• Rozwiązania Dell w zakresie sztucznej inteligencji

    Rozwiązania Dell w zakresie sztucznej inteligencji

    Zdobądź przewagę dzięki najszerszej gamie rozwiązań w zakresie generatywnej sztucznej inteligencji1.

    Intel®, Innowacyjność to nasze DNA‎

    • Zastosuj sztuczną inteligencję do analizy danych

      Firma Dell Technologies przyspiesza przejście od możliwości do sprawdzonych sposobów dzięki nowatorskim technologiom, kompleksowemu pakietowi usług profesjonalnych i szerokiej sieci partnerów.

    • Prostota

      Krótszy czas osiągania rezultatów dzięki połączeniu wskazówek strategicznych, sprawdzonych rozwiązań i usług.

    • Szybsze modele sztucznej inteligencji

      Dostosowana konfiguracja

      Maksymalne wykorzystanie wartości danych dzięki infrastrukturze zaprojektowanej z myślą o potrzebach biznesowych.

    • Zaufanie

      Przyszłość sztucznej inteligencji oparta na bezpiecznych fundamentach — ochrona danych i własności intelektualnej.

    • Oferta produktów gotowych do obsługi sztucznej inteligencji

      Zapewnij najlepszą wydajność sztucznej inteligencji2 oraz uprość pozyskiwanie infrastruktury do jej obsługi, jej wdrażanie i zarządzanie nią dzięki najnowocześniejszej technologii zaprojektowanej z myślą o erze generatywnej sztucznej inteligencji.

    • Serwery PowerEdge do obsługi sztucznej inteligencji

      Dzięki generatywnej sztucznej inteligencji możesz szybciej realizować pomysły za pomocą zoptymalizowanych pod jej kątem serwerów PowerEdge z wydajną technologią zasilania i chłodzenia.

      • Serwery PowerEdge XE oferują najlepszą akcelerację i różnorodne opcje procesorów graficznych.
      • Serwer PowerEdge R760xa zapewnia dużą gęstość kart PCIe.

    • Pamięć masowa na potrzeby sztucznej inteligencji

      Ochrona i przetwarzanie ogromnych ilości danych bez struktury dzięki elastycznemu i skalowalnemu rozwiązaniu w zakresie pamięci masowej.

      • Rozwiązanie zaprojektowane z myślą o wyjątkowo wydajnej obsłudze dużych ilości danych.
      • Optymalizacja fundamentów sztucznej inteligencji dzięki skalowalnej platformie danych.
      • Większy zwrot z inwestycji w sztuczną inteligencję i technologie generatywne.

    • Zarządzanie danymi na potrzeby sztucznej inteligencji

      Odblokowanie potencjału danych od brzegu przez rdzeń po środowiska wielochmurowe w celu obsługi analiz, sztucznej inteligencji i obciążeń roboczych związanych z generatywną AI.

      • Prostsze lokalizowanie danych, uzyskiwanie dostępu do nich i ich przetwarzanie w różnych środowiskach.
      • Zapewnienie szybszego dostępu do danych w celu szybszego dopasowywania modeli i osiągania lepszych wyników biznesowych.
      • Gotowe do użycia rozwiązanie, które upraszcza zakupy, wdrażanie i zarządzanie cyklem życiowym.

    • Komputery i stacje robocze do zadań z zakresu sztucznej inteligencji

      Wykorzystaj możliwości sztucznej inteligencji dzięki nowej architekturze PC.

      • Korzystaj z przyspieszonego przez sztuczną inteligencję tworzenia treści, ulepszania zdjęć, edytowania filmów i z innych możliwości.  
      • Uprość tworzenie sztucznej inteligencji — od prototypowania, przez dostrajanie i wdrażanie obciążeń roboczych generatywnej sztucznej inteligencji za pomocą stacji roboczych Precision.

    • Rozwiązanie Dell APEX oparte na generatywnej sztucznej inteligencji

      Bezproblemowo odblokuj możliwości projektowania wielochmurowego i sztucznej inteligencji dzięki wygodnym niestandardowym subskrypcjom i rozwiązaniom w postaci usług z technologią Dell APEX.

      • Subskrybuj potrzebne produkty z większą prostotą, elastycznością i kontrolą.
      • Wybierz preferowany produkt oparty na generatywnej sztucznej inteligencji, łatwo skonfiguruj jego możliwości i określ potrzebne usługi.

    • Usługi profesjonalne w zakresie sztucznej inteligencji

      Szybsze wykorzystanie możliwości sztucznej inteligencji w zakresie danych.

