Adolf Hohl, NVIDIA, über IBM Spectrum Storage for AI mit NVIDIA DGX

Videoblog: „IBM und NVIDIA wollen KI-Anwendungen vorantreiben“

geschätzter Leseaufwand: 2 Minuten

Dieses Videointerview habe ich mit Adolf Hohl von NVIDIA auf den IBM Spectrum Scale Strategy Days 2019 geführt. Darin spricht er über die IBM-NVIDIA-Storagelösung für KI-Anwendungen und warum sich KI- und HPC-Workloads so ähnlich sind.

Mit dem eigenen Vortrag auf den Spectrum Scale Strategy Days 2019

Nicht nur vor meiner Kamera, sondern auch vor dem riesigen Auditorium der IBM Spectrum Scale Strategy Days 2019 kam Adolf Hohl von NVIDIA zu Wort. Dort sprach er über die Software-Zutaten, die für eine KI-Hardware-Lösung wie die NVIDIA DGX-1 erforderlich sind.

Mithilfe dieser Software-Werkzeuge, die er vorgestellt hat, lassen sich vollständige NVIDIA-KI-Cluster aufbauen, womit der Einsatz mehrere GPU-Einheiten möglich ist. Dabei entstehen enorme Datenmengen, was die Implementierung von IBM Spectrum Scale erforderlich und auch sinnvoll macht.

HPC- und KI-Workloads sind einander sehr ähnlich

Sieht man sich die enormen Datenmengen sowie deren Verarbeitung mithilfe von KI-Anwendungen an, fällt eines auf: Im Bereich HPC (High-Performance Computing) beobachtet man ganz ähnliche Phänomene. Auch dort trifft man auf parallelisierte Algorithmen, was unter anderem mit den Tools und Methoden wie MPI (Message Passing Interface) zu tun hat.

Dieser HPC-Ansatz in der KI-Welt kommt also vielen Anwendern und Entwicklern sehr entgegen, da sie mit den zugehörigen Prozessen und Herangehensweisen vertraut sind. Das trifft im vorliegenden Fall auf alle Software-Entwickler und -Architekten, die bereits über Erfahrungen mit IBM Spectrum Scale im HPC-Kontext verfügen. Damit gelingt der Einstieg in die KI-Welt recht unproblematisch, da viele Technologien bekannt sind.

IBM Spectrum Scale unterstützt KI-Anwendungen

Es gab ja Zeiten, da nannte sich IBM Spectrum Scale GPFS, also General Parallel File System. Daran erkennt man gut, dass die IBM Storagesoftware sehr gut für KI-Workloads geeignet ist, da hier der parallele Datenzugriff ein wesentliches Merkmal ist, womit hohe Datendurchsatzraten erzielt werden können. Dies kommt beispielsweise beim Test einer KI-Anwendung zum Einsatz, da hierfür große Datenmengen benötigt werden.

Genau diese Erkenntnisse rund um das Verhalten von IBM Spectrum Scale in hochparallelisierten Anwendungen wie der Künstlichen Intelligenz führten letztlich zu einer Referenzarchitektur, die IBM und NVIDIA gemeinsam entwickelt haben. Ihr Name: IBM Spectrum Storage for AI mit NVIDIA DGX. Die Zutaten bestehen aus großen Teilen aus IBM Spectrum Scale, IBM Elastic Storage Server und NVIDIA DGX-1. Für die volle Performance von datenhungrigen KI-Anwendungen.

Das komplette Interview mit Adolf Hohl

Disclaimer: Für das Erstellen dieses Videoblogbeitrags hat mich IBM Deutschland beauftragt. Für das Ausgestalten der Inhalte hatte ich nahezu freie Hand.

Weitere Videointerview von den IBM Spectrum Scale Strategy Days 2019

Videoblog: „IBM Spectrum Scale ist Cloud- und Container-tauglich“