您的企业已准备好迈进人工智能 (AI) 吗? | Dataplugs

您的企业已准备好迈进人工智能 (AI) 吗?

行业资讯

数码时代发展急速,其中人工智能 (AI) 的发展亦正在深深影响着我们的日常生活和商业营运模式。越来越多企业投放资源和时间去研究大量原始数据,转化为有用的分析及见解,并尝试使用人工智能取代某些人力工作。根据 Gartner, Inc 于 2019 CIO 的调查指出,实施 AI 的企业在过去四年中增长了 270%,比过去一年中增长了三倍。根据估计,今年有 37% 的企业以某种形式部署了人工智能,比 2018 年的比率远高于 25%。

人工智能研究早于1956 年开始,随着硬件的进步及运算能力的显著提升,近二十年的人工智能技术不断在进步,配合深度学习/ 深度神经网络(DNN) 、图形处理器(GPU)及大数据的急速发展,人工智能技术广泛应用到各个行业中。

今天,人工智能在创新营运中被视为重要的关键,特别适用于寻找出潜在趋势、可能的矛盾或未出现的状况。一些提供医疗保健服务的诊所,会利用人工智能辅助诊断,例如使用 AI 去查看推敲 X 光片中是否出现的异常。在金融行业中,AI 可应用在财务风险评估,或避免受到诈骗。人工智能带来的效率,驱使越来越多公司致力发展人工智能去增加其竞争力。

多年来,人工智能、数据、演算方法和运算能力之间都有着不可分割的关系。数据量越大,培训模型组的复杂性就越大,对服务器基础设施规范的要求就越高。许多公司都倾向专注于深度学习,即是使用强大的运算能力及存储资源去处理庞大数据。而单靠 CPU 处理器的运算能力并不足以处理这样庞大的数据量,因此需要使用 GPU 的协助。一颗 GPU 拥有数千个内核,能够同时并行地执行数以百万次的数学运算,显著加快培训模型的运作速度。

在许多 AI 项目中,都需要进行多次培训模型运算及校对才能取得满意的结果。当服务器的资源不足时,培训模型便会更耗时,要获得满意的结果可能要花上几天的时间。如果想跟上市场的步伐,最好就是全面升级服务器的运算能力、存储和网络频宽。而企业亦应该根据 AI 应用场景及培训模型去考虑服务器的基础设施。例如原始数据的培训模型相对简单,但图像识别或语音识别则需使用更多的资源去进行。|

虽然支援 GPU 的服务器及闪存功能的存储都是实施人工智能重要的一部分,但是没有必要于初始时马上投放大量资金到这些硬件上。企业可以从小型 AI 项目开始,再逐步进行扩展。由于很难预测未来的 AI 发展,因此可先选择一些运算和存储的解决方案,以便日后扩展您的 AI 项目。

正为您的 AI 项目寻找支持 GPU 服务器?欢迎致电 +86 147 156 98234 或发送电邮至sales@dataplugs.com,我们的销售人员乐意为您提供报价。