當(dāng)一個新概念成為一個可行的商業(yè)工具時，很多企業(yè)都會積極采用這種技術(shù)以加入市場潮流。這其中包括人工智能（AI）和機器學(xué)習(xí)（ML）。從擁有上百年歷史的高科技巨頭到致力于創(chuàng)新的初創(chuàng)公司，各種規(guī)模的組織都在積極投入時間和資源，加速技術(shù)的發(fā)展，并將其用于業(yè)務(wù)發(fā)展。

但人工智能不僅僅是一種流行的時尚。分析機構(gòu)Tractica公司預(yù)計，全球企業(yè)在人工智能方面的支出將從2016年的6．44億美元增長到2025年的近390億美元，并將成為高效銷售平臺和虛擬數(shù)字接待員、兒童玩具、自動駕駛汽車、產(chǎn)品或服務(wù)等各方面發(fā)展的驅(qū)動力。

人工智能（AI）和機器學(xué)習(xí)（ML）最終將為大部分企業(yè)提供驅(qū)動力。人工智能具有什么樣的驅(qū)動力？那就是強大的數(shù)據(jù)和處理能力。

巨大的潛力，巨大的局限

人工智能對垂直行業(yè)和每個企業(yè)的潛在影響都不容小覷。隨著無輔助機器學(xué)習(xí)、自然語言處理（NLP）以及深度學(xué)習(xí)能力的提高，每項技能的應(yīng)用將繼續(xù)增長并擴展到新的用例。

很多企業(yè)已經(jīng)在研究如何將人工智能（AI）和機器學(xué)習(xí)（ML）技術(shù)用于對象識別和跟蹤、本地化地理數(shù)據(jù)、防止欺詐、改善營銷結(jié)果，以及許多其他應(yīng)用程序。雖然這些領(lǐng)域的廠商希望采用這種技術(shù)來實現(xiàn)這一承諾，但其他公司已經(jīng)將這些創(chuàng)新應(yīng)用于自動駕駛汽車、呼叫中心、客戶服務(wù)、網(wǎng)絡(luò)安全的實際應(yīng)用中。

已經(jīng)采用人工智能技術(shù)的企業(yè)多年來一直在系統(tǒng)地和戰(zhàn)略性地匯總數(shù)據(jù)。他們已經(jīng)領(lǐng)先于剛剛開始關(guān)注數(shù)據(jù)收集和組織的組織。但他們也面臨著人工智能（AI）和機器學(xué)習(xí)（ML）技術(shù)的最大限制：容量。

功率、容量、速度對智能技術(shù)至關(guān)重要

驅(qū)動人工智能（AI）和機器學(xué)習(xí)（ML）發(fā)展的人工神經(jīng)網(wǎng)絡(luò)（ANN）旨在并行地建模和處理輸入和輸出之間的關(guān)系。要做到這一點，他們需要存儲大量的輸入數(shù)據(jù)，并需要大規(guī)模計算來理解這些關(guān)系，并提供適當(dāng)?shù)妮敵觥?/p>

考慮部署聊天機器人以提供客戶自助服務(wù)，協(xié)助聯(lián)絡(luò)中心的客戶服務(wù)代理團隊。在理想情況下，機器人可以準確地回答問題，將客戶引導(dǎo)到適當(dāng)?shù)馁Y源，并且通常以自然的方式與客戶交互。

為了實現(xiàn)這一目標，機器人的后端需要快速將查詢與企業(yè)消費者群體使用的詞典（即他們的母語）進行比較，以“理解”交互的背景，并根據(jù)這些輸入“做出決定”，希望能夠做出正確的反應(yīng)，并像人類那樣可以立即執(zhí)行。

但是，這些進程所需的處理器和內(nèi)存資源（DRAM）消耗的大量帶寬超出了大多數(shù)內(nèi)部部署數(shù)據(jù)中心網(wǎng)絡(luò)設(shè)計所能處理的帶寬。由于涉及的CPU或GPU數(shù)量遠遠超出大多數(shù)組織準備的數(shù)量，它們還會增加相當(dāng)大的功耗開銷。并且嘗試在單個數(shù)據(jù)中心內(nèi)完成所有操作將會引入延遲問題，這可能會破壞產(chǎn)品或阻礙應(yīng)用程序嘗試完成的任何事情。那么企業(yè)應(yīng)該做些什么？

通過直接云連接最大化人工智能的性能

使用過程密集型人工智能應(yīng)用程序的企業(yè)越來越多地轉(zhuǎn)向混合部署就緒的邊緣數(shù)據(jù)中心，以解決帶寬和計算難題，降低運營成本，并消除延遲問題。

混合部署就緒的數(shù)據(jù)中心需要做的事情是：

為設(shè)施內(nèi)的云計算提供商提供簡單的入口，以顯著降低延遲和數(shù)據(jù)傳輸成本。與全球互聯(lián)網(wǎng)相比，直接云互連產(chǎn)品可以降低延遲，并降低數(shù)據(jù)傳輸成本，同時無需人工為每個提供商提供私有WAN連接。

與云計算提供商的核心計算節(jié)點非常接近，以進一步減少專用環(huán)境與選擇的云計算提供商之間的延遲。

盡可能靠近盡可能多的最終用戶和設(shè)備，使處理信息更貼近用戶或設(shè)備，從而顯著提高性能和可靠性。這尤其有利于支持對自動駕駛車輛或網(wǎng)絡(luò)安全運營等對延遲敏感的人工智能應(yīng)用，同時還可以最大限度地提高工作負載靈活性和成本管理。

具有可擴展和可配置的中央基礎(chǔ)設(shè)施，以促進可持續(xù)增長。

人工智能和機器學(xué)習(xí)技術(shù)在人們的日常生活的應(yīng)用不斷成熟，并變得越來越普遍。正如他們所做的那樣，提供這些產(chǎn)品和服務(wù)的企業(yè)需要從戰(zhàn)略角度思考如何最好地平衡各種業(yè)務(wù)需求，釋放其技術(shù)的全部潛力，以保持競爭優(yōu)勢。