生成式人工智能革命来了

准备好了吗？我们是

多年来，人工智能（AI）和机器学习（ML）重塑了各行各业，增强了人们的生活能力，并解决了复杂的全球性问题。这些以前被称为 HPC（高性能计算）的变革力量推动了各种规模组织的数字化转型，提高了生产力、效率和解决问题的能力。

由深度学习和神经网络驱动的高度创新的生成式人工智能（GenAI）模型的出现，正在进一步颠覆游戏规则。这些数据和计算密集型 ML 和 GenAI 应用的使用增加，对数据中心基础设施提出了前所未有的要求，需要可靠的高带宽、低延迟数据传输、显著提高布线和机架功率密度以及先进的冷却方法。

先进的人工智能要求重新思考数据中心的设计

随着数据中心为 GenAI 做好准备，用户需要创新、强大的网络基础设施解决方案，帮助他们轻松设计、部署和扩展后端、前端和存储网络结构，以适应复杂的高性能计算 (HPC) AI 环境。

生成式人工智能英伟达

英伟达™（NVIDIA®）深度学习推理平台示例

加速 GenAI 和 ML 模型由训练（学习新功能）和推理（将功能应用于新数据）组成。这些深度学习和神经网络模仿人脑的架构和功能，在分析大量复杂数据集的模式、细微差别和特征的基础上，学习和生成新的原创内容。大型语言模型（LLM），如 ChatGPT 和 Google Bard，就是这些 GenAI 模型的例子，这些模型在海量数据的基础上进行训练，以理解和生成可信的语言反应。按顺序执行控制和输入/输出操作的通用 CPU 无法有效地从各种来源并行提取大量数据，也无法足够快地处理这些数据。

因此，加速 ML 和 GenAI 模型依赖于图形处理器（GPU），GPU 使用加速并行处理来同时执行数千次高吞吐量计算。单个基于 GPU 的服务器的计算能力可媲美数十个传统 CPU 服务器的性能！