2018年10月，IBM宣布計劃將全新RAPIDS? 開源軟件納入到其企業級數據科學平臺中，涵蓋本地預置、混合云和多云環境。憑借其龐大的深度學習與機器學習解決方案組合，IBM能為偏好不同部署模型的數據科學家提供這一開源技術。

IBM認知系統方案高級副總裁Bob Picciano表示：“IBM長期與NVIDIA合作，利用IBM POWER9處理器，結合NVIDIA GPU等技術，實現顯著的性能提升。我們將RAPIDS納入IBM產品組合的同時，也期待能夠繼續積極地幫助客戶突破人工智能的性能界限。”

借助Apache Arrow、Pandas和Scikit-Learn等開源機器學習軟件的優勢，RAPIDS將GPU的加速能力融入IBM產品中。包括Anaconda、BlazingDB、Graphistry、NERSC、PyData、INRIA和Ursa Labs在內的主要開源貢獻者，都在RAPIDS推出后立即給予了其廣泛的生態系統支持。

IBM計劃將RAPIDS引入本地預置、公有云、混合云與多云環境等主要領域，同時基于IBM POWER9的PowerAI將借助RAPIDS為數據科學家擴展更多開源機器學習與分析庫的可用選項。事實證明，NVIDIA與IBM圍繞POWER9處理器所做的專項工程，包括將NVIDIA NVLink? 和NVIDIA Tesla? TensorCore GPU進行集成所做的努力，直接有利于加速工作負載。作為IBM的軟件層，如今PowerAI可以優化運行在異構計算系統上的數據科學與AI工作負載，同時借助RAPIDS持續提升POWER9上經GPU加速后的工作負載的性能。

IBM Watson Studio與Watson機器學習（Watson Machine Learning）利用NVIDIA GPU的強大功能，使數據科學家和AI開發人員能夠透過IBM Cloud Private for Data 和IBM Cloud，在多云環境中構建、部署和運行速度更快的模型，遠超僅采用CPU的部署方式。

IBM Cloud能夠幫助采用GPU設備的用戶，將RAPIDS中的加速機器學習與分析庫應用于其云端應用，從而受益于機器學習。

NVIDIA副總裁、加速計算部總經理Ian Buck表示：“IBM與NVIDIA多年來密切合作，已經幫助全球領先的企業和機構解決了諸多如今世界上最大的難題。隨著IBM對NVIDIA RAPIDS開源庫的使用，數據科學家將借助GPU加速機器學習能力，以前所未有的速度更快地分析大數據。”

機器學習是AI的一種形式，可以讓系統透過數據而非專用程序進行學習。零售、金融和電信等領域的眾多企業要么正在主動使用機器學習，要么正在探索機器學習，都試圖利用大數據更好地了解消費者的行為、偏好或客戶滿意度中微妙的變化，從而為企業帶來潛在的價值。

今年早些時候，IBM以超出之前紀錄保持者46倍的速度，在兆級機器學習基準上締造了新的紀錄。IBM研究人員利用IBM Research開發的IBM Snap Machine Learning（Snap ML）機器學習算法，在搭載NVIDIA Tesla V100 Tensor Core GPU的IBM Power Systems AC922服務器上運行，僅花費91.5秒就基于由Criteo Labs發布的超40億個在線廣告數據案例，完成了對邏輯回歸分類器的訓練。