با معرفی IBM Power S1112 مبتنی بر Power11، چیزی که برای من جالب است فقط کوچکتر شدن یک سرور Enterprise نیست؛ بلکه مسیری است که IBM برای نزدیک کردن AI به روندهای کاری اصلی سازمان دنبال میکند.
Power S1112 یک سیستم نسبتاً جمعوجور است که برای دفاتر سازمانی و محیطهای Edge طراحی شده است. یعنی دیگر از سرورهای بزرگ در دیتاسنتر خبری نیست.
بخش مهم داستان اینجاست:
IBM ظاهراً نمیخواهد هوش مصنوعی را صرفاً بهعنوان یک سخت افزار خاص ببیند؛ بلکه به سمتی حرکت میکند که قابلیتهای AI در همان زیرساختی قرار بگیرند که نرم افزارهای سازمان روی آن اجرا میشوند.
به نظر من این نکته، استراتژی IBM را بهتر نشان میدهد:
AI قرار نیست الزاماً یک جزیره جدید در دیتاسنتر باشد.
ممکن است بخشی از همان Enterprise Platform باشد که ERP، Database، Transaction Processing و سایر سیستمهای Mission-Critical سازمان را اجرا میکند.
این رویکرد با مسیری که بسیاری از شرکتهای دیگر دنبال میکنند متفاوت است.
بخش بزرگی از بازار AI Infrastructure امروز حول GPU Serverهای بسیار پرقدرت، Rack-scale AI و کلاسترهای بزرگ شکل گرفته است؛ اما IBM با Power11 ظاهراً یک سناریوی دیگر را هم هدف گرفته:
AI نزدیک به داده و نزدیک به Applicationهای اصلی سازمان است.
در S1112 این رویکرد در قالب یک سیستم کوچکتر ارائه شده؛ مدلی که قرار نیست جایگزین سیستمهای بزرگتر Power11 باشد، بلکه همین قابلیتها را در ابعاد کوچکتر ارائه میکند.
برداشت من
آنچه در Power S1112 اهمیت دارد، صرفاً تعداد Core یا ظرفیت Memory نیست.
موضوع مهمتر این است که IBM دارد سعی میکند:
Core Enterprise Workloads + Virtualization + Security + AI Inference
را در یک معماری واحد به هم نزدیک کند.
و سؤال مهم برای مدیران زیرساخت این است:
آیا می توان برای Enterprise AI بجای خرید کلاسترهای مستقل GPUبا هزینه های گزاف، AI را مستقیماً وارد همان پلتفرمهایی کرد که دادهها و نرمافزارهای سازمان روی آنها قرار دارند؟