Intel dobrak keterbatasan proprietary GenAI untuk industri

Pada acara Intel Vision, Intel memperkenalkan akselerator kecerdasan buatan (AI) terbaru mereka, Intel Gaudi 3, yang menghadirkan lonjakan kinerja yang signifikan untuk berbagai aplikasi AI. Dibangun menggunakan arsitektur yang terbukti dari pendahulunya, Intel Gaudi 3 memberikan kemampuan komputasi AI 4x lebih tinggi untuk BF16, meningkatkan bandwidth memori sebesar 1,5x, dan meningkatkan bandwidth jaringan sebesar 2x, yang memungkinkan perluasan sistem AI secara besar-besaran.

Justin Hotard, wakil presiden eksekutif Intel dan manajer umum Data Center dan AI Group, menjelaskan bahwa keberadaan Intel Gaudi 3 menawarkan pilihan yang lebih luas bagi pelanggan dalam hal ketersediaan, skalabilitas, kinerja, biaya, dan efisiensi energi. Ini penting karena perusahaan dari berbagai sektor, seperti keuangan, manufaktur, dan layanan kesehatan, berusaha untuk memperluas penggunaan AI mereka dengan cepat.

“Dalam lanskap pasar AI yang terus berkembang, masih terdapat kesenjangan yang signifikan dalam penawaran-penawaran yang ada saat ini. Masukan dari pelanggan kami dan pasar yang lebih luas menegaskan keinginan untuk adanya lebih banyak pilihan. Perusahaan-perusahaan mempertimbangkan faktor-faktor seperti ketersediaan, skalabilitas, kinerja, biaya, dan efisiensi energi. Intel Gaudi 3 merupakan alternatif GenAI yang menonjol karena menghadirkan kombinasi menarik antara kinerja harga, skalabilitas sistem, dan keunggulan dalam kecepatan menciptakan nilai atau manfaat,” ujar Howard.

Salah satu aspek penting dari Intel Gaudi 3 adalah arsitektur kustomnya yang menghadirkan kinerja dan efisiensi yang luar biasa. Akselerator ini dirancang dengan teknologi proses 5 nanometer (nm) dan dilengkapi dengan berbagai fitur khusus, termasuk mesin komputasi AI yang dapat diprogram, peningkatan memori untuk menangani model-model besar, dan peningkatan kapasitas jaringan untuk skalabilitas yang lebih besar.

Selain itu, Intel Gaudi 3 dilengkapi dengan perangkat lunak berbasis komunitas terbuka, termasuk integrasi dengan kerangka kerja populer seperti PyTorch dan model-model yang dioptimalkan untuk kemudahan penggunaan. Dengan demikian, pengembang AI dapat dengan mudah mengadopsi akselerator ini dalam berbagai aplikasi mereka.