Hardware et IA

IBM, Dell EMC, HPE et Atos dévoilent des serveurs taillés pour l’IA

| mise à jour

IBM, Dell EMC, HPE et Atos ont lancé des offres de serveur conçus spécialement pour intelligence artificielle, tirant profit des nouvelles générations de processeurs graphiques.

Plusieurs fournisseurs ont récemment dévoilé des serveurs reposant sur une architecture scale-out, spécialement taillés pour les applications exploitant l’intelligence artificielle (IA). IBM avec le modèle AC922, Dell EMC et son PowerEdge C4140, HPE avec l’Apollo 2000 Gen10 System, ainsi qu’Atos avec la gamme BullSequana S.

Les serveurs d’IBM, Dell EMC et HPE ont pour point commun d’intégrer dans leurs solutions les processeurs graphiques Nvidia Tesla V100 avec NVLink. Trois solutions exploitent aussi les processeurs évolutifs Intel Xeon, tandis qu’IBM fait appel à son nouveau processeur maison Power 9 spécialement conçu pour les charges de travail en intelligence artificielle. A noter qu’Atos ne précise par quel modèle de GPU peut être choisie en option pour sa gamme BullSequana S.

Aussi bien Dell EMC que IBM positionnent leur offres de serveur respective en promettant aux entreprises de mettre au point des applications IA et cognitives plus rapidement, qu’il s’agisse de tirer profit des capacités de machine learning et deep learning dans des domaines de la détection des fraudes, de l'analyse financière ou encore de la recherche scientifique.

L’offre de HPE cible explicitement les entreprises dotées d’un espace limité pour leur infrastructure: «Nos nouvelles solutions de calcul et de stockage à haute densité permettent aux entreprises de toute taille d'exploiter la puissance des applications de calcul haute performance (HPC) et d'intelligence artificielle (IA).»

De son côté, Atos met en avant le fait que les serveurs BullSequana S sont optimisés à la fois pour les applications critiques mais aussi pour les environnements in-memory. Le fournisseur précise que son offre constitue «la plateforme idéale et extensible pour les grandes bases de données en mémoire.»

Webcode
DPF8_73456