IBM e Nvidia se juntam para lançar servidor voltado para machine learning

A IBM anunciou ontem o lançamento do IBM Power Systems S822LC for High Performance Computing.  Juntamente com a Nvidia, a IBM construiu esse novo sistema voltado especificamente para inteligência artificial↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →, machine learning e casos de uso de análises avançadas.

O novo servidor usa duas das CPUs POWER8 CPUs da IBM e quatro dos aceleradores de GPU Tesla P100 da Nvidia. Isso o torna muito rápido para executar esse tipo de software. A IBM também usa a interconexão de alta velocidade NVLink da Nvidia, que permite que CPUs e GPUs se comuniquem de forma significativamente mais rápida do que sobre o barramento PCIe padrão que você encontra em um PC comum. A CPU Power8 da IBM traz suporte embutido para a interface NVLink.

[awprm urls=https://imasters.com.br/noticia/ibm-cria-neuronios-artificiais-que-pensam-sozinhos/?trace=824205206&source=news-search,https://imasters.com.br/noticia/supercomputador-watson-da-ibm-quer-executar-um-papel-dentro-das-casas/?trace=824205206&source=news-search]

“Isso significa que as aplicações de banco de dados↳Banco de dados134 conteúdosSQL ou NoSQL: eis a questão!!Data · mar 2020Banco de dados: como organizar e dar segurança para milhões de dados de loteriasData · mai 20215 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data →, aplicações de analytics de alto desempenho e aplicações de computação de alto desemepnho podem operar em conjuntos de dados muito maiores do que é possível em sistemas x86 com GPUs na interface PCI-E”, explicou a IBM no anúncio de ontem.

De acordo com a IBM, o novo sistema pode oferecer 21 teraflops de desempenho das GPUs – aproximadamente 14% mais do que você poderia obter a partir de um cartão conectado a um slot PCI-E moderno. Dado o tempo que leva para treinar um modelo de machine learning, esses números podem rapidamente fazer a diferença em aplicações do mundo real.

Com informações de TechCrunch