多年来，AI 和机器学习（ML）重塑了各行各业，赋予了人们强大的能力，解决了许多复杂的全球性问题。这些具有变革性的力量，过去被称为 HPC（高性能计算），已经推动了各种规模的组织进行数字化转型，不仅提高了生产力和效率，还增强了解决问题的能力。
随着深度学习和神经网络支持的高度创新的生成式AI模型的涌现，游戏规则正在被进一步颠覆。这些数据和计算密集型机器学习和生成式 AI 应用的增加，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、更高的布线和机架功率密度，以及先进的冷却方法。
高级AI要求重新思考数据中心设计
随着数据中心为生成式AI 做准备，用户需要创新、强大的网络基础设施解决方案，以帮助他们轻松设计、部署和扩展后端、前端和存储网络架构，以适应复杂的高性能计算AI 环境。
NVIDIA 深度学习推理平台示例
加速的生成式AI和机器学习模型包括训练（学习新能力）和推理（将此能力应用于新数据）。这些深度学习和神经网络模仿人脑的架构和功能，通过分析大量复杂数据集中的模式、细微差别和特征来学习和生成新的原创内容。大型语言模型（LLM），例如 ChatGPT 和 Google Bard，就是这些GenAI模型在大量数据上训练以理解和生成合理的语言响应的示例。传统的通用处理器(CPU) 在顺序执行控制和输入/输出操作时，无法有效地并行从各种来源获取大量数据并快速处理。
因此，加速的机器学习和生成式AI模型依赖于图形处理单元（GPU），这些GPU使用加速并行处理来同时执行数千个高吞吐量计算。基于 GPU 的单个服务器的计算能力可以与数十台基于CPU的传统服务器的性能相媲美！
西蒙AI方案已就绪
西蒙处于生成式AI变革的前沿，通过与我们的客户和合作伙伴的合作，我们开发了一系列下一代AI解决方案，随时准备支持您的部署。
