多年以來，隨著AI技術的發展與變革，各個行業及IT決策者都在大力投資這一領域。AI有望改變企業內的一切、轉變人們的工作方式，因此對業務及企業的宏觀/微觀層面控制體系至關重要。而隨著AI的發展演進，我們更需要關注自己的業務功能變化，將每時每刻的需求與改進融入AI解決方案。

[[434557]]

雖然只處于試點和起步階段，AI已經顯示出無可比擬的力量與影響力。隨著AI的后續發展，預計我們將迎來一波又一波更大、更廣泛的變革。那么，AI到底要怎樣繼續改進?

隨著人們對于AI的努力改進，全社會對計算及基礎設施資源的需求也將同步增長。當AI真正實現全面普及之后，我們無疑需要一個更經濟、更高效的環境容納如此龐大的流程。每家企業都需要適應這些變化，并以充分的靈活度迎接新型基礎設施。換言之，云技術、特別是混合云解決方案，必將成為AI的實現基礎。混合云解決方案能夠保證將AI基礎設施需求消解為業務需求，同時從容維持并匹配技術動態。只有這樣，企業才能在持續使用、開發并實現AI方案的同時，不致對自身基礎設施性能造成嚴重影響。

下面，我們就聊聊在評估潛在合作伙伴、選擇最佳平臺時需要關注的幾大核心因素。

核心因素一 高算力

企業需要高性能計算資源(包括CPU與GPU)探索AI領域內的種種可能性。目前大部分企業仍在AI實驗階段，所以傾向于建立強大的CPU環境處理基礎AI負載。但事實證明，基于CPU的現有計算架構并不能滿足深度學習流程的需求;可擴展神經網絡算法的部署以及高性能網絡/存儲管理都對算力和數據處理密度提出了極高的要求。

核心因素二 存儲容量

存儲容量是一切AI基礎設施的基本要求;隨著數據量的增長，存儲系統也必須擁有擴展能力。因此對企業來說，最重要的就是明確AI實驗究竟需要何等規模的存儲系統支持。只有以強大的存儲擴展計劃與容量管理能力為依托，企業才能從容做出實時決策;也只有這樣，我們手中的AI應用才能在數據的滋養下愈發完善。

核心因素三 網絡基礎設施

無縫網絡是AI基礎設施中的又一重要組成部分。考慮到可擴展性的重要意義，企業必須建立起高帶寬、低延遲的網絡體系。深度學習算法高度依賴于通信能力，隨著AI實驗的推進與擴展，網絡系統自然要同步成長與進化。對于網絡這種泛用性服務，企業有必要選擇一家專業的基礎設施服務商，由他們在全球范圍內提供服務打包與技術支持，并確保不同區域內的堆棧始終擁有良好的分布式與一致性。

核心因素四 安全性

由于AI模型往往會接觸到大量來自醫療保健、金融等部門的敏感數據，因此對個人數據的安全維護就成了一大現實挑戰。這些信息在本質上極其脆弱;一旦管理不當、特別是被不可靠來源所利用，則可能對使用AI模型的企業造成巨大危害。此外，如果向AI系統中添加了非必要數據，則可能引發決策和推理錯誤。因此，我們需要一套更安全的AI基礎設施保障數據免受侵擾。

核心因素五 解決方案必須具有成本效益

這一切還只是AI模型的發展起點。隨著研究工作的緩慢推進，AI本身也會變得更加復雜、開發成本隨之一路飆升。各個企業必須努力找到具有成本效益的解決方案，這樣才能推動流程延續與業務增長。具體來講，企業在支撐AI探索方面勢必要不斷升級網絡、服務器及存儲等基礎設施，滿足AI模型的訓練與推理需求。整個過程將極其昂貴，因此必須謹慎選擇那些資源經濟性更好的服務供應商。只有這樣，企業才能更明智地規劃、決策并投資于AI基礎設施，保證自身在被資源支出壓垮之前找到提升自身業務績效的寶貴機會。