Nutanix anunció el lanzamiento de Nutanix Enterprise AI (NAI), una nueva solución que facilita la implementación y gestión de aplicaciones de inteligencia artificial generativa (IA generativa) tanto en entornos locales como en la nube pública.
NAI ofrece un enfoque unificado para ejecutar modelos de lenguaje grandes (LLM) en diversas plataformas, incluyendo Kubernetes, edge y servicios en la nube como AWS, Azure y Google Cloud. Al aprovechar la tecnología NVIDIA NIM, Nutanix Enterprise AI permite a las organizaciones acelerar el desarrollo y despliegue de aplicaciones de IA generativa, a la vez que garantiza la seguridad y el cumplimiento de los requisitos de privacidad de los datos.
Nutanix Enterprise AI es un componente de Nutanix GPT-in-a-Box 2.0. GPT-in-a-Box también incluye Nutanix Cloud Infrastructure, Nutanix Kubernetes Platform y Nutanix Unified Storage junto con servicios para respaldar la configuración del cliente y las necesidades de dimensionamiento para capacitación e inferencia en las instalaciones. Para los clientes que buscan implementar en la nube pública, Nutanix Enterprise AI se puede implementar en cualquier entorno de Kubernetes, pero es operativamente consistente con las implementaciones locales.
"Nutanix Enterprise AI empodera a las organizaciones para aprovechar al máximo el potencial de la IA generativa, Al ofrecer una solución flexible y escalable, ayudamos a nuestros clientes a superar los desafíos asociados con la implementación de IA y a obtener un valor real de sus inversiones", afirmó Thomas Cornely, vicepresidente senior de gestión de productos de Nutanix.
Por su parte, Justin Boitano, vicepresidente de IA empresarial de NVIDIA dijo que "la integración de NVIDIA NIM en Nutanix Enterprise AI proporciona un modelo multinube consistente con API seguras, lo que permite a los clientes implementar IA en diversos entornos con el alto rendimiento y la seguridad necesarios para las aplicaciones críticas para el negocio".
Con Nutanix Enterprise AI, las empresas pueden:
- Acelerar la innovación: Implementar rápidamente modelos de IA generativa en cualquier entorno.
- Optimizar costos: Beneficiarse de un modelo de precios transparente y basado en el consumo.
- Mejorar la seguridad: Proteger los datos sensibles y cumplir con las regulaciones.
- Simplificar la gestión: Unificar la gestión de la infraestructura de IA en entornos híbridos y multicloud.