Jak firmy przejmują kontrolę nad danymi do rozwoju AI na wielką skalę

Rozmowa skupia się na pozycjonowaniu kontroli nad danymi jako strategicznego imperatywu dla rządów i przedsiębiorstw, którzy budują bezpieczne, skalowalne możliwości AI na poziomie krajowym i korporacyjnym.

Kluczowe wnioski

• Kontrola nad danymi staje się strategicznym imperatywem dla rządów i przedsiębiorstw rozwijających rozwiązania AI.
• Fabryki AI umożliwiają osiągnięcie nowych poziomów skalowalności, zrównoważoności i zarządzania w rozwoju sztucznej inteligencji.
• Głównym wyzwaniem jest równoważenie własności danych z bezpiecznym przepływem wysokiej jakości informacji.
• Rozwiązania obejmują zarówno krajowe, jak i korporacyjne możliwości AI o charakterze bezpiecznym i skalowalnym.
• HPE rozwija globalną strategię dla rozwiązań AI Factory i Suwerennej AI we współpracy z rządami i instytucjami badawczymi.

Eksperci i ich doświadczenie

Chris Davidson, wiceprezes HPE ds. rozwiązań HPC i AI dla klientów, kieruje globalną strategią firmy dla rozwiązań AI Factory i Suwerennej AI. Współpracuje z rządami, przedsiębiorstwami i instytucjami badawczymi przy budowaniu bezpiecznych, skalowalnych możliwości AI na poziomie krajowym i korporacyjnym.

Davidson odpowiada również za zarządzanie produktami i inżynierię wydajności w portfolio HPC i AI firmy HPE, w tym platformy do trenowania dużych modeli i systemy Cray exascale. Podczas dziewięciu lat pracy w HPE kierował kluczowymi inicjatywami w zakresie inżynierii wydajności, chmury AI i usług profesjonalnych.

Perspektywa badawcza

Arjun Shankar, dyrektor dywizji Narodowego Centrum Nauki Obliczeniowej w Oak Ridge National Laboratory, wnosi perspektywę naukową do dyskusji. Jego badania koncentrują się na interdyscyplinarnym moscie między informatyką a wielkoskalowymi kampaniami odkryć naukowych, które opierają się na skalowalnych obliczeniach i nauce o danych. Shankar jest również wykładowcą w Bredesen Center na Uniwersytecie Tennessee oraz starszym członkiem IEEE i ACM.

Dyskusja podkreśla znaczenie połączenia akademickiej ekspertyzy z przemysłowymi rozwiązaniami w celu skutecznego wdrażania AI na dużą skalę przy zachowaniu suwerenności danych.