AI人工智能應(yīng)用程序可以幫助企業(yè)組織機(jī)構(gòu)解析不斷呈指數(shù)級(jí)增長(zhǎng)的龐大數(shù)據(jù)量，但原有的標(biāo)準(zhǔn)化CPU已然無(wú)法充分執(zhí)行許多AI解析任務(wù)了?；诖?，當(dāng)企業(yè)數(shù)據(jù)中心在接近或達(dá)到服務(wù)器性能的瓶頸局限時(shí)，究竟應(yīng)該采取哪些有效的應(yīng)對(duì)措施呢?

 

在本文中，我們將幫助企業(yè)數(shù)據(jù)中心準(zhǔn)備并應(yīng)對(duì)由AI應(yīng)用程序?yàn)槠髽I(yè)本地部署環(huán)境和云基礎(chǔ)架構(gòu)所帶來(lái)的限制。同時(shí)，我們還采訪了數(shù)據(jù)中心業(yè)界的同行們，邀請(qǐng)他們提供了相關(guān)的指導(dǎo)性建議，其中包括著重強(qiáng)調(diào)了企業(yè)數(shù)據(jù)中心與服務(wù)器供應(yīng)商密切合作的重要性，這些服務(wù)器供應(yīng)商可以為您的企業(yè)從早期階段盡快過(guò)渡到穩(wěn)步的高級(jí)生產(chǎn)階段，進(jìn)而充分利用AI功能提供相應(yīng)的指導(dǎo)。

 

當(dāng)前的企業(yè)組織機(jī)構(gòu)正在積極努力的應(yīng)對(duì)眾多的變數(shù)，以確定他們對(duì)使用由深度學(xué)習(xí)時(shí)帶來(lái)的能夠提供新的洞察見(jiàn)解的人工智能(AI)應(yīng)用程序到底應(yīng)該采取怎樣的立場(chǎng)。而這一領(lǐng)域在當(dāng)下可以說(shuō)是充滿了無(wú)限的商機(jī)，不采取積極的行動(dòng)可能會(huì)演變成商業(yè)災(zāi)難，因?yàn)槠髽I(yè)的競(jìng)爭(zhēng)對(duì)手們正在收集并分析處理海量以前無(wú)法獲得的數(shù)據(jù)信息，來(lái)擴(kuò)大其客戶群。大多數(shù)企業(yè)組織都已然意識(shí)到了這一嚴(yán)峻的挑戰(zhàn)，故而他們的業(yè)務(wù)部門、IT員工、數(shù)據(jù)科學(xué)家和開(kāi)發(fā)人員們都在共同努力，以確定企業(yè)的人工智能戰(zhàn)略。

 

在某種程度上，采用AI戰(zhàn)略的企業(yè)將逐步體驗(yàn)到在利用AI應(yīng)用程序方面更為先進(jìn)的領(lǐng)軍企業(yè)們過(guò)往的經(jīng)歷：他們的服務(wù)器性能將遭遇到瓶頸局限問(wèn)題。人工智能應(yīng)用程序，特別是深度學(xué)習(xí)系統(tǒng)可以對(duì)當(dāng)下呈指數(shù)級(jí)不斷增長(zhǎng)的海量數(shù)據(jù)信息進(jìn)行分析，但這些系統(tǒng)要求非常高，并且需要具備強(qiáng)大的并行處理能力，故而越來(lái)越多的標(biāo)準(zhǔn)化CPU已然無(wú)法充分執(zhí)行這些AI任務(wù)了。早期階段和高級(jí)階段的AI用戶在某些時(shí)候?qū)⒉坏貌粡氐赘脑炱浞?wù)器基礎(chǔ)設(shè)施以實(shí)現(xiàn)所需的相關(guān)性能。

 

因此，IDC建議正在開(kāi)發(fā)AI功能或擴(kuò)展現(xiàn)有AI功能的企業(yè)組織機(jī)構(gòu)應(yīng)以嚴(yán)格控制的方式解決這一服務(wù)器性能瓶頸問(wèn)題。務(wù)必要在充分掌握相關(guān)細(xì)節(jié)的前提下實(shí)施下一步的基礎(chǔ)設(shè)施遷移。此外，我們建議他們務(wù)必要與其服務(wù)器供應(yīng)商密切合作，這些服務(wù)器供應(yīng)商可以為企業(yè)客戶從早期階段盡快過(guò)渡到穩(wěn)步的高級(jí)生產(chǎn)階段，進(jìn)而充分利用AI功能提供相應(yīng)的指導(dǎo)。

 

IDC發(fā)現(xiàn)，大多數(shù)處于概念驗(yàn)證(POC)測(cè)試或生產(chǎn)模式的人工智能和深度學(xué)習(xí)應(yīng)用程序的企業(yè)在某種程度上已經(jīng)達(dá)到了 “服務(wù)器基礎(chǔ)設(shè)施瓶頸限制”的水平——有時(shí)在這些企業(yè)遷移到不同的服務(wù)器基礎(chǔ)設(shè)施后，會(huì)不止一次的出現(xiàn)基礎(chǔ)設(shè)施瓶頸局限性的問(wèn)題。

