Atos brachte seine „ThinkAI”-Komplettlösung auf den Markt. Hierbei handele es sich um ein sicheres und skalierbares Angebot, mit dem Unternehmen hochleistungsfähige KI-Anwendungen entwerfen, entwickeln und bereitstellen können. ThinkAI richte sich sowohl an Unternehmen, die klassisches High-Performance Computing nutzen und dank KI-Anwendungen genauere und schnellere Simulationen durchführen möchten, als auch an Entwickelnde von KI-Anwendungen, die mehr Rechenleistung benötigen, so Atos.
Leistungsstarke KI-Anwendungen ergänzen die traditionelle HPC-Simulation und sind im Einsatz, um umfangreiche und komplexe Datensätze zu verarbeiten und zu analysieren. Im Vergleich zu herkömmlichen HPC-Simulationen ermöglicht die KI-gestützte Simulation den Forschenden eine schnelle und gründliche Problemlösung mit hoher Genauigkeit sowie verbesserter Kosteneffizienz und TCO (Total Cost of Ownership).
KI-Anwendungen, wie sie beispielsweise in der Medikamentenentwicklung, in Smart Cities oder beim autonomen Fahren zum Einsatz kommen, entwickelt man bereits heute. Allerdings gibt es nach wie vor Barrieren wie die Datenqualität, die Sicherheit und die Skalierbarkeit. Um diese zu überwinden, ist laut Atos eine kompetente Beratung unerlässlich, die es Anwendenden ermöglicht, erfolgreich eine KI-Roadmap zu definieren, skalierbare KI-Anwendungen aufzubauen und diese zu industrialisieren. ThinkAI stelle eine umfassende HPC-KI-Lösung dar, die ein komplettes Angebot von der Beratung über Hardware- und Softwarelösungen bis hin zur Orchestrierung und endgültigen Integration vereint. Sie liefere schnelle Ergebnisse und Einblicke in Daten bei gleichzeitig optimierten Kosten.
Das Framework der ThinkAI-Lösung beschreibt Atos mit „Advise”, „Architect” und „Accomplish“. Dies schließe zum einen die Beratung im jeweiligen Industriekontext, unterstützt durch die Fachleute des Atos Center of Excellence in Advanced Computing, mit ein. Außerdem sei erstklassige KI-Hardware und -Software im Einsatz. Zudem beschleunige eine End-to-End-Lösungsorchestrierung die Zeit bis zur KI-Operationalisierung beziehungsweise -Industrialisierung bei optimierten Kosten.