      • Możliwość opracowania i zweryfikowania planu dotyczącego generatywnej sztucznej inteligencji i wprowadzania innowacji z wykorzystaniem uznanej platformy GenAI.
      • Skrócenie czasu do uzyskania wartości w przypadku priorytetowych potrzeb biznesowych.
      • Wprowadzenie funkcji generatywnej sztucznej inteligencji w całej organizacji.

      • Otwarty ekosystem partnerów

        Wykorzystaj szersze zestawy narzędzi i źródeł danych w przepływach pracy związanych ze sztuczną inteligencją.

      • Wprowadzenie generatywnej sztucznej inteligencji do organizacji

        Dowiedz się, w jaki sposób Twoja firma może wykorzystać potencjał generatywnej sztucznej inteligencji dzięki wiedzy, rozwiązaniom i strategiom firmy Dell dotyczącym możliwości transformacji.

      • Rozwiązania firmy Dell w zakresie generatywnej sztucznej inteligencji

        Rozwiązania firmy Dell oparte na sztucznej inteligencji do obsługi wnioskowania za pomocą dużych modeli językowych na miejscu mogą być nawet o 75% bardziej opłacalne niż chmura publiczna3.

      • Korzystanie z wnioskowania ze wstępnie wytrenowanym modelem w celu szybszego uzyskiwania wyników

        Wnioskowanie polega na wykorzystaniu wstępnie wytrenowanych modeli sztucznej inteligencji do prognozowania, podejmowania decyzji lub generowania danych wyjściowych na podstawie danych wejściowych. Ten proces jest niezbędny do praktycznego wdrożenia generatywnej sztucznej inteligencji, która umożliwia tworzenie treści w czasie rzeczywistym i reagowanie na nie.

        Generatywna sztuczna inteligencja: wnioskowanie (z wykorzystaniem rozwiązań firmy NVIDIA)

        Rozwiązuje problemy związane z wnioskowaniem (inferencją), takie jak opóźnienia, brak responsywności czy wymagania obliczeniowe, pomagając przekształcić dane przedsiębiorstwa w wartościowe, bardziej inteligentne wyniki. 

      • Dostosowywanie wstępnie wytrenowanego modelu

        Dostrajanie to proces, w ramach którego firmy mogą dodawać dane specyficzne dla domeny branżowej do istniejącego dużego modelu językowego (LLM). Pozwala to na głębsze, wyspecjalizowane analizowanie informacji związanych z działalnością firmy.

        Generatywna sztuczna inteligencja: dostosowywanie i dostrajanie modeli (z wykorzystaniem rozwiązań firmy NVIDIA)

        To rozwiązanie obniża koszty optymalizacji dzięki sprawdzonym wskazówkom na temat ponownego treningu istniejących modeli generatywnej sztucznej inteligencji pod kątem docelowych zastosowań, a także przykładom standardowych technik dopasowywania, takich jak uczenie transferowe i optymalizacja promptów.

      • Trenowanie modelu od podstaw

        Wytrenowanie modelu od podstaw jest najlepszym wyborem, jeśli Twoja branża jest wysoce wyspecjalizowana i używa unikalnej terminologii, na przykład prawniczej, medycznej lub naukowej, lub Twoja firma wymaga wysokiego poziomu prywatności, w którym mieszanie danych pochodzących ze źródeł publicznych i prywatnych jest zabronione.

        Generatywna sztuczna inteligencja: trenowanie modeli (z wykorzystaniem rozwiązań firmy NVIDIA)

        Dostarcza wskazówek , jak na podstawie własnych danych utworzyć model językowy, który będzie rozumieć i generować treści odpowiednie dla konkretnej branży.

      • Funkcja Retrieval-Augmented Generation (RAG) używana w celu ulepszenia danych wyjściowych modelu

        Duże modele językowe (LLM) mogą udzielać odpowiedzi podobnych do tych, jakich może udzielić człowiek, ale potrzebują dokładnych informacji, na podstawie których mogą je wygenerować. RAG to technika pozyskiwania informacji i dostarczania bardziej precyzyjnych i wiarygodnych odpowiedzi, używana w przypadku modeli LLM, które korzystają z informacji pobranych ze źródeł zewnętrznych.

