首頁 > 網絡通信頻道 > 通信技術

戴爾科技廣泛而全面的產品和解決方案組合快速啟動和運行人工智能應用程序和項目

2022年03月22日 16:53:02 來源：中文科技資訊

　　GTC大會預告

　　尊敬的讀者，AI行業頂級盛會的NVIDIA GTC大會現已正式舉行。戴爾科技作為本次大會的鉆石贊助商，邀您參會!

　　歡迎與我們一起分享洞見、探索未知，拓展未來全新的發展方向!滑動至文末了解大會詳細內容

　　最近，IDC發布的全球半年度人工智能追蹤報告顯示，硬件支出是所有人工智能領域中最小的，不過，這種情況將迅速改變。

　　IDC表示，相對于軟件和服務，人工智能硬件類別在2021年上半年的市場份額增長最快，預測2022年市場份額將同比增長24.9%。

　　2021年上半年，AI存儲相對于AI服務器的增長更為強勁。但是這一趨勢將在2022年逆轉，AI服務器預計將增長26.1%，而AI存儲增長19.7%。在支出份額方面，AI服務器占據該類別的最大份額，超過80%。

　　不聽不知道，原來硬件支出在人工智能的支出中并不占大頭。小編猜測，這是因為對于AI支出來說，硬件投資大多是一次性投資，而軟件、AI服務等屬于“細水長流”型，它們才是真正的“吞金獸”。

　　IDC性能密集型計算研究副總裁Peter Rutten表示：“在各種人工智能細分市場的所有支出中，人工智能硬件是迄今為止最小的。這應該告訴企業的是，為人工智能提供“5分錢”(nickel-and-diming)的專用硬件絕對是適得其反，特別是考慮到人工智能模型規模和復雜性的增加帶來快速增長的計算需求。”

　　由于缺乏計算和處理能力，早期涉足人工智能受到了阻礙。但如今，由于IT基礎設施的進步，這一障礙已基本消除。隨著無數行業認識到人工智能有能力幫助企業改善運營、獲得競爭優勢和追求新的業務方向，人工智能也迎來了極大的發展。

　　毫無疑問，人工智能的發展就建立在IT基礎設施的發展之上，一個企業如果沒有堅實的硬件基礎，其AI戰略也必然無法長遠。

　　IT環境位于“大腦”的最頂端

　　然而在今天，隨著人工智能用例越來越多，如何為人工智能用例設計和部署最佳IT基礎設施，也成為企業的一大難題，因為不同人工智能用例的處理特征，可能完全不同。

　　軟件堆棧開始規定硬件要求和細節

　　比如機器學習 (ML) 和深度學習 (DL)就需要各自特定的計算和存儲性能和規模：

　　機器學習管道通常由服務器、手機、物聯網傳感器等提供的半結構化數據組成，數據集的大小從幾十到幾百TB甚至可能是一到兩個PB。機器學習工作負載可以由數百臺服務器就能充分滿足需求，最高可達數千臺服務器。

　　但是對于深度學習，情況完全不同。這些數據集主要是非結構化數據，例如圖像、視頻和音頻內容，通常會擴展到數PB，需要數千個計算集群進行處理，并且需要GPU投資來降低數據中心成本和占用空間。

　　廣泛而全面

　　戴爾滿足企業各種AI需求

　　在戴爾科技，我們致力于讓需要AI的所有人都能利用其強大優勢，讓更多人能夠利用數據的強大力量。通過廣泛而全面的產品和解決方案組合，戴爾正在幫助數據科學家和開發人員簡化并消除AI部署的復雜性，快速啟動和運行人工智能應用程序和項目：

　　適用于AI和數據分析的戴爾HPC就緒架構

　　適用于AI和數據分析的戴爾HPC就緒架構通過易于部署的云原生堆棧向邊緣提供加速AI計算的能力。Bright Computing® Solution for Edge、戴爾Data Science Portal、配備NVIDIA GPU的PowerEdge服務器和PowerScale橫向擴展NAS存儲的組合，可以更快地訪問在任何地點收集的數據。

　　它還減少了IT孤島，整合了操作，與在不同系統上運行AI、數據分析和HPC工作負載相比，總體擁有成本(TCO)降低了三倍。