Tidak mengherankan, salah satu pengumuman terbesar di HPE Discover adalah tentang AI generatif. Namun, yang mungkin membuat orang lengah adalah cara perusahaan mendekati pasar GenAI.
HPE diumumkan tentang penawaran baru sebagai layanan yang disebut HPE GreenLake for Large Language Models (LLM). Penawaran HPE GreenLake terbaru, yang akan tersedia akhir tahun ini di AS dan awal tahun depan di Eropa, diharapkan memungkinkan pelanggan menggunakan model LLM multibahasa yang disebut Luminous, yang dikembangkan oleh perusahaan Jerman Aleph Alpha.
HPE menekankan bahwa tujuan utama dari layanan ini adalah untuk memberikan perusahaan kesempatan untuk menggunakan data mereka sendiri untuk melatih model kecerdasan buatan generatif universal dan menyesuaikannya sesuai dengan kebutuhan khusus mereka.
Yang membuat berita ini sangat menarik adalah bagaimana perusahaan tersebut mempromosikan layanan dan teknologi di baliknya. HPE menggambarkannya sebagai cloud publik, dibuat khusus agar perusahaan dapat mengaksesnya saat mereka membutuhkannya, dengan sumber daya yang mereka butuhkan. Dengan kata lain, ini adalah layanan cloud publik klasik – belum tentu seperti yang Anda harapkan dari HPE di bidang yang berkembang pesat seperti AI generatif.
Yang lebih mengejutkan lagi adalah fakta bahwa layanan tersebut bekerja berdasarkan kemampuan superkomputer HPE. Intinya, HPE merancang solusi superkomputer sebagai layanan – sebuah pencapaian yang menarik – dan kemudian melengkapinya dengan aplikasi khusus. Yang penting, HPE menekankan bahwa AI generatif hanyalah yang pertama dari banyak aplikasi yang akan diaktifkan oleh arsitektur baru mereka. Program masa depan akan mencakup bidang-bidang seperti pemodelan iklim, ilmu kesehatan dan kehidupan, jasa keuangan, manufaktur dan transportasi.
Mengingat warisan HPE dalam superkomputer -- ingat, HPE mengakuisisi superkomputer Cray pada 2019 -- langkah tersebut masuk akal, terutama mengingat upaya perusahaan yang berjalan lebih lama untuk membangun penawaran komputasi sebagai layanan HPE GreenLake (dimulai pada 2018). Namun, masih menarik untuk memikirkan implikasi dari langkah ini dan potensi keuntungan yang ditawarkannya dibandingkan banyak penawaran layanan AI generatif lainnya yang bersaing.
HPE menguraikan sejumlah alasan mengapa memutuskan untuk memasuki pasar AI generatif dengan cara ini. Pertama, dari perspektif perangkat keras, perusahaan percaya bahwa arsitektur unik superkomputer Cray, bersama dengan kumpulan perangkat lunak AI HPE tempat layanan akan berjalan, akan memberikan keunggulan dalam kinerja model dan keandalan pelatihan.
Perusahaan membahas bagaimana kecepatan koneksi yang lebih tinggi yang ditemukan dalam arsitektur superkomputer akan memungkinkan GPU menerima data 16 kali lebih cepat dari kecepatan arsitektur server tradisional. Ini, pada gilirannya, akan membuat GPU berjalan dengan lancar, menghasilkan kinerja dan nilai uang yang lebih baik.
Selain itu, perusahaan mengatakan bahwa untuk perusahaan yang membangun model GenAI skala besar, tingkat keberhasilan menjalankan model tersebut bisa serendah 15% pada arsitektur server tradisional, dibandingkan dengan hampir 100% pada superkomputer. Tes nyata diperlukan untuk melihat apakah manfaat teoretis ini diterjemahkan menjadi kenyataan, tetapi tentu akan menarik untuk ditonton.
Strategi menarik lainnya yang digunakan oleh perusahaan adalah mengalokasikan instance komputasinya sendiri ke setiap beban kerja AI. Tidak seperti kebanyakan beban kerja cloud publik tradisional, di mana banyak aplikasi berjalan pada satu node, HPE mengatakan setiap beban kerja yang menggunakan layanan ini akan memiliki infrastruktur komputasi tersendiri. Ini sebagian karena sifat arsitektur superkomputer, tetapi juga memberikan keuntungan privasi yang pasti akan dihargai oleh beberapa pelanggan.
Keputusan untuk menyertakan model Luminous Aleph Alpha dalam layanannya menarik mengingat perusahaan Jerman tersebut memiliki pengakuan yang minim, terutama di pasar AS. Beberapa perusahaan mungkin takut akan ukurannya yang relatif kecil dan kebaruannya di pasar. Namun, mengingat kehadiran HPE yang signifikan di Eropa dan fakta bahwa model Luminous mendukung lima bahasa sejak awal, perangkat ini diperlengkapi dengan baik untuk melayani pelanggan Eropa. Terlebih lagi, CEO Aleph Alpha mengatakan perusahaan memiliki cara baru untuk memecahkan masalah menjelaskan hasil model. Klaim ini membutuhkan pengujian lebih lanjut dalam pengaturan dunia nyata, tetapi ini menambah poin menarik lainnya.
Di sisi perangkat lunak, HPE berencana menggunakan beberapa perangkat lunak superkomputernya untuk memfasilitasi proses tersebut. Secara khusus, lingkungan pengembangan pembelajaran mesin perusahaan dirancang untuk menyederhanakan pembuatan model, dan perangkat lunak manajemen data pembelajaran mesin HPE bertujuan untuk merampingkan proses penyiapan data yang diperlukan untuk melatih model AI. Alat-alat ini, bekerja sama dengan Luminous, memberi pengembang perusahaan kemampuan yang mereka butuhkan untuk menyesuaikan model universal dengan kebutuhan unik mereka.
Elemen teknologi penting terakhir adalah keputusan HPE untuk meluncurkan layanan ini di fasilitas co-location yang menggunakan hampir 100% energi terbarukan. Mengingat besarnya daya yang sering dibutuhkan oleh infrastruktur komputasi intensif GPU untuk menjalankan model AI generatif, inisiatif ini patut diperhatikan dan sangat berharga. Pusat pertama berlokasi di Quebec, Kanada, dan yang lainnya diharapkan menyusul.
Karena pasar AI generatif menjadi lebih ramai dan berisik dari hari ke hari, menjadi semakin sulit untuk menonjol dari persaingan. Sehubungan dengan rintangan ini, HPE perlu secara aktif mempromosikan penawarannya dan narasi terkaitnya agar tidak ketinggalan. Kemampuan superkomputer tentu saja merupakan aspek yang unik dan menarik, tetapi dampak utamanya akan sangat bergantung pada rasio harga-kinerja yang sebenarnya. Jika kemampuan ini memenuhi janjinya, dan jika perusahaan dapat secara efektif menskalakan penawaran untuk memenuhi permintaan potensial, ini bisa menjadi peluang yang menarik bagi HPE untuk bergerak maju.
Baca juga: