推动人工智能、高性能计算
与大数据的融合

尽管每种工作负载都有其独特的需求、挑战和潜力,考虑配套基础设施如何从硬件和软件两个层面融合至关重要。

目前这趟融合之旅正由(至少)两个方面推动:

成本推动融合

如何降低资源总体拥有成本(TCO),对于IT决策者与高性能计算领导者而言始终是一项难题。他们所面临的挑战在于,实现目标的同时不得影响用户所需的必要计算、网络、内存/存储和软件功能。除此以外,他们还要让所有这些元素在不同的环境中协同工作,包括云端、内部部署,尤其是在混合云上。

数据推动融合

我们所有人都在以数据为中心的世界中运作,各个组织都必须从可用数据中尽可能获取最大价值。这意味着与以往相比,组织内会有更多团队关注数据是在哪里及如何收集、管理和使用的。

这样一来,首先,高性能计算团队可能会发现他们的现有用户会希望借助自己所掌握的数据做更多事情,如基因组学研究团队可能希望将机器学习等人工智能技术引入到其现有高性能计算工作负载中,以加强和加快研究结果的获取。其次,面向人工智能、可视化等基于云的应用的推出意味着全新用户群正在涌现,他们都希望借助高性能计算为其新计划提供支持。

面向融合的英特尔® 基础设施

为帮助所有利益相关者实现数据价值最大化,我们必须采用基于开放标准的策略来维持当前用户所需的灵活性、可扩展性和未来适应性。与此同时,还要保障经济效益。有些组织因有限的时间和预算,而不敢奢望定期购买全新高价的基础设施。

幸运的是,现在您可以借助您当前拥有的基于英特尔® 架构的产品来实现人工智能、高性能计算与大数据的融合。这一点已广受业界认可,现在越来越多的 500 强超级计算机已经开始采用英特尔® 至强® 处理器,足以证明其在价格、性能和灵活性方面是一个很有吸引力的选择。谈到人工智能工作负载,英特尔® 至强® 可扩展处理器系列结合了经过优化的英特尔人工智能框架,能够在机器学习(ML)和深度学习(DL)工作负载方面展现强大且高度并行的性能。

对优化高性能计算基础设施以实现人工智能和其它工作负载感兴趣的组织,还应考虑使用英特尔® 傲腾™ 数据中心级持久内存,该内存已针对新型数据密集型应用完成优化,并将于 2019 年推出。这款产品将内存特性与低延迟、高耐久性、高服务质量和高吞吐性能的存储结合在一起。创建了一个新的数据层,尤其适用于高级分析、人工智能和高性能计算等应用。

英特尔® Omni-Path 架构(英特尔® OPA)的开发初衷就是为了克服传统标准型高性能计算网络的缺点。英特尔® OPA 旨在扩大成本效益范围,从入门级高性能计算集群到节点数达 10,000 及以上的更大集群均可使用。

 

结论

高性能计算、人工智能以及大数据平台的融合进度因各个组织而异,并由您所在组织的需求组合与精细平衡来决定。这项工作绝非一日之功,但幸运的是,您现在可通过基于英特尔® 至强® 处理器的高性能计算基础设施踏上这一征程。先从小规模试点开始,找到适合自己的发展道路后,然后再逐步扩展。

想要了解更多有关将人工智能引入现有高性能计算环境并进行扩展的信息,请阅读本电子指南

高性能计算

了解英特尔的高性能计算 (HPC) 处理器、架构、框架和解决方案的产品组合。

了解更多

人工智能

实现解决方案加速和运营自动化,收集更好的洞察,以及做出更明智的决策。

了解更多

高级数据分析

了解跨行业利用的高级数据分析如何推动业务转型。

了解更多