助推边缘到云的数字化转型
各行各业的组织都在设法利用人工智能 (AI) 和机器学习 (ML) 来发挥数据的威力并提供业务价值。即便许多企业在试行机器学习项目时取得了一定的成功，但在试图将这些项目扩展到生产环节时仍然面临不少难题，其中包括缺乏数据控制、数据输出成本居高不下、安全问题让人忧心、人工智能存在道德隐患、缺乏专业知识和部署灵活性、数据和工作流程宛如一个个孤岛、边缘部署难度大，成本更是令人望而生畏。
为了帮助您挖掘锁定在数据中的连续价值流，HPE GreenLake 提供了可信的企业级人工智能/机器学习和云一般的分析体验，让您可以加快落实从边缘到云的数据更新改造计划。HPE GreenLake 凭借云原生架构、对开源数据科学工具的支持，以及人工智能加速器和框架，为本地、边缘和公有云中的数据和应用程序提供了选择，并提供了灵活、统一的分析平台。一致的体验有助于数据、IT 团队、开发人员和分析人员将机器学习生命周期和大规模数据管理化繁为简，不论数据在何处，都能够更快速地做出更明智的决策。
统一和共享分析
凭借采用业界首创的现代化统一 Kubernetes 原生
实施和自动化机器学习
利用云一般体验的敏捷性加快开发，规范和实施从规划乃至模型开发、培训、部署和监控的整个机器学习生命周期。由于能够在数分钟内配置测试和开发环境，您可以在创新时做到有的放矢、高效快捷，从而快速处理不断变化的数据。
扩展和更新改造人工智能基础设施
在 GPU 和高性能群集上部署聚合的高性能计算 (HPC)/人工智能工作负载，成本可以预测并且透明。您可以使用下一代体系结构随需快速扩展，同时还可通过持续监控调整容量大小，甚至可以视需要在现场快速扩容。
利用人工智能和数据专业知识扩展您的资源
HPE 人工智能/机器学习、分析、HPC、云、边缘/物联网服务等领域的专家具备广博而深厚的知识，能够帮助您的开发人员和数据科学家为成功部署人工智能解决方案做足准备。有了各方面的支持，IT 运营团队的知识差距可以得到弥合，因而能够助力人工智能解决方案在整个企业范围内的实施。HPE 因帮助全球数百名客户加速他们的数据优先现代化之旅，被 IDC 评选为 人工智能 IT 基础设施服务市场态势象限的领导者。
产品和服务
HPE GreenLake 数据架构服务
利用以完全托管服务形式提供的边缘到云逻辑数据存储区，由其释放全局统一数据的潜力，发挥任意位置全部数据的潜力。大多数企业会将不同种类的数据存储在多个平台中，例如，本地数据中心、多个云以及边缘。每一种环境都会变成独立的孤岛，导致企业对数据的访问以及对数据所含洞见的提取都受到限制。如此也意味着，实现分析现代化的进度会放缓，同样，也无法及时获取洞见以推进创新、推动业务发展。融合了最佳边缘到云体验和统一混合数据的单一解决方案可让您加速推进业务创新。这款完全托管的解决方案能够提供可从边缘到云管理、保护及部署的高性能数据处理方法，以此为基础来降低分析方案的成本。
统一分析
HPE Ezmeral Unified Analytics 在架构上优化并利用了业界率先推出的云原生解决方案，助您纵向扩展 Apache Spark 湖仓一体并加快人工智能和机器学习工作流。这个数据平台提供了从边缘到混合云的一致环境，可以避免孤岛，使数据工程更加轻松。
ML OPS
HPE GreenLake ML Ops 端对端数据科学平台将 DevOps 的敏捷性融入机器学习生命周期，可加快数据科学工作流程并使数据科学家能够缩短机器学习项目的价值实现时间。此服务由 HPE Ezmeral ML Ops 提供技术支持。
HPC
HPE GreenLake HPC 解决方案是一款像公有云一样、基于消费的解决方案，由 HPE 为您全权托管和运营。不过，您可以从极其成熟的市场领先 HPC 系统中进行选择，这些系统由 HPE 和合作伙伴为您的人工智能建模、训练和模拟工作负载进行了预集成和优化。通过内置的运营支持，您可以获得适当级别的专业知识，提高投资回报率。
人工智能和分析解决方案
HPE 携手我们的联盟和独立软件提供商合作伙伴提供行业特定的人工智能解决方案、工具和服务，这些都可通过 HPE GreenLake 进行部署。作为公认的全球领导者，HPE 可帮助您快速设计和部署人工智能和分析解决方案，例如 HPE GreenLake Epic 解决方案、HPE GreenLake Splunk 解决方案，或适用于银行、制造业或医疗保健行业的人工智能解决方案。
适用于人工智能和分析的存储服务
在 HPE GreenLake 存储解决方案（主打 Scality 和 Qumulo）的帮助下，满足日益增长的非结构化数据对人工智能的需求。借助即时控制功能和快速执行可行分析的能力，扩展和管理数以十亿计的文件。文件系统的内置功能（例如深入而广泛的数据分析）有助于您以前所未有的方式了解自己的数据。