在过去的几年里，我被问过好几次关于如何定位人工智能（ai）的问题。由于主要致力于将快速可靠的基础设施作为一项服务提供，因此我们不会直接向客户提供人工智能服务。

尽管如此，我们与许多向最终用户提供人工智能服务的客户合作，这意味着被用作全球许多人工智能解决方案的基础。例如，我们的客户linkfluence使用人工智能分析大量社会数据，为领先品牌和机构提供洞察。我们部署了高性能专用服务器，以经济高效地应对处理器密集型工作负载。

因此，需要非常清楚公司如何使用人工智能，以及它们在基础设施方面的具体要求。

人工智能的扩散

企业和it高管已经在人工智能相关技术方面进行了大量投资。人工智能正在改变一切，而且随着它变得越来越普遍，随着它改变整个行业，组织将被迫在宏观层面上处理它，而在微观层面上处理它，因为它影响到他们队伍中的商业战略。随着如此迅速的变化，人工智能的一些关键方面值得关注，因为它变得越来越普遍，组织面临着一个新的流程和需求世界。

布金和泽布罗克警告说，现在仍然是人工智能的早期。他们估计大约35%的公司正在实施或试验人工智能。不过，对市场的影响已经显现。在这个细分市场中，颠覆性和更高效的商业模式可能已经“压低了行业利润率”。与此同时，这些早期的人工智能采用者已经进入了第二轮人工智能浪潮，这可能会在未来一段时间内使他们领先于竞争对手。

基础设施要求

从基础设施的角度来看，有一点是清楚的。随着人工智能从实验走向采用，它将需要大量的计算资源和基础设施成本。随着技术变得越来越复杂和资源要求越来越高，管理费用将滚雪球，在一个日益受到人工智能影响的世界中，寻找成本效益高的环境来运行密集型流程将既是一项要求，也是一项竞争优势。

企业必须适应并保持灵活性，特别是在基础设施方面。云技术，特别是混合云解决方案，现在和将来都是人工智能的基础，因为人工智能对大量数据的需求在增加。混合云解决方案将确保业务和工作负载的需求与支持人工智能日益增长的需求相匹配，但不仅如此，它还将确保这是在正确的成本水平。

因此，对于组织来说，最大的问题是：什么样的基础设施允许在不牺牲性能的情况下持续使用、开发和实现人工智能？

在评估潜在合作伙伴以确保尽可能选择最佳平台时，请记住以下五点。

1。高计算能力

为了充分利用人工智能带来的机遇，组织需要足够的性能计算资源，包括CPU和GPU。基于cpu的环境可以处理基本的人工智能工作负载，但深度学习涉及多个大型数据集和部署可伸缩的神经网络算法。因此，基于cpu的计算可能不够。例如，与传统CPU相比，GPU可以加速100倍的深度学习。计算能力和密度也将增长，对高性能网络和存储的需求也将增长。

2。存储容量

随着数据量的增长，您的基础架构能够扩展存储是非常重要的。弄清楚一个组织需要什么样的存储取决于许多因素，包括一个组织计划使用的人工智能水平，以及他们是否需要做出实时决策。例如，一家使用人工智能系统进行实时交易决策的金融科技公司可能需要快速的全闪存存储技术，而对于其他公司来说，速度较慢但非常大的存储将是最合适的解决方案。企业需要考虑应用程序将产生多少人工智能数据。当人工智能应用程序暴露于更多的数据时，它们会做出更好的决策。随着数据库的增长，公司需要监控容量并计划扩展。

三。网络基础设施

网络是人工智能基础设施的另一个关键组成部分。深度学习算法高度依赖于通信，随着人工智能努力的扩展，网络将需要跟上需求。这就是为什么可伸缩性必须是高优先级的原因，这将需要一个高带宽、低延迟的网络。扩展服务的最佳选择是全球基础设施