2018年10月，IBM宣布計(jì)劃將全新RAPIDS? 開源軟件納入到其企業(yè)級數(shù)據(jù)科學(xué)平臺中，涵蓋本地預(yù)置、混合云和多云環(huán)境。憑借其龐大的深度學(xué)習(xí)與機(jī)器學(xué)習(xí)解決方案組合，IBM能為偏好不同部署模型的數(shù)據(jù)科學(xué)家提供這一開源技術(shù)。

IBM認(rèn)知系統(tǒng)方案高級副總裁Bob Picciano表示：“IBM長期與NVIDIA合作，利用IBM POWER9處理器，結(jié)合NVIDIA GPU等技術(shù)，實(shí)現(xiàn)顯著的性能提升。我們將RAPIDS納入IBM產(chǎn)品組合的同時(shí)，也期待能夠繼續(xù)積極地幫助客戶突破人工智能的性能界限?！?/p>

借助Apache Arrow、Pandas和Scikit-Learn等開源機(jī)器學(xué)習(xí)軟件的優(yōu)勢，RAPIDS將GPU的加速能力融入IBM產(chǎn)品中。包括Anaconda、BlazingDB、Graphistry、NERSC、PyData、INRIA和Ursa Labs在內(nèi)的主要開源貢獻(xiàn)者，都在RAPIDS推出后立即給予了其廣泛的生態(tài)系統(tǒng)支持。

IBM計(jì)劃將RAPIDS引入本地預(yù)置、公有云、混合云與多云環(huán)境等主要領(lǐng)域，同時(shí)基于IBM POWER9的PowerAI將借助RAPIDS為數(shù)據(jù)科學(xué)家擴(kuò)展更多開源機(jī)器學(xué)習(xí)與分析庫的可用選項(xiàng)。事實(shí)證明，NVIDIA與IBM圍繞POWER9處理器所做的專項(xiàng)工程，包括將NVIDIA NVLink? 和NVIDIA Tesla? TensorCore GPU進(jìn)行集成所做的努力，直接有利于加速工作負(fù)載。作為IBM的軟件層，如今PowerAI可以優(yōu)化運(yùn)行在異構(gòu)計(jì)算系統(tǒng)上的數(shù)據(jù)科學(xué)與AI工作負(fù)載，同時(shí)借助RAPIDS持續(xù)提升POWER9上經(jīng)GPU加速后的工作負(fù)載的性能。

IBM Watson Studio與Watson機(jī)器學(xué)習(xí)（Watson Machine Learning）利用NVIDIA GPU的強(qiáng)大功能，使數(shù)據(jù)科學(xué)家和AI開發(fā)人員能夠透過IBM Cloud Private for Data 和IBM Cloud，在多云環(huán)境中構(gòu)建、部署和運(yùn)行速度更快的模型，遠(yuǎn)超僅采用CPU的部署方式。

IBM Cloud能夠幫助采用GPU設(shè)備的用戶，將RAPIDS中的加速機(jī)器學(xué)習(xí)與分析庫應(yīng)用于其云端應(yīng)用，從而受益于機(jī)器學(xué)習(xí)。

NVIDIA副總裁、加速計(jì)算部總經(jīng)理Ian Buck表示：“IBM與NVIDIA多年來密切合作，已經(jīng)幫助全球領(lǐng)先的企業(yè)和機(jī)構(gòu)解決了諸多如今世界上最大的難題。隨著IBM對NVIDIA RAPIDS開源庫的使用，數(shù)據(jù)科學(xué)家將借助GPU加速機(jī)器學(xué)習(xí)能力，以前所未有的速度更快地分析大數(shù)據(jù)?！?/p>

機(jī)器學(xué)習(xí)是AI的一種形式，可以讓系統(tǒng)透過數(shù)據(jù)而非專用程序進(jìn)行學(xué)習(xí)。零售、金融和電信等領(lǐng)域的眾多企業(yè)要么正在主動使用機(jī)器學(xué)習(xí)，要么正在探索機(jī)器學(xué)習(xí)，都試圖利用大數(shù)據(jù)更好地了解消費(fèi)者的行為、偏好或客戶滿意度中微妙的變化，從而為企業(yè)帶來潛在的價(jià)值。

今年早些時(shí)候，IBM以超出之前紀(jì)錄保持者46倍的速度，在兆級機(jī)器學(xué)習(xí)基準(zhǔn)上締造了新的紀(jì)錄。IBM研究人員利用IBM Research開發(fā)的IBM Snap Machine Learning（Snap ML）機(jī)器學(xué)習(xí)算法，在搭載NVIDIA Tesla V100 Tensor Core GPU的IBM Power Systems AC922服務(wù)器上運(yùn)行，僅花費(fèi)91.5秒就基于由Criteo Labs發(fā)布的超40億個(gè)在線廣告數(shù)據(jù)案例，完成了對邏輯回歸分類器的訓(xùn)練。