在本文中，我们将帮助您的企业数据中心准备和处理AI应用程序对企业本地环境和云基础设施施加的限制。同时，我们也采访了数据中心行业的同仁，请他们提供相关的指导和建议，包括强调企业数据中心和服务器供应商紧密合作的重要性，谁能尽快为您的企业提供Move从早期阶段到稳定的高级生产阶段，利用AI功能提供指导。展望未来，IDC预计人工智能应用程序不仅将作为独特的解决方案得到快速采用，而且还将开始用于所有其他工作负载。从长远来看，每个工作负载都将有一个可以不可分割地集成到应用程序中的AI组件。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训练和再训练。因此，我们预计数据和算法的显着增加将需要相应的基础设施能力来确保及时（通常是实时或近实时）的高效运行。与此相关的是，我们正在接近同构数据中心的终结，因为除了经典的x86服务器之外，所有类型的处理器都在缩小AI应用程序所表现出的性能差距。这些其他处理器可以是不同的CPU或加速器或两者的组合。Challenges/Opportunities1.Challenges企业处于混乱状态：一些企业对他们使用的AI用例有什么商业利益；内化人工智能能力需要哪些技能；什么应用程序、服务器基础设施以及部署什么模型和什么加速技术来克服当前服务器基础设施的局限性是不确定的。2.有效且高效的AI计算机会：IDC认为，在这种混乱的环境中，将会出现有效且高效的AI计算模型——那些与企业客户密切合作进行实验、规模化，并最终带来AI的供应商将能力融入企业客户的整个业务将从硬件、软件和部署的角度开发和定义正确的AI模型，并将它们推向市场。这些供应商将成为未来AI计算领域的领导者。企业客户应该寻找AI计算领域的这些新兴领导者。结论IDC观察到，对于开始使用AI和深度学习的企业客户来说，在现有硬件上反复试验是很常见的。随着企业进一步研究和试验服务器基础设施上的深度学习算法和AI应用程序以运行新的工作负载，这应该受到鼓励，并且服务器供应商帮助他们或企业客户处理相关的复杂阶段将是有益的。但与此同时，企业客户的基础架构团队需要为下一阶段将开发的人工智能应用程序投入企业生产做好准备。人工智能和深度学习对服务器基础设施的要求非常高，将受益于特定的配置、CPU特性、I/O能力、加速器以及CPU和加速器之间的互连。对于许多AI项目计划，无论大小，他们都将从各种来源的支持中受益。然而，最有效的支持将由服务器供应商提供，他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数据中心集成的高集成阶段，反过来，AI解决方案可以大规模实施。
