【DTF預告】是誰扼住了AI的咽喉？

作者：佚名 2019-09-20 11:55:39

企業動態

從機器人送餐、語音語義識別、政府部門圖像識別，到醫療診斷、基因輔助治療、科研和商業防欺詐等等，人工智能和高性能計算正快速構建數字化生產力。

群情激烈的F1賽場，

一群超跑風馳電掣，

有人倚仗強勁引擎一騎絕塵，

有人則因動力不足深陷泥潭。

要問一輛汽車的核心是什么？

相信很多人都能給出引擎這個答案。

[[277358]]

在智能化發展如火如荼的當下，

各位選手正駕駛著自家AI賽車，

在賽道上爭相追逐，

而決定他們以多快速度抵達終點的引擎，

正是算力。

算力限制亟待突破，

企業智能化道路挑戰重重

從機器人送餐、語音語義識別、政府部門圖像識別，到醫療診斷、基因輔助治療、科研和商業防欺詐等等，人工智能和高性能計算正快速構建數字化生產力。在中國市場，“智能+”加速人工智能應用在各行各業的快速普及，5G產品化也進一步推動了工業互聯網的推廣。

[[277359]]

與此同時，5G的高性能、大帶寬和高容量，將給算力帶來巨大挑戰。盡管人工智能發展潛力無限，但開發和驅動人工智能產品和解決方案所需的計算能力，卻成為限制其發展的瓶頸和壁壘，亟待突破。

01 AI算力需求無止境

相比于傳統人工智能，“智能+”主要聚焦在企業級B2B業務模式，加大消費級用戶的智能應用。人工智能大量應用于工業互聯網，連接設備數量的急速增長，一方面意味著海量數據的產生，另一方面，設備進行智能計算，對大量在核心、云及邊緣的數據通過AI算法學習和分析，需要強大的算力和大數據分析能力來實現實時管理分析。

[[277360]]

深度學習工作負載需要高性能和大容量，實現結構化和非結構化數據的快速分析，實時或近實時交付結果，從而達到競爭優勢。隨著5G商用化，人工智能加大了對低延遲的需求，同時對算力的需求也無止境，不僅要求計算能力，還需要低延遲。

02 AI訓練耗資高開支大

廣泛獲取的海量價值數據，讓企業面臨大規模AI部署和實時/近實時的分析與洞見的要求。計算機模擬人的思維過程和智能行為，主要應用在訓練(training)和推理(inference)兩個環節，大量的人力和成本支出集中在深度學習和機器學習的訓練過程中。

AI開發時，開發工程師通常需要從數十萬圖片、資料等數據庫中訓練出模型，建立輸入輸出的映射關系用于圖形識別和推理。這個過程通常需要數周甚至數月時間，訓練起來既耗時又耗資。

[[277361]]

03 AI數據科學家才力釋放

在中國，數據科學家數量缺乏，經驗積累滯后，幫助企業實現數據到業務價值更為耗時耗力。而提高運算能力，建立端對端的服務和平臺，可以釋放數據科學家的時間和精力。

通過優化硬件和軟件堆棧，AI模型和框架庫中的設置可以配置到其他環境以簡化流程，加速建模后的機器學習和深度學習，縮短解決方案構建時間，從而提高數據科學家工作效率以加速企業的AI計劃發展。

同時，隨著智能化發展，各種規模的企業也面臨著計算能力上的挑戰。

初創和中小型企業的算力挑戰

在早期，這些初創或中小企業可能部署了基于云的人工智能服務來滿足需求，但隨著其向本地或混合IT環境的遷移，如何針對任何給定位置的數據量，通過遷移和驅動人工智能算法和計算，實現計算性能加速、算力增強，從而最大限度降低成本和數據移動以提高生產效率，是突破AI計算瓶頸的關鍵。

大中型企業的算力需求

對于大中型企業，如何利用深度學習算法處理大型資源數據庫的資源，需要充分考量其對算力的計算要求、算力成本控制和算力遠期釋放。例如，在AI項目的早期階段，計算負載較輕，通過云計算平臺進行推理和訓練成本的算力需求可預見，云計算成本可控。

而隨著工作的推進、數據的積累，企業對計算負載、存儲容量以及網絡傳輸的要求日趨增長。對于達到沉重計算負載，或本身對算力要求較高的AI工作來說，如何針對AI、ML和DL的算力需求進行IT基礎架構的擴展，并根據深度學習創建人工智能增值服務和產品，是大中型企業的一項長期算力考量。

[[277362]]

不破不立，破而后立

戴爾易安信帶來AI技術突破

AI方案破立：Dell EMC Ready Solution for AI

Dell EMC Ready Solutions for AI 是獨特的高性能計算和數據分析解決方案，技術組合廣泛，跨越了工作站、服務器、網絡、存儲、軟件和服務。該解決方案簡化了IT基礎設施，并對硬件和軟件棧進行了優化，為人工智能建模計算提供了快速解決方案，并將構建新解決方案的時間縮短了6-12個月。

同時，通過提供自助服務的工作空間提高數據科學家的工作效率，每個數據科學家配置環境時，建立一個AI模型和框架只需點擊五次。采用NVIDIA的Dell EMC Ready Solutions for AI和Deep Learning專為加速性能而設計，消除了I/O瓶頸，可快速訪問更大的數據集群提高模型準確性，實現大規模推理和實時響應，能夠幫助數據科學家實現高達30％的工作效率提升。

[[277363]]

戴爾科技為企業快速應用人工智能提供了現成的解決方案，其高性能計算和人工智能創新實驗室擁有世界上最快的超級計算機之一和廣泛的行業合作伙伴關系，匯集了專注于人工智能、機器學習和深度學習的最聰明的頭腦群體。

在中國，戴爾科技和中科院合作建立的“諸葛深知”平臺，建立在Dell EMC Ready Solutions for AI之上，結合了戴爾科技的專業知識和中科院驗證成熟的算法，幫助企業充分發揮人工智能的潛力，使AI實施更加快速輕松。

[[277364]]

AI計算破立：戴爾易安信智能服務器

在算力突破方面，戴爾易安信PowerEdge MX可組合服務器產品，是基于一個雙插座模塊化的“動態”架構，專門為解決軟件定義數據中心(SDDC)中的需求而設計。這些設備將提供比現有服務器多3倍的存儲和5倍的I/O性能。

[[277365]]

戴爾易安信PowerEdge R940xa和PowerEdge R840，是兩個新型四路系統PowerEdge智能服務器，能夠一致且快速地響應速度適用于計算密集型應用程序工作負載（如機器學習、人工智能和數據分析），可加快應用程序運行速度，提供實時決策。同時，智能服務器還支持API管理，便于DevOps集成。