2019年-数据局_IBM：释放AI伺服器与机器学习潜力_26页_28mb

2018 IBM 科技論壇總結

核心內容

2018 IBM 科技論壇聚焦於機器學習與架構平台的發展，探討如何通過數據、計算和演算法的組合來推動人工智能（AI）的進步與應用。IBM 提出 AI 三大核心元件：Data（數據）、Compute（計算）、Algorithms（演算法），並展示其在 AI 領域的技術創新與實踐案例。

主要觀點

1. AI 市場的快速發展

• IDC 預測：至 2020 年，80% 的大數據與分析部署將需要分布式微分析，40% 的商業分析軟體將整合預測分析功能，這些趨勢推動了對計算能力的需求。
• GPU 的重要性：GPU 被認為是提升處理能力的關鍵技術，有助於加速 AI 訓練與推理。

2. AI 的三大元件

• Data：數據是 AI 的基礎，IBM 強調數據的處理與管理對 AI 運作至關重要。
• Compute：IBM 推出 POWER9 處理器，配備 NVLink 2.0、PCIe Gen4、CAPI 2.0 等技術，提升數據傳輸速度與計算效率。
• Algorithms：IBM 提供 PowerAI 軟體套件，整合多種深度學習框架（如 TensorFlow、Caffe、PyTorch 等）與支援庫，以提高開發效率與模型性能。

關鍵信息

1. IBM POWER9 處理器創新

• NVLink 2.0：實現 CPU-GPU 高速連接，資料傳輸速度提升 5.6 倍。
• PCIe Gen4：提高 I/O 通量，達到 366GB/s。
• CAPI 2.0 & OpenCAPI：提供高帶寬、低延遲的記憶體訪問，支援深度學習、高性價比計算（HPC）與 GPU 資料庫。
• 性能提升：
  • AI 模型訓練速度提升最高達 3.8X。
  • 加速資料庫性能提升 1.8X。
• 能源效率：提升 45%，並支援工作負載優化頻率。

2. IBM PowerAI 軟體套件

• PowerAI 1.5 版：提供企業級支援的深度學習框架二進位包，包含 Caffe、TensorFlow、PyTorch 等。
• 工具與支援：提供圖形化工具以提升資料科學家與開發者的體驗，支援單節點與分布式計算的性能優化。
• 應用案例：
  • 電力公司使用無人機與 AI 進行電力線路監測。
  • 智能監控系統實現高效資料處理。
  • 醫療保健領域應用 AI 進行診斷分析。
  • 股票指數預測模型（RNN & LSTM）達成 80% 以上的準確率。

3. AI 訓練與數據處理流程

• 數據準備：包括數據預處理、模型選擇、訓練框架準備等。
• 模型訓練：配置超參數，進行深度神經網絡（DNN）訓練。
• 模型封裝：將訓練完成的模型與預處理流程整合至推理流程。

4. 企業 AI 工作負載解決方案

• IBM Power Systems AC922：被稱為企業 AI 的最佳伺服器，支援深度學習框架與加速工作負載。
• IBM POWER9 + NVIDIA V100 GPU：組合提供高計算性能，應用於超級電腦（如 Summit）。

AI 的演進方向

今天的 AI

• ** Narrow AI**：基於大量人工整理的數據，使用靜態演算法與特定架構，專注於單一任務與領域。
• ** Deep Learning Acceleration**：依賴 GPU 進行加速，處理靜態數據。

未來的 AI

• ** Broad AI**：能從少量數據學習，具有可解釋性與倫理考量。
• ** Continuous Learning & Adaptation**：自動構建架構，適應動態數據與知識。
• ** Next-Gen Systems**：結合混合架構與新設備材料，提升 AI 能力。

合作與案例

• 與 Google 合作：POWER9 的 OpenCAPI 和大記憶體功能為谷歌資料中心帶來創新機會。
• 與 NVIDIA 合作：提供 POWER9 與 NVLink 支援的解決方案，加速深度學習工作負載。
• 與 Limelight Networks 合作：OpenPOWER 與 POWER9 改善流處理速度與緩衝時間。

股票指數趨勢預測

• 模型：使用 RNN（LSTM）與線性回歸模型。
• 預測準確率：
  • 預測 10 分鐘內趨勢：準確率 80%+
  • 預測 50 分鐘內趨勢：準確率 70%+
• 案例數據：
  • CSI 300 指數預測準確率 81.66%
  • 螺紋鋼指數預測準確率 81.94%
  • 棉花指數預測準確率 81.24%

謝謝

IBM 呼籲與客戶攜手合作，共同釋放 AI 潛力，迎戰未來。