IBM与NVIDIA携手为数据科学家拓展开源机器学习工具

2018年10月，IBM宣布计划将全新RAPIDS? 开源软件纳入到其企业级数据科学平台中，涵盖本地预置、混合云和多云环境。凭借其庞大的深度学习与机器学习解决方案组合，IBM能为偏好不同部署模型的数据科学家提供这一开源技术。

IBM认知系统方案高级副总裁Bob Picciano表示：“IBM长期与NVIDIA合作，利用IBM POWER9处理器，结合NVIDIA GPU等技术，实现显著的性能提升。我们将RAPIDS纳入IBM产品组合的同时，也期待能够继续积极地帮助客户突破人工智能的性能界限。”

借助Apache Arrow、Pandas和Scikit-Learn等开源机器学习软件的优势，RAPIDS将GPU的加速能力融入IBM产品中。包括Anaconda、BlazingDB、Graphistry、NERSC、PyData、INRIA和Ursa Labs在内的主要开源贡献者，都在RAPIDS推出后立即给予了其广泛的生态系统支持。

IBM计划将RAPIDS引入本地预置、公有云、混合云与多云环境等主要领域，同时基于IBM POWER9的PowerAI将借助RAPIDS为数据科学家扩展更多开源机器学习与分析库的可用选项。事实证明，NVIDIA与IBM围绕POWER9处理器所做的专项工程，包括将NVIDIA NVLink? 和NVIDIA Tesla? TensorCore GPU进行集成所做的努力，直接有利于加速工作负载。作为IBM的软件层，如今PowerAI可以优化运行在异构计算系统上的数据科学与AI工作负载，同时借助RAPIDS持续提升POWER9上经GPU加速后的工作负载的性能。

IBM Watson Studio与Watson机器学习（Watson Machine Learning）利用NVIDIA GPU的强大功能，使数据科学家和AI开发人员能够透过IBM Cloud Private for Data 和IBM Cloud，在多云环境中构建、部署和运行速度更快的模型，远超仅采用CPU的部署方式。

IBM Cloud能够帮助采用GPU设备的用户，将RAPIDS中的加速机器学习与分析库应用于其云端应用，从而受益于机器学习。

NVIDIA副总裁、加速计算部总经理Ian Buck表示：“IBM与NVIDIA多年来密切合作，已经帮助全球领先的企业和机构解决了诸多如今世界上最大的难题。随着IBM对NVIDIA RAPIDS开源库的使用，数据科学家将借助GPU加速机器学习能力，以前所未有的速度更快地分析大数据。”

机器学习是AI的一种形式，可以让系统透过数据而非专用程序进行学习。零售、金融和电信等领域的众多企业要么正在主动使用机器学习，要么正在探索机器学习，都试图利用大数据更好地了解消费者的行为、偏好或客户满意度中微妙的变化，从而为企业带来潜在的价值。

今年早些时候，IBM以超出之前纪录保持者46倍的速度，在兆级机器学习基准上缔造了新的纪录。IBM研究人员利用IBM Research开发的IBM Snap Machine Learning（Snap ML）机器学习算法，在搭载NVIDIA Tesla V100 Tensor Core GPU的IBM Power Systems AC922服务器上运行，仅花费91.5秒就基于由Criteo Labs发布的超40亿个在线广告数据案例，完成了对逻辑回归分类器的训练。