IBM представила новое поколение серверов и чипов, нацеленных на упрощение и удешевление использования искусственного интеллекта в корпоративных системах. Главным элементом анонса стали компактные и энергоэффективные серверы Power S1012, оснащённые процессорами Power10, которые разработаны специально для гибридных ИИ-нагрузок — от небольших офисных решений до крупных дата-центров.
Как пояснил в интервью Reuters Боббье Армстронг, директор IBM по продуктовой стратегии Power, новинка ориентирована прежде всего на тех клиентов, которым нужно запускать ИИ-приложения «на месте» — то есть без передачи данных в облачные сервисы. Это особенно важно для отраслей с повышенными требованиями к безопасности и конфиденциальности, таких как финансы, медицина и государственный сектор.
Power S1012 — это самый компактный сервер на платформе Power, рассчитанный на установку в обычный офис или производственное помещение. Он способен справляться с ИИ-задачами, включая обучение и запуск моделей, при этом обеспечивая более низкие энергозатраты и упрощённую интеграцию с существующими ИТ-системами.
Новые процессоры Power10, лежащие в основе серверов, разрабатывались с прицелом на работу с ИИ-нагрузками, включая поддержку ускоренной математики и улучшенной пропускной способности для памяти и ввода-вывода. Это позволяет обрабатывать запросы быстрее, чем на традиционных архитектурах.
Одновременно с выпуском оборудования IBM обновила набор инструментов для разработчиков, включая поддержку открытых библиотек машинного обучения и более простые способы интеграции с фреймворками вроде PyTorch и TensorFlow. Таким образом компания стремится упростить для клиентов весь цикл работы с ИИ — от подготовки данных до вывода модели в эксплуатацию.
В условиях растущего интереса к генеративному ИИ и локальным ИИ-решениям, а также на фоне беспокойства о безопасности передачи данных в облако, предложения IBM могут привлечь компании, которым важно сохранить контроль над своими экосистемами внутри корпоративной инфраструктуры. Представители IBM подчёркивают, что гибридные сценарии — когда часть обработки остаётся локальной, а часть переносится в облако — становятся всё более популярными.