Anteil in drei Jahren auf 75 % ansteigen wird. Die neue Technologie klingt großartig, aber Unternehmen benötigen möglicherweise eine Art Roadmap, wie sie sie am besten nutzen können. Wenn man eine neue Technologie einführt, ist es auch gut zu wissen, dass sie sozusagen „auf der Straße getestet“ wurde, bevor man sie in ein Rechenzentrum einbaut. Nehmen Sie am NVIDIA-Certified Systems-Programm teil.
Nach Angaben des Unternehmens liefern NVIDIA-zertifizierte Systeme die Leistung, Programmierbarkeit und den sicheren Durchsatz, die KI-Unternehmen benötigen. Die Systeme sind eine Kombination aus NVIDIA Ampere-Architektur für GPUs und NVIDIA Mellanox-Netzwerk (entweder ein NVIDIA Mellanox 8700 HDR 200G InfiniBand-Switch oder der Mellanox SN3700 Ethernet-Switch). NVIDIA führt eine breite Palette von Tests durch, um die Systeme zu zertifizieren und sie auch für die Ausführung von KI-Anwendungen aus dem NGC-Katalog zu optimieren. Die Tests, die für die Zertifizierung bestanden werden müssen, müssen Deep-Learning-Training und -Inferenz, Algorithmen für maschinelles Lernen, intelligente Videoanalyse sowie Netzwerk- und Speicher-Offload umfassen.
Zum jetzigen Zeitpunkt sind 14 Server von sechs Systemherstellern zertifiziert (wobei fast 70 Systeme von mindestens 11 Systemherstellern am Programm beteiligt sind). Diese Server sollen über bis zu acht A100-GPUs und Hochgeschwindigkeits-InfiniBand- oder Ethernet-Netzwerkadapter verfügen.
Zu den ersten Systemen, die NVIDIA A100 Tensor Core GPUs verwenden, gehören:
- Dell EMC PowerEdge R7525- und R740-Rack-Server
- GIGABYTE R281-G30-, R282-Z96-, G242-Z11-, G482-Z54-, G492-Z51-Systeme
- HPE Apollo 6500 Gen10 System und HPE ProLiant DL380 Gen10 Server
- Inspur NF5488A5
- Supermicro A+ Server AS -4124GS-TNR und AS -2124GQ-NART
Verfügbarkeit und Preise
Das Programm ist heute betriebsbereit und die oben genannten Server sind betriebsbereit. NVIDIA gab an, dass es bei den Preisen Staffelungen geben wird, und obwohl dies in der Pressemitteilung nicht erwähnt wurde, deutete NVIDIA an, dass ein Server mit 4 GPUs bei einem Dreijahresvertrag etwa 10,000 US-Dollar kosten würde. Natürlich skalieren die Vertragskosten mit der Anzahl der GPUs im Paket.
Beteiligen Sie sich an StorageReview
Newsletter | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | Facebook | RSS Feed
