打破在服务器基础设施上运行AI的瓶颈局限（三）

在本文中，我们将帮助您企业数据中心准备并应对由AI应用程序为企业本地部署环境和云基础架构所带来的限制。同时，我们还采访了数据中心业界的同行们，邀请他们提供了相关的指导性建议，其中包括着重强调了企业数据中心与服务器供应商密切合作的重要性，这些服务器供应商可以为您的企业从早期阶段尽快过渡到稳步的高级生产阶段，进而充分利用AI功能提供相应的指导。

展望未来

IDC预计，人工智能应用不仅可以作为独特的解决方案获得快速的普及，还可以开始用于处理所有其他工作负载。从长远来看，每项工作负载都会有一个AI组件，可以不可分割地集成到应用程序中。这意味着越来越多的应用程序需要使用深度学习技术进行培训和再培训。因此，我们预计数据和算法的显著增加将需要相应的基础设施功能以确保及时(通常是实时或接近实时)有效的运行。

与此相关的是，我们正在接近同质数据中心的末端，因为除经典的x86服务器之外，各种类型的处理器正在弥合AI应用程序所显示的性能差距。这些其他处理器可以是不同的CPU或加速器或两者的组合。

挑战/机遇

1、挑战

企业陷入混乱：部分的企业对于使用怎样的AI使用案例能够给他们带来什么商业利益;需要采用哪些技能来将AI功能内部化;应该开发哪些应用程序、服务器基础架构和部署怎样的模型以及什么加速技术以克服当前服务器基础架构的局限性尚不确定。

2、机会

有效和高效的AI计算：IDC认为，在这种混乱的环境之外，将兴起一种可用于有效和高效的AI计算的模型——那些与企业客户密切合作以实验，扩展并最终将AI功能带入企业客户的整个业务的供应商们将从硬件、软件和部署角度开发定义出正确的AI模型，并将它们推向市场。这些供应商将成为明天在AI计算领域的领军。企业客户应该着眼于识别这些AI计算领域的新兴领军。

结论

IDC观察到，对于开始接触人工智能和深度学习的企业客户而言，在现有硬件上所进行的试验和发生错误的周期非常普遍。随着企业借助服务器基础设施进一步的对深度学习算法和人工智能应用程序进行调查、并尝试使用以运行其新的工作负载，这是应该受到鼓励的，同时也会有利于服务器供应商们帮助他们的企业客户处理好相关复杂的阶段。然而，与此同时，企业客户的基础设施团队需要为下一阶段做准备，以便让开发的AI应用程序投入企业的生产。

人工智能和深度学习对服务器基础设施的要求非常高，并将受益于特定配置、CPU特性、I / O功能、加速器以及CPU和加速器之间的互连。对于许多人工智能项目计划而言，无论其是小型还是大型企业，他们都将从获得支持中受益，这些支持可以从各方获得。然而，最有效的支持方式将是由服务器供应商所提供的，这些服务器供应商们将能够提供完整的AI硬件/软件堆栈，帮助企业客户从最初的实验阶段到高度的数据中心集成整合阶段，进而可规模化扩展的实施AI解决方案。

本文转载自网络，原文链接：https://mp.weixin.qq.com/s/1WFquUVpoaTpRFCQ7pnfgg
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！