 

IDC采訪了相關(guān)的企業(yè)組織當(dāng)他們?cè)谄洮F(xiàn)有的企業(yè)內(nèi)部部署服務(wù)器基礎(chǔ)架構(gòu)上開(kāi)始運(yùn)行AI應(yīng)用程序時(shí)所經(jīng)歷的情況。77.1%的受訪者表示他們?cè)趦?nèi)部服務(wù)器部署基礎(chǔ)設(shè)施上運(yùn)行AI遇到了一個(gè)或多個(gè)限制。在采用了認(rèn)知軟件的云用戶中，90.3%的企業(yè)遇到了這種限制。正是由于這些基礎(chǔ)設(shè)施的瓶頸局限問(wèn)題的出現(xiàn)，很多企業(yè)很快經(jīng)歷了代際轉(zhuǎn)變。盡管人工智能應(yīng)用程序和深度學(xué)習(xí)的興起僅僅只有幾年時(shí)間，但I(xiàn)DC發(fā)現(xiàn)，已有22.8%的企業(yè)在采用第三代服務(wù)器基礎(chǔ)設(shè)施來(lái)運(yùn)行其人工智能應(yīng)用程序了，而37.6%的企業(yè)在使用第二代服務(wù)器基礎(chǔ)設(shè)施，39.6%的企業(yè)則在使用第一代的服務(wù)器基礎(chǔ)設(shè)施。上述這些調(diào)查百分比表明了當(dāng)下的企業(yè)客戶正在尋找合適的基礎(chǔ)設(shè)施。

 

轉(zhuǎn)向具有更高處理器性能(通常所采取的最常見(jiàn)的措施)、更大的I / O帶寬和加速器的系統(tǒng)是一個(gè)合理的決定。但是這些數(shù)據(jù)也表明了理想配置所存在的不確定性。一些企業(yè)已經(jīng)嘗試了橫向規(guī)模化擴(kuò)展，并縱向擴(kuò)展;而另外一些企業(yè)則采取了相反的方案。其他某些遷移從虛擬機(jī)開(kāi)始，然后轉(zhuǎn)移到專用服務(wù)器，而其他一些同行卻與此相反。

 

這些矛盾的舉措其實(shí)并不像其看起來(lái)那么奇怪。當(dāng)前的企業(yè)組織不僅在AI軟件上進(jìn)行試驗(yàn)，而且同時(shí)也在基礎(chǔ)設(shè)施上進(jìn)行試運(yùn)行。一些企業(yè)已經(jīng)開(kāi)始采用橫向的規(guī)?；瘮U(kuò)展配置，并且隨著解決方案的日趨成熟，他們決定需要更高的性能，而這些性能能夠在數(shù)據(jù)中心的現(xiàn)有擴(kuò)展系統(tǒng)中獲得。其他一些企業(yè)則在擴(kuò)展系統(tǒng)的一個(gè)分區(qū)上啟動(dòng)了POC，并在解決方案進(jìn)入下一階段時(shí)決定將其轉(zhuǎn)移到一個(gè)單插槽或雙插槽的服務(wù)器集群。同樣的，一款解決方案可能已經(jīng)在虛擬機(jī)中開(kāi)發(fā)出來(lái)，然后被遷移到專用的服務(wù)器上，以便在有些絕緣隔熱的的環(huán)境中進(jìn)一步開(kāi)發(fā)(很多企業(yè)更傾向于在早期階段如此進(jìn)行)。

 

IDC認(rèn)為，對(duì)于早期的實(shí)驗(yàn)和開(kāi)發(fā)而言，所有這些遷移的舉措都是有道理的。利用現(xiàn)有的環(huán)境意味著延遲投資于新的服務(wù)器基礎(chǔ)設(shè)施，直到企業(yè)明確了什么是最為恰當(dāng)?shù)呐渲脼橹埂５?，一旦?yīng)用程序接近運(yùn)行并準(zhǔn)備投入生產(chǎn)，就需要及時(shí)的做出合理的基礎(chǔ)架構(gòu)方面的決策了，以避免觸及基礎(chǔ)設(shè)施的瓶頸。

 

許多已經(jīng)運(yùn)行了AI應(yīng)用程序的企業(yè)用戶們反饋：認(rèn)知應(yīng)用程序的理想基礎(chǔ)架構(gòu)配置是一組具有加速器的單路或雙路服務(wù)器，不過(guò)企業(yè)也還可以根據(jù)實(shí)際業(yè)務(wù)需要在稍后階段添加加速器。企業(yè)數(shù)據(jù)中心與服務(wù)器供應(yīng)商密切合作，可以幫助企業(yè)從早期階段盡快過(guò)渡到穩(wěn)步的高級(jí)生產(chǎn)階段，進(jìn)而充分利用AI功能提供相應(yīng)的指導(dǎo)。