人工智能工作负载将席卷各大数据中心

人工智能工作负载将“席卷”各大数据中心

在近期于硅谷举行的NVIDIA大型年会上，其首席执行官黄仁勋在进行主题演讲时花了几个小时宣布了自己公司这一芯片制造商的新产品和创新，同时也详细叙述了人工智能力量的必然性。

NVIDIA是机器学习计算系统中使用的GPU的制造商，而机器学习是人工智能领域目前正在发展的一部分。GPU与CPU配合工作可以加快培训机器操作某些任务并执行它们所需的必要处理工作。

黄说：“机器学习是历史上重要的计算机革命之一。关于深度学习的［研究］论文的数量是数不胜数的。（深度学习是一种机器学习算法，近年来在此方面的创新得到了激增。）所以，我们没有办法跟上这一发展脚步，而且10年来，投入人工智能公司的资金已经翻了10倍。因此，我们毫无疑问地能看到人工智能使用的爆炸性增长。”更多文章阅读：服务器租用cn.blu***

人工智能和机器学习是Gartner公司总结的2017年前战略技术趋势之一。与此同时，由于机器学习的发展，该列表中的大多数其它趋势（如会话系统、虚拟现实和增强现实、物联网和智能应用）在很大程度上也都在加速发展。

Gartner公司的研究员和副总裁David Cearley在一则声明中表示：“在接下来的十年中，几乎所有的app、应用程序和服务都将融入一定的人工智能。这将形成一个长期趋势，以不断发展和扩展人工智能和机器学习在app和服务中的应用。”

不再仅适用于超大型数据中心

黄仁勋表示，机器学习的发展意味着人工智能工作负载正在“席卷”全世界的数据中心。到目前为止，深度学习具影响力的生产应用程序已经由少数超大型云巨头公司（如谷歌、微软、和百度）开发和部署了，但NVIDIA公司认为，这项技术正开始在大型云数据中心之外突飞猛进。

NVIDIA公司负责加速计算部门的副总裁Ian Buck在接受Data Center Knowledge的采访时表示：“人工智能只是另一种计算，而且它将会进入很多很多市场。”虽然毫无疑问，机器学习将继续作为云数据中心总体计算能力的一部分进行发展，但他希望在不久的将来，能在每个人运营的数据中心——从托管服务供应商到银行，都能看到机器学习。“它将无所不在。”

为了迎接这一次的席卷，数据中心经理们需要回答一些关键的基本问题，如：我公司在云端或内部部署深度学习工作负载是否更有意义？这将是两者的混合？需要多少内部基础设施来培训深度学习算法？那推理需要多少内部基础设施呢？如果我们有很多耗电量很大的培训服务器，那么我们需要获得大的性能，还是放弃一些性能来换取整个数据中心的更率？我们需要边缘的推理能力吗？