數位房地產公司Interxion的行銷和業務總監PatrickLastennet審視了人工智慧創新加速所面臨的障礙。其認為，從一開始就為AI部署制定強大的基礎設施策略非常重要。
人們對人工智慧的需求正在成長。每個產業的企業都在探索如何利用人工智慧加速創新，並提供強大的競爭優勢。然而，設計人工智慧基礎設施是複雜且難以承受的，因此，76%的企業認為基礎設施是人工智慧成功的障礙。
不過，這不是放慢進展的藉口。隨著越來越多的企業積極追求或至少落後於人工智慧，那些等待的企業只會更加落後。
最近一項針對8個歐洲國家IT決策者的調查發現，近三分之二的企業(62%)目前正在部署或測試AI，另有17%計劃在2020年使用AI。
受訪者指出，許多基礎設施障礙限制了人工智慧的大規模部署，從缺乏資源，如資金、人員和實體基礎設施，到不明確的企業策略沒有考慮到人工智慧。
由於人工智慧部署對許多企業來說是一個緩慢的建置流程，因此在已進入部署階段的企業和尚未開始規劃的企業之間將形成巨大的技術差距。不願投資人工智慧的企業將錯失獲得競爭優勢的機會。
這就是為什麼從一開始就為AI部署制定一個強大的基礎設施策略，這非常重要。以下是需要考慮的問題。
通常，領先重大AI研發的公司都沒有來自IT部門的重要初始投入。結果，團隊不幸地產生了影子AI——在IT的雷達下創建的AI基礎設施，這是成功操作的挑戰，最終是無效的。企業可以透過制定專門針對AI優化的基礎設施策略來避免影子AI。
調查強調，不可估量的成本是首要問題(21%)。從對人員和設備的新投資需求，到人工智慧設計和部署之間曲折道路上不可預見的成本，再到技術需求的快速創新和轉變，人工智慧投資可能是巨大的，很難預測。此外，如果企業未能部署該技術，IT和AI開發之間的內部脫節會導致低投資報酬率。
缺乏內部專家人員也是一個重大挑戰。企業通常需要聘請專業的開發人員，這可能成本高昂，且需要時間讓新員工學習業務，以滿足AI設計和組織目標。
IT設備的不足也阻礙了企業設想人工智慧如何融入其營運。根據這項調查，許多企業擔心其目前的基礎設施沒有優化到支援人工智慧的程度，並擔心資料中心已達到滿載運作。
策略階段的障礙在各產業中基本上相似，但具體的基礎設施決策可能因產業而異。法律或合規要求，如GDPR，以及涉及的資料類型和工作流程，都將影響AI基礎設施決策。
該研究發現，39%的跨產業企業使用主要的公有雲——其中大多數是尋求靈活性和高速的製造商。同時，29%的受訪者更傾向於獲得顧問支持的內部解決方案——通常是金融、能源和醫療保健公司，這些企業希望將其個人識別資訊(PII)數據置於嚴密的安全和更好的控制之下。
由於許多企業都是從零開始，所以從一開始就制定明確的策略是非常必要的，因為之後重新架構會花費大量的時間、金錢和資源。要成功地大規模啟用人工智慧，企業需要檢查幾個面向。
首先，企業需要能夠確保其擁有正確的基礎架構，以支援為AI工作負載準備的資料集所需的資料收集和收集。特別是，必須注意從AI推理運行的邊緣或雲端設備收集資料的有效性和成本。理想情況下，這需要在全球多個地區實現，同時利用高速連接並確保高可用性。這意味著企業需要可提供以下優勢的網路結構支援的基礎架構：
接近AI資料：企業資料中心的5G和固定線路核心節點將來自現場設備、辦公室和製造設施的AI資料帶入區域互聯資料中心，以沿著多節點架構處理。
直接雲端存取： 提供對雲端超規模環境的高效能訪問，以支援人工智慧訓練或推理工作負載的混合部署。
地理規模：透過將其基礎設施置於位於戰略地理區域的多個資料中心，企業可以在全球範圍內實現低成本的資料獲取和高效能的AI工作負載交付。
當企業考慮訓練人工智慧/深度學習模型時，必須考慮一個資料中心合作夥伴，該合作夥伴能夠在長期內適應支援GPU加速運算的必要電源和冷卻技術，這需要:
高機架密度：為了支援AI工作負載，企業需要從其資料中心的每個機架獲得更多的運算能力。這意味著更高的功率密度。事實上，大多數企業需要將其最大密度擴大至少三倍，以支援AI工作負載，並為未來更高的等級做好準備。
數量和規模：利用人工智慧優勢的關鍵是大規模實施。在大規模硬體(GPU)上運作的能力能夠實現大規模運算的效果。
大多數本地企業資料中心無法處理這種規模的資料。同時，公有雲提供了阻力最小的路徑，但由於高成本或延遲問題，其並不總是大規模訓練AI模型，或將其部署到生產環境的最佳環境。
那麼，對於那些想要設計支援AI工作負載的基礎設施的企業而言，最好的方法是什麼呢?透過研究已經從人工智慧中獲得價值的企業如何選擇部署其基礎設施，可吸取重要的經驗教訓。
Google、Amazon、Facebook和Microsoft等超大規模企業成功地利用自己的核心和邊緣基礎設施大規模部署了人工智慧，這些基礎設施通常部署在高度連接的高品質資料中心。他們在全球大量使用託管，因為他們知道託管可以支援其所需的規模、高密度和連接性。
透過利用這些人工智慧領導者的知識和經驗，企業將能夠在人工智慧方面規劃自己的命運。
以上是限制人工智慧潛力的主要基礎設施挑戰的詳細內容。更多資訊請關注PHP中文網其他相關文章！
