כשהשאלה 'כמה זיכרון' היא לא חזות-כל
ברוב השיחות על מחשוב מניע AI, הדיון נתקע בשכבת הספקים - כמה זיכרון, כמה פרמטרים, איזה כרטיס גרפי.
אבל השאלה שבאמת מעניינת מביני עניין כיום היא הרבה יותר פשוטה:
איך זה בעצם מקל על משימות היום-יום שלי.
Dell Technologies בנתה סביב ארכיטקטורת ה-AI PC לא רק חומרה גנרית, אלא כמה תצורות מוכנות מראש סביב תרחישי שימוש קונקרטיים, כך שארגון לא צריך להרכיב את הפתרון מאפס - הוא מתחיל מנקודה שכבר נבדקה ומוכיחה את עצמה.
התרחיש הראשון נוגע לצוותי פיתוח תוכנה.
עוזר קוד מקומי, המכונה אצל Dell Technologies Deskside Code Assistant, מריץ כמה סוכני קוד במקביל על תחנת Dell Pro Max עם GB10, כדי לכתוב, לבדוק ולסקור קוד. תחנת העבודה עצמה, מבוססת Intel Core Ultra ו-vPro, ממשיכה לנהל את סביבת הפיתוח היומיומית - עורך הקוד, מערכת הבקרת הגרסאות, כלי ה-CI - בעוד שהמאיץ מתמקד רק בהרצת מודל השפה. היתרון המרכזי כאן הוא לא רק מהירות: כשקוד קנייני לא יוצא מהמכונה ולא נשלח ל-API חיצוני בתשלום לפי טוקן, גם סיכון הדליפה יורד וגם העלות נעשית צפויה.
תרחיש שני, שונה לגמרי באופיו, נוגע לארגונים שעובדים עם מידע רגיש שאסור לו לצאת מהבניין - בתי חולים, מעבדות מחקר, גופים משפטיים או ביטחוניים.
Dell Technologies מציעה למקרים אלו את ה-Deskside Private Assistant:
סביבת AI סוכנית מבודדת לחלוטין, שנבנתה כדי לתמוך בדרישות רגולציה כמו HIPAA, GDPR או ITAR. במקרה של ארגון בריאות, לדוגמה, ה-GB10 מוצב בתוך רשת בית החולים או המעבדה, ומשמש כצומת הרצה וכיוונון מקומי למודלי שפה ולמודלי ראייה - כך שהנתונים הגולמיים של המטופלים לעולם לא עוזבים את הרשת המקומית, בעוד שהצוות הרפואי עדיין נהנה מתמיכת AI בתיעוד קליני ובניתוח הדמיה.
תרחיש שלישי הוא ראייה ממוחשבת בזמן אמת, וכאן הטווח רחב במיוחד: קו ייצור שמזהה פגמים ברגע שהם קורים במקום לגלות אותם בבדיקת איכות מאוחרת, מוקד שירותי חירום שמריץ ניתוח וידאו על עשרות מצלמות בו-זמנית כדי לזהות תאונה או שריפה, או מחסן לוגיסטי שמאמת מיקום משטחים ומכולות אוטומטית. בכל התרחישים האלה המשותף הוא אותו עיקרון: מודל הראייה רץ על המאיץ המקומי בזמן אמת, ללא זמן המתנה לתקשורת עם שרת מרוחק, וללא תלות בזמינות רשת - וזה בדיוק ההבדל בין התראה שמגיעה תוך שניות לבין התראה שמגיעה אחרי שהנזק כבר נגרם.
תרחיש רביעי נוגע לבעיה פנימית ומוכרת לכל ארגון שכבר משקיע ב-AI: צוותי מפתחים שתלויים באשכולות GPU מרכזיים, עמוסים או מוקצים בטפטוף. במקום שכל ניסוי וכל תהליך כוונון עדין יעמוד בתור לתשתית המשותפת, כל צוות או פרויקט מקבל תחנת “DeskSide” ייעודית משלו לניסויים ולשלב הראשוני של הפיתוח, ומשאיר את תשתית ה-Dell AI Factory המרכזית לאימון בקנה מידה גדול ולסביבת הפרודקשן.
התוצאה היא יותר ניסויים בחודש, מחזורי איטרציה מהירים יותר, וזמן קצר יותר עד לערך עסקי בפועל.
מה שמשותף לארבעת התרחישים האלה הוא שאף אחד מהם לא מתחיל מ'גיליון ריק.'
Dell Technologies, יחד עם Intel ו-NVIDIA, כבר בנתה את השילוב הספציפי של חומרה, מערכת הפעלה ותוכנה שמתאים לכל תרחיש - כך שהשיחה עם הארגון יכולה להתחיל ישר מהצורך העסקי, ולא מהמפרט הטכני.
זו בדיוק הדוגמה ש-Dell Technologies מביאה איתה לפורום תל אביב באוקטובר: לא רשימת מוצרים, אלא רשימה של אתגרים אמיתיים שכבר נפתרו. בואו לשמוע מהמומחים שלנו ולראות הדגמות חיות.
הירשמו עכשיו לכנס השנתי שלנו ב'אקספו' תל אביב >