การติดตั้งโครงสร้างพื้นฐานคอมพิวเตอร์สมรรถนะสูงสำหรับองค์กรชั้นนำของรัสเซีย

องค์กรชั้นนำของรัสเซียที่เชี่ยวชาญด้านการวิจัยปัญญาประดิษฐ์และการใช้งานที่ต้องใช้ข้อมูลจำนวนมาก ได้แสวงหาการสร้างโครงสร้างพื้นฐานคอมพิวเตอร์ที่ทันสมัยเพื่อรองรับความต้องการด้านการประมวลผลที่เพิ่มขึ้น องค์กรต้องการโซลูชันที่ปรับขนาดได้และมีประสิทธิภาพสูงที่สามารถจัดการกับเวิร์กโหลดการเรียนรู้เชิงลึกที่ซับซ้อน พร้อมทั้งรักษาความสามารถในการจัดเก็บข้อมูลที่แข็งแกร่ง

• ความต้องการด้านการประมวลผล: ความต้องการพลังการประมวลผลที่เร่งด้วย GPU อย่างมีนัยสำคัญสำหรับการฝึกอบรมและอนุมานโมเดล AI/ML
• ข้อกำหนดด้านการจัดเก็บข้อมูล: โซลูชันการจัดเก็บข้อมูลความจุสูง ประสิทธิภาพสูง สำหรับชุดข้อมูลขนาดใหญ่
• ความสามารถในการปรับขนาด: โครงสร้างพื้นฐานต้องรองรับการขยายตัวในอนาคตโดยไม่มีการเปลี่ยนแปลงสถาปัตยกรรมหลัก
• ความน่าเชื่อถือ: การดำเนินงานที่สำคัญต่อภารกิจต้องการฮาร์ดแวร์ระดับองค์กรที่มีการหยุดทำงานน้อยที่สุด
• ความซับซ้อนในการรวมระบบ: การรวมระบบระหว่างชั้นการประมวลผลและการจัดเก็บข้อมูลอย่างราบรื่นบนแพลตฟอร์มฮาร์ดแวร์หลายแพลตฟอร์ม

ทีมของเราได้ออกแบบและนำโซลูชันโครงสร้างพื้นฐานแบบแบ่งชั้นมาใช้ โดยส่งมอบในสองระยะเชิงกลยุทธ์ เพื่อให้มั่นใจถึงประสิทธิภาพสูงสุด ในขณะเดียวกันก็รักษาความต่อเนื่องในการดำเนินงานตลอดการติดตั้ง

• แพลตฟอร์มการจัดการแบบรวมศูนย์: การรวม Dell OpenManage และ Inspur ISPIM สำหรับการตรวจสอบและการบริหารจัดการแบบรวมศูนย์
• การเชื่อมต่อความเร็วสูง: เครือข่ายแบ็คโบน 25GbE เชื่อมต่อโหนดประมวลผลกับอาร์เรย์จัดเก็บข้อมูล
• การจำลองเสมือนพื้นที่จัดเก็บข้อมูล: การรวม VMware vSAN และ Dell PowerStore ซอฟต์แวร์กำหนดพื้นที่จัดเก็บข้อมูล
• การจัดสรรทรัพยากร GPU: NVIDIA GPU Direct RDMA สำหรับการสื่อสาร GPU ต่อ GPU ที่ปรับให้เหมาะสม
• การสำรองข้อมูลและการกู้คืนจากภัยพิบัติ: กลยุทธ์การปกป้องข้อมูลที่ครอบคลุมพร้อมการจำลองข้อมูลนอกสถานที่

• การปรับปรุงประสิทธิภาพ: ปริมาณงานการฝึกอบรมโมเดล AI เพิ่มขึ้น 400% เมื่อเทียบกับโครงสร้างพื้นฐานก่อนหน้า
• ประสิทธิภาพการจัดเก็บข้อมูล: ความหน่วงในการจัดเก็บข้อมูลลดลง 60% ในขณะที่ยังคงรักษาข้อกำหนดด้านความจุสูง
• ความต่อเนื่องในการดำเนินงาน: ความพร้อมใช้งาน 99.999% ที่ได้รับจากการออกแบบสถาปัตยกรรมที่ซ้ำซ้อน
• ความสามารถในการปรับขนาด: โครงสร้างพื้นฐานที่ออกแบบมาเพื่อปรับขนาดได้ถึง 3 เท่าของความจุปัจจุบันโดยไม่มีการเปลี่ยนแปลงสถาปัตยกรรม
• ต้นทุนรวมในการเป็นเจ้าของ: ต้นทุนรวมในการเป็นเจ้าของ 3 ปี ลดลง 35% ผ่านการเลือกฮาร์ดแวร์ที่ปรับให้เหมาะสมและประสิทธิภาพการใช้พลังงาน

