專家介紹：魏可偉

IBM資深技術主管，IBM主機機器學習平臺(Watson Machine Learning for z/OS)全球首席架構師。和所有主機人一樣，腳踏實地也熱愛創新，擁有數據分析與人工智能專利30多項。

從無處不在的刷臉到無處可躲的推薦，從無人駕駛到無接觸配送，人工智能技術正在從各個角度改變我們的生活，一時間似乎“無所不能“。但面臨現實的大考，我們卻發現很多問題，僅靠人工智能卻無力解決。AI的大規模應用，虛擬與現實的無縫對接，看來仍需時日。

人工智能技術在過去幾十年里經歷了多次高潮與低谷，盡管并不完美，但各大科技公司、數代科學家、工程師一直在不斷努力，攻堅重大技術突破，將人工智能的應用推向一個個新的高度。IBM正是其中一員。

北京時間2022年4月6日，IBM發布了新一代主機z16。這一次IBM帶來的是實時的企業級人工智能。歷時數年，IBM z16在人工智能方面修成了四大“獨門武功”，助客戶將AI賦能于其部署在IBM主機上的關鍵業務系統中。有z16助力，企業可以放心將實時預測能力植入企業關鍵業務而不必擔心其造成交易延時或者安全隱患，從而提升決策速度，提供更好的用戶體驗，創造更多的用戶價值。今天，我們就來聊一聊z16這四大“獨門武功”。

小李飛刀：Telum處理器

天下武功，無堅不破，唯快不破

IBM z16采用了7納米技術的Telum處理器。該處理器為AI實時推理加速而設計。Telum處理器配置了8核16線程，頻率達到5.2GHz。每個處理器核都有其獨占的32MB二級緩存，256MB虛擬三級緩存和高達2GB的四級緩存。Telum處理器還配有片內集成(on-chip)的AI推理加速器，可以大幅提升深度學習模型的推理運算的效率。有了AI推理加速器的加持，客戶可以放心將AI能力植入其運行在IBM 主機上的核心交易系統，享有IBM 主機獨一無二的高性能，高安全性和高可用性，也不必擔心AI推理對大規模并發交易帶來的響應延遲。

九陽神功：IBM主機機器學習平臺

九陽神功講究融會貫通，練成后天下武學附拾可用，將之發揮至極致。

IBM Watson Machine Learning for z/OS是運行于z/OS 的端到端的機器學習平臺，支持客戶從模型的開發、部署到監控、持續自學習的全方位管理。WMLz采用了IBM研究院研發的深度學習編譯(DLC, Deep Learning Compiler)技術，對深度學習互操作框架ONNX(Open Neural Network Exchange)在IBM Z上推理執行進行優化，充分發揮Telum AI 推理加速器的強大威力。IBM主機學習平臺配合Telum處理可以支持每秒數十萬次的交易吞吐量。除了出色的性能表現，WMLz也為主機上的應用提供了豐富的應用程序接口。CICS、IMS、Liberty等各種傳統主機應用都可以僅用十幾行代碼的改動即將AI推理能力嵌入其中。對于想盡快了解IBM Z對深度學習模型推理支持的客戶，WMLz還提供了免費的社區版本OSCE (Online Scoring Community Edition)。該社區版本基于z/OS Container Extensions(zCX)技術。在zCX之上，客戶可以在1個小時內即完成產品的安裝和配置。

獨孤九劍：新一代智能數據庫Db2

獨孤九劍講究料敵機先、后發先至

正如與IBM z16同時發布的還有IBM主機數據庫Db2的新版本Db2 13 for z/OS——不僅能知道用戶有什么，更能猜到用戶要什么。Db2 13 for z/OS的一大特性是SQL Data Insights(SQL DI)。SQL Data Insights內嵌深度學習模型。這一模型同樣出自IBM Watson研究院。該模型可以幫助用戶從Db2的關系型數據提取語義信息，更好的理解其數據之間的關系，進而發掘出數據的業務價值。例如，在SQL Data Insights的幫助下，客戶可以從一些欺詐交易找到更多與其相似的交易進行審查，或者從已知的欺詐交易中發現欺詐的“模式” 來改進欺詐交易的偵測，包括利用這些“模式”對新發生的交易是否為欺詐交易進行預測。與其他AI解決方案不同，這些功能都可以通過數據工程師和應用開發者所熟悉的SQL來完成而無需專業的數據科學家的介入，從而可以使項目的部署時間從幾個月縮短到幾周甚至幾天。此外，該數據庫特性也針對Telum處理器做了優化。配合Telum處理器，Db2能夠更快的將數據變成信息，轉化為業務價值。

北斗七星陣：開放的生態系統

不僅僅是單打獨斗，更有北斗七星陣中各人兼具數人能力，威不可擋

新一代IBM 主機更加開放。能夠利用Telum強大處理能力的不僅僅是IBM軟件，客戶和第三方同樣可以利用隨z/OS發布的深度神經網絡庫zDNN加速自己的深度學習模型。IBM也積極和開源社區展開合作，很多常用的機器學習框架也增加了對Telum的優化支持，例如TensorFlow和Snap ML。客戶可以在zCX、Linux on Z或者Linux One上使用這些從社區獲取的軟件構建自己的解決方案。

光說不練假把式，無“應用”不AI

以每時每刻都在發生的信用卡交易為例：金融機構由于擔心交易延遲和數據安全性，影響其收入和消費體驗，一直以來，并不可能大規模實時運行深度學習模型，只在不到10%的大批量交易中運行欺詐檢測模型，也就是說還有大量的欺詐沒被檢測到。

利用Db2 13 for z/OS的SQL Data Insights，客戶可以通過對欺詐交易的模式進行分析。進而更有效率在主機生態系統上利用機器學習框架構建深度學習模型，并將深度學習模型部署到集成在主機應用中的WMLz中。最后，IBM z16的Telum 處理器讓這些金融機構有史以來第一次可以進行大規模的實時欺詐監測。IBM z16 以1毫秒的延遲每天可以處理 3000 億個深度學習模型的推理請求。 對消費者而言，這意味著可以減少處理信用卡欺詐交易所耗費的時間與精力;對金融機構而言，則意味著可以減少收入損失和更好的客戶體驗。

IBM z16不僅僅在反欺詐領域可以大展身手，更為客戶創造新的業務模式提供了可能。北美某銀行客戶利用主機機器學習平臺自動處理貸款申請，在降低貸款風險的同時將貸款申請處理時間從幾小時降低到幾分鐘。歐洲某政府部門利用IBM主機在衛星圖片中及時發現房屋結構變更，保證信息和稅收的實時性，提升政府工作效率。

如果把現實世界比作“江湖”，那各路“武功”的最高目的，莫不是為了國泰民安。無論是解決肉眼可見的現實困難，還是在幕后默默的保護我們周全，機器能夠如人所愿、為人所用的那一天，我們期待能夠盡早到來。

如有興趣，IBM還有強大的實驗室專家服務團隊幫你實現你的AI藍圖，實時洞見未來。

原文標題：面臨大考，真正規模化的實時 AI 出現了嗎?

文章出處：【微信公眾號：IBM中國】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