Infraestrutura para inteligência artificial
Infraestrutura de GPU para treinar, ajustar e servir modelos dentro da sua instituição, sem enviar dado para fora.
Ambientes para treinar e ajustar modelos próprios sobre dados que não podem sair da instituição, com escala que cresce por nó.
Servir o modelo com latência previsível e custo fixo, sem a conta variável e em dólar que a nuvem cobra por chamada.
Visão computacional em imagem médica e de satélite, modelos aplicados a dado ambiental e clínico, e apoio à descoberta científica.
Uma cena hiperespectral carrega dezenas ou centenas de bandas por pixel, e o modelo precisa manter grandes blocos disponíveis para enxergar contexto. Quando a memória da GPU não comporta o bloco, o trabalho é fatiado, perde contexto nas bordas e fica mais lento e pior ao mesmo tempo. É por isso que memória e largura de banda pesam mais que TFLOPs em boa parte das cargas científicas.
O que costuma rodar