Red Hat stellt Enterprise Linux AI (RHEL AI) auf den ThinkSystem-Servern von Lenovo bereit. Im Rahmen der Zusammenarbeit wird RHEL AI für die Unterstützung der Server SR675 V3 validiert und werksseitig vorinstalliert, um Unternehmen die Entwicklung, das Testen und die Ausführung von KI- und GenAI-Modellen zu erleichtern. Sie erhalten eine vertrauenswürdige Plattform für Basismodelle, die auf einem für KI optimierten Betriebssystem aufbaut.
GenAI bietet Unternehmen enorme Chancen, ihr Innovationstempo zu erhöhen. Allerdings erfordern KI-Workloads eine Kombination aus Hochleistungsservern und flexibler Software, die die rechenintensiven Arbeitslasten unterstützt und sowohl das Training als auch das Fine Tuning der KI-Modelle effizient gestaltet.
Mit der hohen Leistung der integrierten GPUs und den Fähigkeiten von RHEL AI liefern die ThinkSystem-Server SR675 V3 eine optimierte Performance für KI-Arbeitslasten und helfen Unternehmen dabei, KI-Initiativen schnell und reibungslos in den Produktivbetrieb zu überführen.
RHEL AI ist eine Plattform für Basismodelle, die die unter Open-Source-Lizenz stehenden Large Language Models (LLMs) der Granite-Familie von IBM Research mit InstructLab, einem Tool für die Anpassung von LLMs, vereint. Sie bietet Unternehmen einen Community-getriebenen Ansatz für die Entwicklung von KI-Modellen.
Die Lösung ist als optimiertes, bootfähiges Image von Red Hat Enterprise Linux paketiert und stellt die Portierbarkeit der Workloads in hybriden Cloud-Umgebungen sicher. Als Teil von Red Hat OpenShift AI, der Hybrid-Cloud-Plattform für Machine Learning Operations (MLOps) von Red Hat, ermöglicht sie die Ausführung von Modellen und InstructLab in großen, verteilten Cluster-Umgebungen.
Mit den Lenovo Consulting Services steht umfassender Support bei der Implementierung und Optimierung der Lösungen von Red Hat bereit. Die Services unterstützen mit Expertise rund um die Bereitstellung, Integration und das Management und helfen Unternehmen, die Leistung und Skalierbarkeit ihrer IT-Infrastruktur zu verbessern und die Komplexität sowie Kosten zu reduzieren.