HPE進軍人工智能云市場,推出HPE GreenLake for Large Language Models(適用于大語言模型的HPE GreenLake),幫助各類企業私密訓練、調整和部署大規模人工智能。

HPE宣布正在通過擴展HPE GreenLake產品組合進入人工智能云市場。新產品基于HPE按需使用的多租戶超級計算云服務打造,能為從初創公司到超大型500強企業的任何組織提供大語言模型。

HPE GreenLake for Large Language Models(適用于大語言模型的HPE GreenLake)的推出為企業帶來無限新機——HPE領先的人工智能軟件和超級計算技術相結合,為客戶打造出一款可持續的超級計算平臺,可用于私密訓練、調整和部署大規模人工智能。

HPE GreenLake for Large Language Models由HPE與德國人工智能初創公司Aleph Alpha合作研發,能為用戶提供經驗證且隨時可用的大語言模型,進而支持需要對文本和圖像進行處理和分析的用例。未來,HPE還將陸續推出一系列聚焦特定行業和領域的人工智能應用,這些應用將覆蓋氣候建模、醫療保健和生命科學、金融服務、制造和交通等行業。

HPE總裁兼首席執行官AntonioNeri表示:“我們正在經歷人工智能領域的跨時代更迭,它將像網絡、移動技術和云一樣帶來顛覆性的變革。曾幾何時,人工智能是資金雄厚的政府實驗室和全球云巨頭主導的領域;而現在,HPE正致力于通過提供一系列人工智能應用,打造人人可用的人工智能。此次推出的大語言模型正是我們系列人工智能計劃的第一步,它運行在HPE可靠且可持續的超級計算機上,通過按需使用、按用付費的云服務交付,能夠大規模且負責任地訓練、調整和部署模型,幫助組織更好地利用人工智能推動創新,顛覆市場,創造突破性成果。”

HPE是超級計算領域的全球領導者和專家,HPE打造了全球最快的超級計算機Frontier,突破了百億億級計算瓶頸,有能力為人工智能提供前所未有的性能和規模。

與并行多個工作負載的通用云產品不同,HPE GreenLake for Large Language Models運行在人工智能原生架構上。該架構特別適用于運行單個大規模人工智能訓練和模擬工作負載,并具有完整的計算能力。該產品將支持數百至數千個CPU或GPU同時工作,以處理人工智能和高性能計算工作負載。這種能力能夠有效、可靠和高效地訓練人工智能,創建出更精準的模型,加速企業從概念驗證到落地生產的過程,從而更快地解決問題。

HPEGreenLakefor LLMs——HPE系列人工智能應用中的首款產品

HPE GreenLake for Large Language Models開放了用戶對Luminous的訪問權限,Luminous是由Aleph Alpha提供的預訓練大語言模型,支持多種語言版本。HPE GreenLake for Large Language Models允許客戶利用自身數據來訓練和微調定制化的模型,因此可以基于自身已有的信息獲得更具價值的實時洞見。

該服務能幫助企業構建和推廣各種人工智能應用程序,能夠集成到企業自身的工作流程中,釋放由業務數據和研究驅動的商業價值。

Aleph Alpha創始人兼首席執行官JonasAndrulis表示,“通過使用HPE的超級計算機和人工智能軟件,我們高效、快速地訓練了適用于關鍵業務的大語言模型Luminous,可供銀行、醫院和律師事務所等用作數字助理,加快決策的同時節省企業寶貴的資源。Aleph Alpha很榮幸能夠成為HPE GreenLake大語言模型的研發合作伙伴,我們期待在未來繼續擴大與HPE的合作——將Luminous擴展到云端,并將其作為服務提供給我們的最終客戶,以賦能新的業務應用和研究創新。”

HPE打造超算級的人工智能的訓練、調整和部署

HPE GreenLake for LLM將按需提供,在業界最強大、最可持續的超級計算機HPE Cray XD超級計算機上運行,使客戶無需購買和管理自己的超級計算機,這種計算機通常成本高昂、復雜且需要特定的專業知識。該產品利用HPE Cray編程環境,是一個完全集成的軟件套件,可優化HPC和AI應用程序,并提供一整套用于開發、移植、調試和調整代碼的工具。

此外,超級計算平臺還為HPE的AI/ML軟件提供支持,其中包括用于快速訓練大模型的HPE機器學習開發環境,以及用于集成、跟蹤和審核具有可重現AI功能數據的HPE機器學習數據管理軟件,以生成值得信賴且準確的模型。

HPEGreenLakefor LLMs——運行在可持續計算系統

HPE致力于為客戶提供可持續的計算。HPE GreenLake for LLMs運行在托管設施中,例如北美的QScale,能夠使用近乎100%的可再生能源來支持超級計所需的的規模和容量。

關鍵詞：