HP Amplify e NVIDIA hanno annunciato che le librerie di elaborazione dati NVIDIA CUDA-X saranno integrate con le soluzioni workstation HP AI. Questa integrazione mira a potenziare il lavoro di preparazione ed elaborazione dei dati, fondamentale nello sviluppo di intelligenza artificiale generativa.
Le librerie CUDA-X, basate sulla piattaforma di elaborazione NVIDIA CUDA, accelerano l’elaborazione dei dati per diversi tipi di dati, inclusi tabelle, testo, immagini e video. Un componente chiave è la libreria NVIDIA RAPIDS cuDF, che può accelerare il lavoro fino a 110 volte rispetto all’utilizzo del software Panda su una GPU NVIDIA RTX™ 6000 Ada Generation, anziché su un sistema CPU, senza richiedere modifiche al codice.
RAPIDS cuDF e altri software NVIDIA saranno integrati in Z by HP AI Studio sulle workstation HP AI, fornendo una soluzione full-stack per velocizzare i flussi di lavoro di data science.
Jensen Huang, fondatore e CEO di NVIDIA, ha dichiarato che accelerare Panda senza modificare il codice rappresenta un enorme progresso, consentendo ai data scientist di elaborare i dati in pochi minuti anziché in ore, gestendo quantità di dati molto maggiori per addestrare modelli di intelligenza artificiale generativa.
Enrique Lores, presidente e CEO di HP Inc., ha sottolineato che la scienza dei dati è fondamentale per l’intelligenza artificiale e che gli sviluppatori hanno bisogno di accesso rapido a software e sistemi per supportare questo lavoro. L’integrazione del software NVIDIA AI e dell’elaborazione GPU accelerata nelle workstation HP AI fornisce una soluzione potente per i clienti.
La libreria NVIDIA RAPIDS cuDF accelera Panda per l’esecuzione su GPU senza modifiche al codice, eliminando la dipendenza dalle CPU che possono rallentare i carichi di lavoro con l’aumento delle dimensioni dei dati. Le GPU RTX 6000 Ada Generation con 48 GB di memoria per GPU sono in grado di gestire grandi carichi di lavoro di data science e intelligenza artificiale sulle workstation Z by HP. La collaborazione tra HP e NVIDIA consente ai data scientist di semplificare lo sviluppo, lavorando su sistemi locali per elaborare anche grandi carichi di lavoro di intelligenza artificiale generativa.