Wer Machine-Learning-Modelle und andere intelligente Algorithmen trainieren und einsetzen will, braucht eine leistungsfähige IT-Infrastruktur. Lesen Sie in diesem Leitfaden, wie Sie Ihr Rechenzentrum effizient modernisieren und in fünf Schritten fit für den Einsatz künstlicher Intelligenz (KI) machen.
Inhalt:
Machine Learning und andere Formen der künstlichen Intelligenz (KI) machen Prozesse effizienter und stärken die Innovationsfähigkeit. Rund die Hälfte der deutschen Unternehmen hat dies erkannt und setzt KI bereits ein.
Viele kämpfen allerdings noch mit den technischen Voraussetzungen, die für das Training und die Anwendung von Algorithmen notwendig sind. Es fehlt an der erforderlichen Leistung oder schlichtweg an der notwendigen Speicher- und Rechenkapazität. Ein Ausbau der vorhandenen Rechenzentrumsressourcen ist oft aus Platzgründen nicht oder nur bedingt möglich.
Dieser Leitfaden zeigt Ihnen, wie Sie diese Hürden überwinden und in fünf Schritten die notwendigen Voraussetzungen für den KI-Einsatz im Rechenzentrum schaffen.
Lesen Sie unter anderem,
- wie Sie Ihre IT-Infrastruktur fit für KI-Aufgaben machen und gleichzeitig konsolidieren
- wie Sie die Leistung dedizierter GPU-Plattformen optimieren
- wie Sie den Stromverbrauch in Ihrem Rechenzentrum um bis zu 45 Prozent senken
Originalauszug aus dem Dokument:
Auslastungen und Unternehmens-Ki mischen
Bei AMD EPYC 9004 Prozessoren ist die Kompatibilität mit den wichtigsten x86-Anwendungen vorkonfiguriert, egal ob sie on-premises oder von einem großen Cloud-Anbieter gehostet werden. Dies sorgt für eine reibungslose Modernisierung des Rechenzentrums.
AMD EPYC 9004 Prozessoren treiben Server an, die kostenoptimierte Performance für ein breites Spektrum an unterschiedlichen Auslastungen, einschließlich Unternehmens-KI-Projekten, liefern. Sie bieten eine hohe Anzahl von Kernen, E/A-Durchsatz und Speicherbandbreite. So ermöglichen sie schnelle digitale Transformationen und liefern gleichzeitig Effizienz mit der Möglichkeit, weniger Server bereitzustellen, um die gleiche Anzahl an Auslastungen, Benutzern und Jobs zu unterstützen.
Erzielen Sie herausragende durchgängige KI-Durchsatz-Performance bei einer großen Vielfalt von Anwendungsfällen. Unter Verwendung der TPCx-AI SF30 Benchmark liefern 2P-Server mit AMD EPYC 9654 Prozessoren mit 96 Kernen insgesamt bis zu 65 % mehr KI-Testfälle pro Minute im Vergleich zu 2P-Servern mit Intel Xeon Platinum 8592+ mit 64 Kernen.