با توجه به اینکه هوش مصنوعی تقاضای بیسابقهای برای پردازش داده ایجاد میکند، یک استارتاپ در Mountain View راهحلی برای یکی از کمبحثترین اما مهمترین چالشهای هوش مصنوعی ارائه میدهد: انتقال و تبدیل مجموعههای داده عظیم با سرعت کافی برای همگام شدن.
Voltron Data، که امروز همکاری استراتژیک خود را با Accenture اعلام کرد، یک موتور تجزیه و تحلیل شتابیافته توسط GPU توسعه داده است که میتواند به شرکتها کمک کند تا بر گلوگاه آمادهسازی داده که مانع از ابتکارات هوش مصنوعی میشود، غلبه کنند. محصول اصلی این شرکت، Theseus، سازمانها را قادر میسازد تا دادههای در مقیاس پتابایت را با استفاده از واحدهای پردازش گرافیکی (GPU) به جای پردازندههای کامپیوتری سنتی (CPU) پردازش کنند.
مایکل ابوت، که رهبری بخش بانکداری و بازارهای سرمایه Accenture را بر عهده دارد، در مصاحبه اختصاصی با VentureBeat گفت: «همه روی چیزهای جدید و پر زرق و برقی که میتوانید لمس کنید و احساس کنید، متمرکز شدهاند، اما این پایه مجموعه داده در زیر است که کلیدی خواهد بود. برای اینکه هوش مصنوعی کار کند، باید دادهها را با سرعت و سرعتی جابجا کنید که قبلاً هرگز مجبور نبودید.»
ساختمان برای سونامی هوش مصنوعی: چرا پردازش داده سنتی کافی نخواهد بود
این مشارکت در حالی صورت میگیرد که شرکتهایی که به سرعت در حال پذیرش هوش مصنوعی مولد هستند، در حال کشف این هستند که زیرساخت داده موجود آنها مجهز به حجم و سرعت داده مورد نیاز نیست. انتظار میرود با رواج بیشتر عوامل هوش مصنوعی در عملیات سازمانی، این چالش تشدید شود.
رودریگو آرامبورو، مدیر ارشد فناوری و یکی از بنیانگذاران Voltron Data، گفت: «عوامل احتمالاً پرس و جوهای SQL بیشتری نسبت به انسانها در یک بازه زمانی بسیار کوتاه خواهند نوشت. اگر مدیران ارشد اطلاعات و مدیران ارشد فناوری از قبل میگویند که پول زیادی را برای تجزیه و تحلیل دادهها و زیرساخت ابری صرف میکنند و تقاضا در شرف افزایش است، پس ما به کاهش عملکرد در هزینه اجرای آن پرس و جوها نیاز داریم.»
برخلاف فروشندگان پایگاه داده سنتی که پشتیبانی از GPU را بر روی سیستمهای موجود نصب کردهاند، Voltron Data موتور خود را از ابتدا برای شتابدهی GPU ساخته است. آرامبورو به VentureBeat گفت: «اکثر شرکتها وقتی سعی کردهاند شتابدهی GPU را انجام دهند، GPUها را به یک سیستم موجود متصل میکنند. با ساختن از ابتدا… ما میتوانیم بسته به مشخصات عملکرد یک حجم کاری خاص، 10 برابر، 20 برابر، 100 برابر به دست آوریم.»
از 1400 سرور به 14: پذیرندگان اولیه نتایج چشمگیری را مشاهده میکنند
این شرکت Theseus را به عنوان مکمل پلتفرمهای معتبری مانند Snowflake و Databricks قرار میدهد و از چارچوب Apache Arrow برای انتقال کارآمد داده استفاده میکند. ابوت گفت: «این واقعاً یک شتابدهنده برای همه آن پایگاههای داده است، نه رقابت. این هنوز از همان SQL استفاده میکند که برای گرفتن همان پاسخ نوشته شده بود، اما خیلی سریعتر و سریعتر به صورت موازی به آنجا میرسد.»
پذیرش اولیه بر صنایع با داده فشرده مانند خدمات مالی متمرکز بوده است، جایی که موارد استفاده شامل تشخیص تقلب، مدلسازی ریسک و انطباق با مقررات است. به گفته آرامبورو، یک خردهفروش بزرگ پس از پیادهسازی Theseus، تعداد سرورهای خود را از 1400 دستگاه CPU به تنها 14 سرور GPU کاهش داد.
از زمان راهاندازی در کنفرانس GTC Nvidia در ماه مارس گذشته، Voltron Data حدود 14 مشتری سازمانی، از جمله دو آژانس بزرگ دولتی را به دست آورده است. این شرکت قصد دارد یک نسخه "تست درایو" را منتشر کند که به مشتریان بالقوه امکان میدهد تا پرس و جوهای شتابیافته توسط GPU را روی مجموعههای داده در مقیاس ترابایت آزمایش کنند.
تبدیل کمبود GPU به یک فرصت
کمبود GPU فعلی که ناشی از تقاضای هوش مصنوعی است، هم چالشبرانگیز و هم سودمند برای Voltron Data بوده است. در حالی که استقرارهای جدید با محدودیتهای سختافزاری مواجه هستند، بسیاری از شرکتها زیرساخت GPU کماستفادهای دارند که در اصل برای حجم کاری هوش مصنوعی خریداری شده بود و میتواند در دورههای بیکاری برای پردازش داده تغییر کاربری داده شود.
آرامبورو خاطرنشان کرد: «ما در واقع آن را به عنوان یک مزیت دیدیم، زیرا GPUهای زیادی در بازار وجود دارند که قبلاً وجود نداشتند.» وی افزود که Theseus میتواند به طور موثر بر روی نسلهای قدیمیتر GPU که ممکن است در غیر این صورت منسوخ شوند، اجرا شود.
این فناوری میتواند به ویژه برای بانکهایی که با چیزی که ابوت آن را "دادههای به دام افتاده" مینامد، ارزشمند باشد - اطلاعاتی که در قالبهایی مانند PDF و اسناد قفل شدهاند که میتواند برای آموزش هوش مصنوعی ارزشمند باشد اما دسترسی و پردازش آن در مقیاس دشوار است. ابوت گفت: «شما برخی از دادههایی را دیدهاید که Voltron به شما نشان میدهد، احتمالاً 90٪ مؤثرتر و کارآمدتر برای انتقال دادهها با استفاده از این فناوری نسبت به CPUهای استاندارد است. این قدرت است.»
همانطور که شرکتها با تقاضای دادههای هوش مصنوعی دست و پنجه نرم میکنند، راه حلهایی که میتوانند پردازش داده را تسریع بخشند و هزینههای زیرساخت را کاهش دهند، احتمالاً به طور فزایندهای حیاتی خواهند شد. مشارکت با Accenture میتواند به Voltron Data کمک کند تا به سازمانهای بیشتری که با این چالشها روبرو هستند دست یابد، در حالی که به مشتریان Accenture دسترسی به فناوری میدهد که میتواند به طور قابل توجهی عملکرد و کارایی ابتکارات هوش مصنوعی آنها را بهبود بخشد.