• ระยะการวางแผน: การวิเคราะห์ข้อกำหนดโดยละเอียดและการออกแบบสถาปัตยกรรม 4 สัปดาห์
• การส่งมอบระยะที่ 1: การติดตั้งและตรวจสอบโครงสร้างพื้นฐานการประมวลผล 6 สัปดาห์
• การส่งมอบระยะที่ 2: การติดตั้งและการทดสอบการรวมระบบจัดเก็บข้อมูล 8 สัปดาห์
• การทดสอบการยอมรับของผู้ใช้: การตรวจสอบประสิทธิภาพที่ครอบคลุม 2 สัปดาห์
• ระยะเวลาโครงการทั้งหมด: 20 สัปดาห์นับตั้งแต่ลงนามในสัญญาจนถึงการใช้งานเต็มรูปแบบ

"โซลูชันโครงสร้างพื้นฐานที่ส่งมอบโดยพันธมิตรรายนี้ได้เปลี่ยนแปลงขีดความสามารถในการวิจัย AI ของเรา การรวมระบบที่ราบรื่นระหว่างแพลตฟอร์มการประมวลผลของ Dell และเซิร์ฟเวอร์ AI ของ Inspur ควบคู่ไปกับโซลูชันการจัดเก็บข้อมูลที่แข็งแกร่งของ Dell ได้มอบรากฐานที่ไม่เพียงแต่ตอบสนองความต้องการในปัจจุบันของเราเท่านั้น แต่ยังวางตำแหน่งเราสำหรับการเติบโตในอนาคตอีกด้วย แนวทางการติดตั้งแบบแบ่งเฟสช่วยลดการหยุดชะงักทางธุรกิจให้น้อยที่สุด ในขณะเดียวกันก็รับประกันว่าเรามีพลังการประมวลผลที่เราต้องการเมื่อเราต้องการ"

— CTO, องค์กรขนาดใหญ่ของรัสเซีย

• การปรับปรุงเวิร์กโหลด AI ให้เหมาะสม: การเร่งความเร็ว GPU เพิ่มเติมสำหรับเฟรมเวิร์กการเรียนรู้เชิงลึกเฉพาะทาง
• การขยายพื้นที่จัดเก็บข้อมูล: การเพิ่มความจุตามแผนเป็น 5PB พร้อมการใช้งาน NVMe-oF
• การรวม Edge Computing: การขยายโครงสร้างพื้นฐานเพื่อรองรับเวิร์กโหลด AI แบบกระจาย
• การรวม Cloud: กลยุทธ์คลาวด์แบบไฮบริด ใช้ประโยชน์จากการลงทุนในองค์กรที่มีอยู่

กรณีศึกษานี้แสดงให้เห็นถึงความสามารถของเราในการส่งมอบโซลูชันโครงสร้างพื้นฐานที่ซับซ้อนและหลากหลายผู้จำหน่าย ซึ่งสามารถแก้ไขปัญหาทางธุรกิจในโลกแห่งความเป็นจริง พร้อมทั้งให้ผลตอบแทนจากการลงทุนที่ชัดเจนและวัดผลได้ แนวทางของเราในการติดตั้งแบบแบ่งเฟสช่วยให้มั่นใจได้ว่าการหยุดชะงักทางธุรกิจจะน้อยที่สุด ในขณะเดียวกันก็เพิ่มประสิทธิภาพการดำเนินงานและความสามารถในการปรับขนาดในอนาคตให้สูงสุด

หมายเหตุ: รายละเอียดลูกค้าและตัวชี้วัดประสิทธิภาพเฉพาะอาจมีการปรับเปลี่ยนตามข้อตกลงการรักษาความลับและผลลัพธ์ที่วัดได้จริง