        Generatywna sztuczna inteligencja: generowanie wspomagane pobieraniem (RAG) (z wykorzystaniem rozwiązań firmy NVIDIA)

        Upraszcza wdrażanie architektury z pełnym stosem przy użyciu mikrousług NVIDIA oraz skalowalnej platformy osadzania i pobierania informacji na potrzeby modeli językowych.

      • Prezentacja klientów

      • INSTYTUCJE RZĄDOWE I SAMORZĄDOWE

        Miasto Amarillo

        Miasto Amarillo współpracuje z Dell Professional Services, aby ułatwić dostęp do usług komunalnych dzięki wielojęzycznemu asystentowi cyfrowemu.

      • TRANSPORT

        Duos Technologies

        Firma Duos Technologies zwiększa bezpieczeństwo kolei, wykorzystując algorytmy sztucznej inteligencji na brzegu sieci na serwerach PowerEdge.

      • MEDIA I ROZRYWKA

        CyberAgent

        CyberAgent opracowuje japońską generatywną sztuczną inteligencję, aby przeprowadzić transformację usługi w zakresie reklam cyfrowych. 

      • MEDIA I ROZRYWKA

        Taboola

        Używanie sztucznej inteligencji do dostarczania odpowiednich i precyzyjnie ukierunkowanych treści.

      • BADANIA NAUKOWE

        KeyGene

        KeyGene tworzy bezpieczniejszą, bardziej zrównoważoną przyszłość rolnictwa.

      • SZKOŁY WYŻSZE

        Uniwersytet Cambridge

        Rozwiązania firm Dell Technologies i Intel napędzają najszybszy w Wielkiej Brytanii superkomputer do obsługi sztucznej inteligencji.

    • Projekty Validated Design w zakresie sztucznej inteligencji

      Projekty Dell Technologies Validated Design to przetestowane i sprawdzone konfiguracje, zaprojektowane od samego początku z myślą o dynamicznym dopasowaniu do konkretnych zastosowań. 

    • Rozwiązanie Cel Korzyści Przypadki użycia    

      Sztuczna inteligencja w środowiskach zwirtualizowanych

      Krótki opis rozwiązania

      Validated Design

      		 Wspólne rozwiązanie firm NVIDIA i VMware z procesorami graficznymi o wielu instancjach ułatwia uruchamianie sztucznej inteligencji wraz z tradycyjnymi obciążeniami roboczymi.
      • Bezproblemowa integracja przyspieszonych obciążeń roboczych opartych na sztucznej inteligencji z istniejącymi aplikacjami korporacyjnymi.
      • Unikanie tworzenia oddzielnych systemów przeznaczonych dla sztucznej inteligencji.
      		 Obciążenia robocze zdefiniowane programowo. Obciążenia robocze związane z gęstą wirtualizacją i sztuczną inteligencją, HPC i wydajnością, środowiska chmury prywatnej.

      Procesy AI MLOps dzięki usługom cnvrg.io

      Krótki opis rozwiązania

      Validated Design

      		 Standaryzacja potoków uczenia maszynowego w celu płynnego przejścia od badań do produkcji dzięki projektowi Dell Validated Design dla sztucznej inteligencji, opracowanemu we współpracy z firmą cnvrg.io.
      • Szybkie wdrażanie zoptymalizowanych stosów sprzętu i oprogramowania.
      • Usprawnienie potoków uczenia maszynowego w celu szybszego programowania i płynniejszych przejść w produkcji.
      • Bezpieczne wdrażanie przetestowanego przez inżynierów rozwiązania do obsługi operacji uczenia maszynowego (MLOps).
      		 Obciążenia robocze związane ze sztuczną inteligencją koncentrujące się na uczeniu maszynowym, operacjach sztucznej inteligencji i analizie danych.

      Automatyczne uczenie maszynowe

      Krótki opis rozwiązania

      Validated Design

      		 Automatyzacja trenowania modeli sztucznej inteligencji dzięki rozwiązaniu Dell Validated Design for AI — Automatic Machine Learning (AutoML) w celu usprawnienia wyboru algorytmów, generowania funkcji, dostrajania hiperparametrów, modelowania iteracyjnego i oceny modelu.
      • Uproszczenie trenowania modeli sztucznej inteligencji dla analityków danych.
      • Szybsze wdrożenie sztucznej inteligencji do produkcji dzięki usprawnionej metodyce MLOps.
      • Bezpieczne wdrażanie przetestowanego przez inżynierów rozwiązania MLOps.
      		 Obciążenia robocze związane ze sztuczną inteligencją koncentrujące się na uczeniu maszynowym, operacjach sztucznej inteligencji i analizie danych.

