現在幾乎所有的軟件、硬件、互聯網廠商都在炒AI，AI技術應用也逐步成為企業個人應用的主流。但是卻很少有人注意到當下的硬件基礎設施并不能滿足AI技術的應用需求，由此一場AI掀起基礎硬件淘汰潮必將到來。

[[248776]]

無適合硬件支持AI

如今AI早已不是科幻小說里的情節，你只需要看看無人駕駛汽車技術的快速發展，就不難看到AI技術對于人們生活的影響。不過，在企業層面上，為什么沒有更多企業在其生產系統中使用AI呢?很大的問題是來自于企業現有的基礎設施并不支持AI特性。

當Interop的報告向IT決策者詢問AI推廣障礙時，37%的參與者提到的最大問題就是AI基礎設施的缺乏。而調研公司Constellation Research在2018年的AI研究中也指出，在接受調查的IT部門中，有32%的企業表示拒絕采用AI，其主要原因還是現有的IT基礎設施硬件并不適合部署相關的AI技術。

此種現狀則讓企業IT專業人員陷入了困境。一方面他們需要支持并引入AI技術，另一方面他們并沒有合適的硬件來支持AI。不過好消息是，在所有這些調查后還發現，越來越多的企業開始增加AI層面的預算，試圖來扭轉上述的尷尬局面。

算力急需升級

AI首先需要算力，最初為游戲和圖形發明的GPU芯片，現已成為AI落地的第一載體。隨著機器學習和面部識別技術不斷在各個行業與學科里發揮重新定義的作用，基于AI的創新技術更是不斷涌現，進而滿足移動計算和物聯網等領域的智能化需求。

AI芯片成熱點

鑒于AI系統需要大量的計算力，為了支持這些系統有效運行，企業顯然需要通過新一代的多核處理器或GPU服務器，甚至云計算來提供算力服務。此外，為了培訓他們的機器學習系統，企業也需要大量的數據，這就意味著要擴充更多的存儲容量。

當然，企業還要大量的網絡資源來支持這些計算和存儲系統。而上述種種無疑會推動企業內部IT基礎設施走向新一輪的更新換代。據IDC預測，全球在認知系統和AI方面的支出將從2016年的80億美元攀升至2020年的470多億美元。而實際上未來由硬件淘汰產生的潛在支出規模將更加巨大。

AI改變IT軟件工具

除了對硬件產生的影響外，機器學習等AI技術對IT軟件工具也會影響較大影響。伴隨機器學習不斷積累，軟件開發經驗變得更加出色，通過接觸到更多數據后，將能夠不斷改進自身算法與規則，向智能化邁進。例如無人駕駛技術不僅可以學習交通上的傳統規則，還可以通過持續增加的里程數來逐步了解城市街道的真實情況。

而像谷歌和Facebook這樣的大平臺更借助能夠訪問龐大圖像庫的便利，通過使用機器學習來識別圖像中人臉進而推出AI面部識別工具。同時機器學習也推動了翻譯軟件的速度和準確性快速提高，這得益于對先前翻譯語言的分析，翻譯是否準確以及大量用戶的積極反饋。

目前針對企業IT管理的AI技術也不斷演進，不難設想未來AI不僅可以對IT網絡進行管理，提供保護，還可以積極維護網絡系統。而這樣的自動化水平被稱為“AI定義的基礎設施”。 像Kubernetes這樣的容器技術結合AI技術，則讓軟件定義數據中心和編排智能化工具成為可能。

結語

現在許多AI驅動的創新正在起跑，有市場調研公司曾預測，到2021年IT服務提供商實施的40%新企業應用都將包括人工智能技術。面對來勢洶洶的AI，一場硬件淘汰潮己然到來，而你的企業做好準備了嗎?