Haben Mainframes eine Rolle in der KI -Ära?

Mainframes: Die unbesungenen Helden der KI -Revolution

Während die Server bei allgemeinen Anwendungen und mehreren Kunden übernommen werden, werden Mainframes für hochvolumige, missionskritische Aufgaben erstellt. Diese leistungsstarken Systeme werden häufig in stark regulierten Branchen, in der Verarbeitung von Finanztransaktionen und anderen Daten mit hoher Einsätze gefunden. Ihre Stärke liegt in überlegener Kapazität, Zuverlässigkeit und Sicherheit, Funktionen, die durch erweiterte Virtualisierung, robuste Katastrophenwiederherstellung, Rückwärtskompatibilität und inhärente Redundanz verbessert werden. Im Gegensatz zur verteilten Architektur von Serversystemen verarbeiten Mainframes normalerweise die Workloads auf zentralisierte Weise.

Die Kombination aus Kapazität, Zuverlässigkeit, Sicherheit und ihrer etablierten Rolle bei hochwertigen Transaktionen macht Mainframes in der KI-Ära unverzichtbar. IBM, ein führender Mainframe -Anbieter, der 70% der globalen Finanztransaktionen übernimmt, veranschaulicht dies.

Mainframes im KI -Alter

Der neueste Z17 -Mainframe von IBM ist so konzipiert, dass der Anforderungen der KI gerecht wird und gleichzeitig die von Mainframes erwarteten strengen Standards beibehält. Der Z17 wird mit einer 5-nm-CPU von 5,5 GHz Telum II angetrieben und verfügt über eine Leistung mit einem Thread-Thread-Thread gegenüber dem Vorgänger um 11%, bis zu 20% Kapazitätserweiterung und bis zu 64 TB Speicher, während sie bis zu 27% weniger Strom verbraucht. Telum II enthält auch einen erweiterten KI -Beschleuniger für prädiktive und einige generative KI -Workloads. Für anspruchsvollere generative KI -Aufgaben kann der Z17 mit der Spyre Accelerator PCIe -Karte aktualisiert werden.

IBM meldet einen Anstieg des AI -Durchsatzes um 7,5x im Vergleich zum Z16 und erzielt täglich bis zu 450 Milliarden AI -Schlussfolgerungen mit 1MS -Reaktionszeiten.

KI -Workloads ideal für Mainframes

Mainframes 'umfassende Verwendung in Finanztransaktionen und missionskritischen Datenverarbeitung macht sie außerordentlich gut geeignet, um prädiktive und generative KI-Modelle zu kombinieren. Ihre hochvolumigen, zentralisierten Verarbeitung und Multi-Model-Funktionen ermöglichen eine effiziente Musteranalyse aus Transaktionsdaten, was zu Verbesserungen der Betrugserkennung, der Anti-Geldwäsche und der Risikominderung führt. Sie steigern auch die Geschäftsproduktivität durch Assistenten von KI und autonome Anwendungen in Bereichen wie automatisiertem Handel und Gesundheitswesen. Weitere Anträge umfassen Kreditrisikobewertung, Versicherungsbetrugsprävention, Zahlungssicherheit, Geospatialanalyse, Klimamodellierung und Cybersicherheit.

Dies sind nur einige Beispiele dafür, wie prädiktive, generative und agenten -KI, die Mainframe -Funktionen nutzen und überlegene Geschäftsergebnisse liefern. Diese Ergebnisse wären mit Standard -Serverkonfigurationen schwierig oder unmöglich zu erreichen, insbesondere angesichts der Datenvolumen- und Sicherheitsanforderungen in den stark regulierten Branchen, in denen Mainframes üblicherweise bereitgestellt werden.

Die Zukunft ist Mainframe

IBM berichtet über 250 kundenidentifizierte KI-Anwendungsfälle auf der Z-Mainframe-Plattform, eine Zahl, die ständig wächst. Es geht jedoch nicht nur um die Hardware. IBM integriert seine KI -Vermögenswerte (Watsonx, Granite, InstructLab und Consulting Services) in seinen Lösungen, einschließlich der Z -Plattform, und etabliert sich als wichtiger Partner in der Unternehmens -KI. Wettbewerber wie Dell, Fujitsu und Unisys untersuchen auch das Potenzial der KI in Mainframe -Umgebungen. Angesichts des typischen 5-7-jährigen Entwicklungszyklus für Mainframes ist klar, dass zukünftige Generationen von AI-verbesserten Mainframes bereits in der Entwicklung sind. Mainframes überlebt nicht nur die KI -Ära; Sie florieren.

Das obige ist der detaillierte Inhalt vonHaben Mainframes eine Rolle in der KI -Ära?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!