      Sztuczna inteligencja jako rozmówca

      Krótki opis rozwiązania

      Validated Design

      		 Uproszczenie i przyspieszenie wdrażania zaawansowanych asystentów wirtualnych dzięki rozwiązaniu Dell Validated Design for AI — Conversational AI — konwersacyjnej sztucznej inteligencji zoptymalizowanej pod kątem ułatwienia bezproblemowej interakcji między komputerami i ludźmi podczas rozmowy. 
      • Łatwe tworzenie konwersacyjnych interfejsów użytkownika i wirtualnych asystentów.
      • Wykorzystanie wstępnie wytrenowanych asystentów wirtualnych do zastosowań związanych z wykorzystaniem konwersacyjnej sztucznej inteligencji.
      • Umożliwienie użytkownikom biznesowym i osobom niebędącym programistami bezkodowego tworzenia asystentów opartych na sztucznej inteligencji.
      		 Przypadki użycia związane z konwersacjami i pomocą techniczną: (zasoby ludzkie, przestrzeń robocza dla pracowników, bankowość, opieka zdrowotna, pomoc w wyszukiwaniu itp.)

      Generatywna sztuczna inteligencja: wnioskowanie (z wykorzystaniem rozwiązań firmy NVIDIA)

      Krótki opis rozwiązania

      Validated Design

      		 Uproszczenie wnioskowania dużych modeli językowych (LLM) dzięki skalowalnej i modułowej architekturze do obsługi różnych przypadków użycia.
      • Szybka implementacja wstępnie wytrenowanych modeli generatywnej sztucznej inteligencji.
      • Generowanie wyników i wartości dzięki wspólnej architekturze firm Dell i NVIDIA.
      		 Tworzenie treści, asystenci wsparcia, wyszukiwanie w języku naturalnym, automatyzacja procesów i wiele innych.

      Generatywna sztuczna inteligencja: dostosowywanie i dostrajanie modeli (z wykorzystaniem rozwiązań firmy NVIDIA)

      Krótki opis rozwiązania

      Validated Design

      		 Uzyskanie informacji na temat tego, jak ponownie wytrenować istniejące (wstępnie wytrenowane) modele generatywnej sztucznej inteligencji pod kątem określonych przypadków użycia.
      • Poprawa wydajności modelu generatywnej sztucznej inteligencji przez dostosowanie i dostrojenie go zgodnie z danymi i przypadkami użycia.
      • Wdrożenie wspólnej architektury firm Dell i NVIDIA.
      		 Tworzenie treści, asystenci wsparcia, wyszukiwanie w języku naturalnym, automatyzacja procesów i wiele innych.

      Red Hat OpenShift AI w środowisku Dell APEX Cloud Platform for Red Hat OpenShift

      Krótki opis rozwiązania

      Validated Design

      		 Optymalizacja i rozszerzenie lokalnych wdrożeń OpenShift na platformie Dell APEX Cloud Platform za pomocą dysku DVD opracowanego wspólnie z firmą Red Hat.
      • Wdrożenie cyfrowych asystentów opartych na dużych modelach językowych (LLM) i technologii Retrieval Augmented Generation (RAG).
      • Skrócenie czasu do uzyskania wartości dzięki głębokiej integracji i inteligentnej automatyzacji.
      • Zapewnienie wydajności, bezpieczeństwa i liniowej skalowalności dzięki architekturze bez systemu operacyjnego.
      		 Obciążenia robocze związane z generatywną sztuczną inteligencją,  uczeniem maszynowym, operacjami sztucznej inteligencji i analizą danych. Chmura prywatna i infrastruktura lokalna, obliczenia o dużej gęstości i obciążenia robocze związane ze sztuczną inteligencją, HPC, centra przetwarzania danych.

    • Często zadawane pytania

    • Jaka jest różnica między sztuczną inteligencją a generatywną sztuczną inteligencją?

      Sztuczna inteligencja korzysta z zaawansowanych analiz i technik logicznych do interpretacji zdarzeń i automatyzacji decyzji. Z kolei generatywna sztuczna inteligencja zapewnia firmom większą wartość, wykorzystując duże zestawy danych do generowania nowych treści, takich jak tekst, obrazy, audio, wideo, dane syntetyczne i kod oprogramowania. 

    • Dlaczego dane są ważne dla sztucznej inteligencji i technologii generatywnych?

      Dane napędzają sztuczną inteligencję i technologie generatywne, a ich ilość i jakość mają bezpośredni wpływ na uzyskiwane wyniki. 

    • W jaki sposób organizacje mogą skorzystać na generatywnej sztucznej inteligencji?

      Generatywna sztuczna inteligencja może zmienić model działania organizacji, przekształcając je w sposób, który dopiero zaczynamy sobie wyobrażać. Liderzy biznesu i IT dopiero zaczynają czerpać korzyści z wielu zalet tej technologii, w tym zwiększonej wydajności, niższych kosztów, innowacyjności i zadowolenia klientów.

  • Czy są jakieś pytania?
    Jesteśmy po to, by pomagać.
    Zapewniamy pomoc w zakresie specjalistycznych porad i rozwiązywania złożonych problemów.

    • 1 Na podstawie analizy przeprowadzonej przez firmę Dell, sierpień 2023 r.  Firma Dell Technologies oferuje rozwiązania obsługujące zadania sztucznej inteligencji w 12 kategoriach produktów i usług.

      2 Na podstawie przeprowadzonej przez firmę Dell analizy publicznie dostępnych wyników klasyfikacji obrazów AI na porównywalnych 8-kierunkowych serwerach z procesorami GPU. Obrazy pobrano ze strony www.mlperf.org 27 czerwca 2023 r. Serwer Dell PowerEdge XE9680 z procesorami graficznymi NVIDIA® H100 Tensor Core osiągnął wynik 13,466 w teście MLPerf™ Training v3.0 obejmującym porównanie klasyfikacji obrazów AI w kategorii „Dostępne lokalnie” dla Closed Division. Jest to szybkość większa niż w przypadku serwera GIGABYTE G593-SD0 (13,500), serwerów Supermicro AS-8125GS-TNHR i SYS-821GE-TNHR (odpowiednio 13,603 i 13,501) oraz NVIDIA dgxh100_ngc23.04 (13,601), a także w porównaniu z wynikami w kategorii „Podgląd” dla serwera Quanta_Cloud_Technology D74H-7U_preview (13,721) i serwera Azure ND_H100_v5 (13,819). Wynik został zweryfikowany przez organizację MLCommons Association. Nazwa i logo MLPerf™ są znakami towarowymi organizacji MLCommons Association w Stanach Zjednoczonych i innych krajach. Wszystkie prawa zastrzeżone. Użycie bez upoważnienia jest surowo wzbronione. Więcej informacji można znaleźć na stronie www.mlcommons.org .

      3 Na podstawie zleconego przez firmę Dell podsumowania ekonomicznego Enterprise Strategy Group, porównującego lokalną infrastrukturę firmy Dell z natywną infrastrukturą chmury publicznej w formie usługi, kwiecień 2024 r. Analiza modeli wykazała, że model LLM z 70 mld parametrów wykorzystujący technologię RAG w organizacji liczącej 50 tys. użytkowników jest w ciągu 3 lat do 75% bardziej opłacalny. Rzeczywiste wyniki mogą być inne.  Podsumowanie ekonomiczne

      4 Na podstawie analizy przeprowadzonej przez firmę Dell w listopadzie 2023 r. Oprogramowanie Dell Optimizer nie jest dostępne na urządzeniach z serii OptiPlex 3000, notebookach Latitude Chromebook Enterprise i urządzeniach opartych na systemie Linux. Dostępność funkcji i ich działanie mogą się różnić w zależności od modelu. Aby uzyskać więcej informacji, odwiedź stronę: https://www.delltechnologies.com/asset/en-us/solutions/business-solutions/technical-support/dell-optimizer-features-availability-matrix.pdf.external

      * Serwer Dell PowerEdge XE9680 przekracza wydajność serwera Supermicro SuperServer SYS-821GE-TNHR w czterech z sześciu kluczowych testów porównawczych zastosowań sztucznej inteligencji.

