企业预留好位置给AI入驻数据中心

对AI应用程序来说，时机已经成熟。但在企业数据中心实施人工智能时会对网络、存储和计算基础设施造成障碍。

　　尽管人工智能的概念自50年代以来一直存在，但它在IT领域的主流应用程序刚刚开始出现。根据Gartner的研究，到2021年，深度学习和人工智能等工作量将成为数据中心设计和架构的重要因素。

　　AI应用程序将影响每一个垂直行业和工业领域，因此采取积极的措施来规划、构建和培育数据中心的深度学习(deep learning)和人工智能实践非常重要。

　　大多数组织还没有实施AI。在大多数情况下，超大规模公共云提供商(如Google和Amazon Web Services)都是早期采用者，而绝大多数终端用户都在起步阶段就举步维艰。

　　Gartner研究总监Chirag Dekate表示：“由于这是个持续变化的目标，很难初始化开发AI和深度学习环境的实践。这个想法是惊人的，但是当您着手开发和设计解决方案时，您就开始遇到问题了，而且这是很多最终用户当前所处的位置。”

　　来自存储的挑战

　　深度学习和AI应用程序需要大量的数据来训练、测试和验证神经网络算法，这可能为数据中心管理员带来存储挑战。

　　Dekate表示：“如果您的机器学习算法基于回归，您可以使用有限的数据集，但是对于更先进的高价值神经网络生态系统，您会逐渐遇到规模问题。传统的网络连接存储架构可以交付即时的结果，方便部署和开箱即用的效率，但它们也会在I/O扩展和延迟方面显示出问题。

　　部分初创公司正在尝试高带宽并行文件系统，以增加吞吐量并实现规模化，但这些还都只能算是外围方法，Dekate表示。

　　并行文件系统涉及从元数据服务器到存储目标的许多移动部件，必须进行优化、调整和调试以最高效率运行。他说：“它们[并行文件系统]是非常复杂的，需要经历严苛的考验。”

　　然而，大数据分析——另一项需要大量数据的计划——已经为许多IT组织提供了一个平台，能够重新调整存储策略。

　　供职于451 Research的研究经理Christian Perry表示：“当AI成为企业可部署的现实时，从存储的角度来看，由于大数据和分析的原因，容量方面已经解决了。物联网也被寄予期望在特定组织驱动大规模应用的规划，我认为基础设施已经具有处理大型存储需求的能力。”

　　来自网络的挑战

　　深度学习框架的有限性产生了规模方面的挑战——对于可扩展性的网络架构，性能明显超出单一计算节点。为了规模化以提供更高的效率，管理员必须升级和改进他们的网络，但大多数人还没有将此举当做他们的首要任务。

　　Dekate说：“如果您仔细观察深度学习算法，会发现它们的沟通密集度非常之高。尝试为这样一个聊天应用程序堆栈构建解决方案对于组织如何着手开始将是非常困难的。”

　　随着数据中心网络架构师为AI准备其基础架构，他们必须优先考虑可扩展性，这将需要高带宽、低延迟的网络和像InfiniBand或Omni-Path这样的创新型架构。

　　关键是为实现自动化而保证所有选项的开放性，Perry说。自动数据中心基础设施管理技术的市场正在快速成熟，这表明自动化在数据中心行业越来越被广泛地接受。

　　Perry说：“还有自动化功能已经具备应用条件，这将有助于为AI的引入奠定基础。”

　　三三在线www*/，服务器租用 托管 高防服务器租用，机柜大带宽租用，我司有：四川德阳机房，广东佛山机房，大朗机房，松山湖机房，香港机房CN2，陕西高防机房,杭州BGP高防，新加坡机房，菲律宾，韩国，日本 美国，高防 无防服务器。企点Q：4000900901电话：4000900901

　　E5-2660*2/32G/50M/150G防御

　　BGP-E5-2450L/8h/16G/20M/20G防御

　　BGP-E5-2450L/8h/16G/20M/100G防御

　　BGP-E5-2450L/16h/32G/50M/100G防御

　　杭州BGP：43.228.67.X 43.228.68.X

　　佛山：183.60.204.X 183.60.109.X 183.60.210.X

　　陕西：113.137.59.X

　　四川：182.132.33.X
联系我的时候请说是在搜即讯信息网上看到的，谢谢。