Последние несколько лет Dell EMC и NVIDIA тесно сотрудничают, чтобы помочь организациям ускорить свои инициативы в области ИИ. Для организаций, которые предпочитают создавать собственные решения, мы предлагаем ультраплотные серверы Dell EMC PowerEdge C-series с графическими процессорами NVIDIA TESLA V100 Tensor Core, которые позволяют масштабировать ИИ-решения, поддерживая от четырех до сотен графических ускорителей (GPU) на кластер. Клиентам, которые хотят использовать для реализации своих инициатив в области глубокого обучения (Deep Learning) предварительно проверенный, валидированный стек оборудования и программного обеспечения, мы предлагаем решения Dell EMC Ready Solutions for AI: Deep Learning with NVIDIA, в которых также применяется хранилище Dell EMC Isilon All-Flash. В основе нашего партнерства — философия гибкости и предоставления возможности информированного выбора из широкого портфеля решений.

«Сейчас мы входим в эпоху ИИ, когда каждая отрасль будет задействовать и использовать искусственный интеллект, — отметил Ян Бак (Ian Buck), вице-президент и директор по ускоренным вычислениям в компании NVIDIA. — Работая вместе, NVIDIA и Dell EMC предоставляют предприятиям одни из самых мощных решений с графическими ускорителями, чтобы они могли быстро интегрировать технологии ИИ в свой бизнес».

Dell EMC и NVIDIA расширяют свое сотрудничество и анонсируют новую эталонную архитектуру для задач ИИ. Она включает в себя серверы NVIDIA DGX-1, дополненные высокопроизводительным сетевым хранилищем Dell EMC Isilon All-Flash (NAS), целиком построенным на флэш-памяти. Это предложение сочетает в себе решение NVIDIA DGX-1, специально разработанное для уникальных требований ИИ и глубокого обучения, оснащенное восемью передовыми ускорителями для центров обработки данных — NVIDIA Tesla V100 Tensor Core GPU, и горизонтально масштабируемую систему хранения на флэш-памяти Dell EMC Isilon. Данная комбинация нацелена на предоставление клиентам более гибких возможностей развертывания систем при решении задач ИИ и обеспечивает прорывную производительность для крупномасштабного глубокого обучения. Поскольку Dell EMC часто выступает в роли доверенного ИТ-консультанта с широким портфелем решений, это позволяет поддерживать клиентов, планирующих развертывание NVIDIA DGX-1 с масштабируемым хранилищем Dell EMC. Можно делать это проще и с меньшим риском.

Ключевые компоненты данного предложения:

• Серверы NVIDIA DGX-1, которые содержат до 8 NVIDIA Tesla V100 Tensor Core GPU с полным интерконнектом с гибридной ячеистой топологией куба. Каждый сервер DGX-1 может обеспечить в задачах ИИ производительность 1 Петафлопс и работает с программным стеком DGX, который включает в себя оптимизированные для платформы NVIDIA версии самых популярных систем глубокого обучения. Это позволяет достигать максимальную производительность в задачах обучения.
• Система хранения Dell EMC Isilon All-Flash Scale-Out NAS обладает высокой масштабируемостью (до 33 Пбайт емкости), производительностью (до 540 Гбайт/с) и поддерживает высокий уровень параллелизма (до миллионов подключений) для устранения узких мест в подсистеме ввода-вывода хранилища и ускорения рабочих нагрузок ИИ большого масштаба.

Обладая превосходными возможностями для массивно-параллельного ввода-вывода, достижения низкой латентности, высокой пропускной способности, система Dell EMC Isilon и серверы NVIDIA DGX-1 прекрасно дополняют друг друга. Они позволяют справиться с задачами интенсивного обучения, эффективно сокращая время, необходимое для обучения и тестирования аналитических моделей на платформах ИИ с многопетабайтными наборами данных.

Эта новая референсная архитектура подкрепляет стремление Dell EMC и NVIDIA сделать технологию ИИ простой и доступной для организаций, желающих применять методы ИИ и глубокого обучения для разработки новых приложений или решения сложных задач обработки данных. Эта валидированнная референсная архитектура дополняет наш набор совместных предложений, охватывающих рабочие станции Dell Precision, серверы Dell EMC PowerEdge, решения Dell EMC Ready Solutions и Dell EMC Networking.