           Na podstawie przeprowadzonej przez firmę Dell analizy publicznie dostępnych wyników klasyfikacji obrazów AI na porównywalnych serwerach z 8 procesorami GPU. Obrazy pobrano ze strony www.mlperf.org 27 czerwca 2023 r. Serwer Dell PowerEdge XE9680 z procesorami graficznymi NVIDIA® H100 Tensor Core osiągnął wynik 13,466 w teście MLPerf™ Training v3.0 obejmującym porównanie klasyfikacji obrazów AI w kategorii „Dostępne lokalnie” dla Closed Division. Jest to szybkość większa niż w przypadku serwera GIGABYTE G593-SD0 (13,500), serwerów Supermicro AS-8125GS-TNHR i SYS-821GE-TNHR (odpowiednio 13,603 i 13,501) oraz NVIDIA dgxh100_ngc23.04 (13,601), a także w porównaniu z wynikami w kategorii „Podgląd” dla serwera Quanta_Cloud_Technology D74H-7U_preview (13,721) i serwera Azure ND_H100_v5 (13,819).  Wynik został zweryfikowany przez organizację MLCommons Association. Nazwa i logo MLPerf™ są znakami towarowymi organizacji MLCommons Association w Stanach Zjednoczonych i innych krajach. Wszystkie prawa zastrzeżone. Użycie bez upoważnienia jest surowo wzbronione. Więcej informacji można znaleźć na stronie www.mlcommons.org .

      ** Serwer Dell PowerEdge XE9680 osiągnął lepsze wyniki niż serwery Supermicro SuperServer SYS-821GE-TNHR i AS-8125GS-TNHR w przypadku trenowania modeli AI pod kątem przetwarzania języka naturalnego (NLP) .

          Na podstawie przeprowadzonej przez firmę Dell analizy publicznie dostępnych wyników dotyczących wydajności pobranych ze strony www.mlperf.org 27 czerwca 2023 r. Serwer Dell PowerEdge XE9680 z procesorami graficznymi NVIDIA® H100 Tensor Core osiągnął wynik 13,466 w teście MLPerf™ Training v3.0 w zakresie klasyfikacji obrazów, wynik 16,846 w przypadku rozpoznawania mowy oraz 19,985 w zakresie wykrywania obiektów dużej wagi, a także 5,363 w testach porównawczych NLP w kategorii „Dostępne lokalnie” dla Closed Division. Są to wyniki lepsze niż w przypadku serwera Supermicro SYS-821GE-TNHR (13,501 w zakresie klasyfikacji obrazów, 17,919 w przypadku rozpoznawania mowy, 21,493 w zakresie wykrywania obiektów dużej wagi oraz 5,383 w testach porównawczych NLP). Wynik został zweryfikowany przez organizację MLCommons Association. Nazwa i logo MLPerf™ są znakami towarowymi organizacji MLCommons Association w Stanach Zjednoczonych i innych krajach. Wszystkie prawa zastrzeżone. Użycie bez upoważnienia jest surowo wzbronione. Więcej informacji można znaleźć na stronie www.mlcommons.org .

      *** Serwer Dell PowerEdge XE9680 osiągnął lepsze wyniki niż serwer Supermicro SuperServer AS-8125GS-TNHR w sześciu kategoriach podczas porównania przebiegów treningowych uczenia maszynowego w systemie z pojedynczym węzłem.

            Na podstawie przeprowadzonej przez firmę Dell analizy publicznie dostępnych wyników dotyczących wydajności pobranych ze strony www.mlperf.org 27 czerwca 2023 r. Serwer Dell PowerEdge XE9680 z procesorami graficznymi NVIDIA® H100 Tensor Core osiągnął wynik 13,466 w teście MLPerf™ Training v3.0 w zakresie klasyfikacji obrazów, wynik 16,846 w przypadku rozpoznawania mowy oraz 5,363 w testach porównawczych NLP w kategorii „Dostępne lokalnie” dla Closed Division. Są to wyniki lepsze niż w przypadku serwerów Supermicro AS-8125GS-TNHR i SYS-821GE-TNHR (odpowiednio 13,603 i 13,501 w zakresie klasyfikacji obrazów, 19,235 i 17,919 w przypadku rozpoznawania mowy oraz 5,389 i 5,383 w testach porównawczych NLP). Wynik został zweryfikowany przez organizację MLCommons Association. Nazwa i logo MLPerf™ są znakami towarowymi organizacji MLCommons Association w Stanach Zjednoczonych i innych krajach. Wszystkie prawa zastrzeżone. Użycie bez upoważnienia jest surowo wzbronione. Więcej informacji można znaleźć na stronie www.mlcommons.org .

      ****Szersze portfolio rozwiązań, usług i modeli użytkowania opartych na sztucznej inteligencji w porównaniu z Supermicro. Na podstawie opracowania badawczego firmy Principled Technologies zleconego przez firmę Dell Technologies pt. „Finding the path to AI success with the Dell AI portfolio. A comparison of the Dell AI portfolio vs. similar offerings from Supermicro”, luty 2024 r. Faktyczne wyniki mogą być inne. Pełny raport