如何為成功的企業(yè)AI構(gòu)建基礎(chǔ)架構(gòu)

近年來(lái)，由于人工智能(AI)具有自動(dòng)執(zhí)行重復(fù)流程，提供新的戰(zhàn)略見(jiàn)解并加速發(fā)展的能力，因此它已成為競(jìng)爭(zhēng)激烈的市場(chǎng)中企業(yè)的游戲規(guī)則改變者，例如機(jī)器人，金融服務(wù)，自動(dòng)駕駛汽車等。革新。麥肯錫的研究表明，由于將AI集成到業(yè)務(wù)流程中，因此63%的企業(yè)增加了收入。而且，隨著社會(huì)繼續(xù)向數(shù)字化轉(zhuǎn)變，采用AI只會(huì)對(duì)跨行業(yè)和跨地區(qū)的企業(yè)變得越來(lái)越重要。

但是，即使隨著AI采用率的增長(zhǎng)，構(gòu)建大規(guī)模支持AI所需的基礎(chǔ)架構(gòu)也日益成為挑戰(zhàn)。實(shí)際上，有40%的企業(yè)認(rèn)為缺乏IT基礎(chǔ)架構(gòu)是實(shí)現(xiàn)AI的主要障礙，而45%的企業(yè)則認(rèn)為的企業(yè)表示，當(dāng)前的基礎(chǔ)架構(gòu)無(wú)法滿足AI工作負(fù)載的未來(lái)需求。

諸如機(jī)器學(xué)習(xí)之類的傳統(tǒng)AI方法不一定需要大量數(shù)據(jù)。但是隨著深度學(xué)習(xí)和IoT / 5G的出現(xiàn)，從工廠，智慧城市，無(wú)人駕駛汽車，邊緣設(shè)備等生成的數(shù)據(jù)量越來(lái)越大。設(shè)計(jì)能夠利用該數(shù)據(jù)進(jìn)行AI的基礎(chǔ)架構(gòu)非常復(fù)雜。但是從一開(kāi)始就把它弄好是很重要的，因?yàn)楸仨氈匦略O(shè)計(jì)或移動(dòng)AI部署會(huì)涉及大量成本(時(shí)間，金錢和資源)。

讓我們看一下企業(yè)實(shí)現(xiàn)大規(guī)模AI的理想基礎(chǔ)架構(gòu)是什么樣的。

人工智能工作負(fù)載的理想基礎(chǔ)架構(gòu)

為了利用不斷增長(zhǎng)的AI數(shù)據(jù)量，企業(yè)需要兩項(xiàng)基本功能：訪問(wèn)數(shù)據(jù)的能力，以及近實(shí)時(shí)快速計(jì)算和處理大量數(shù)據(jù)的能力。

在訪問(wèn)數(shù)據(jù)方面，企業(yè)需要高度的連接性，以將數(shù)據(jù)從邊緣引入數(shù)據(jù)中心以分析和構(gòu)建模型，并將模型和數(shù)據(jù)發(fā)送回邊緣以優(yōu)化推理。這需要靠近節(jié)點(diǎn)以從現(xiàn)場(chǎng)，辦公室和制造設(shè)施的設(shè)備中取回?cái)?shù)據(jù)。某些AI工作負(fù)載和用例將針對(duì)云進(jìn)行優(yōu)化，并且需要以安全，高效的方式管理直接云訪問(wèn)。地理可擴(kuò)展性也很重要，它使企業(yè)能夠支持不同位置的AI工作負(fù)載并減少延遲以實(shí)現(xiàn)更快的交付。

一旦數(shù)據(jù)進(jìn)入數(shù)據(jù)中心，企業(yè)就需要高密度的支持來(lái)進(jìn)行訓(xùn)練模型的計(jì)算。如今，大多數(shù)企業(yè)數(shù)據(jù)中心無(wú)法管理足夠高的密度來(lái)支持計(jì)算，而隨著密度的增加和數(shù)據(jù)創(chuàng)建的增加，密度將繼續(xù)加速，這將仍然是一個(gè)挑戰(zhàn)。也許同樣重要，基礎(chǔ)架構(gòu)需要高度可擴(kuò)展?？蓴U(kuò)展性是AI計(jì)劃成功的關(guān)鍵因素，因?yàn)榇笠?guī)模運(yùn)行硬件(GPU)的能力可帶來(lái)可提供寶貴見(jiàn)解的大規(guī)模計(jì)算的效果。

AI基礎(chǔ)架構(gòu)部署的選項(xiàng)

基于圍繞連接性，功率密度和可伸縮性的這些要求，有一些部署選項(xiàng)，包括本地解決方案，公共云或托管。