2022/03/22

戴尔科技广泛而全面的产品助力企业可以更快地部署，实现更高的模型准确性

戴尔官方企采中心

GTC大会预告

尊敬的读者，AI行业顶级盛会的NVIDIA GTC大会现已正式举行。戴尔科技作为本次大会的钻石赞助商，邀您参会！

欢迎与我们一起分享洞见、探索未知，拓展未来全新的发展方向！滑动至文末了解大会详细内容👇

最近，IDC发布的全球半年度人工智能追踪报告显示，硬件支出是所有人工智能领域中最小的，不过，这种情况将迅速改变。

IDC表示，相对于软件和服务，人工智能硬件类别在2021年上半年的市场份额增长最快，预测2022年市场份额将同比增长24.9%。

2021年上半年，AI存储相对于AI服务器的增长更为强劲。但是这一趋势将在2022年逆转，AI服务器预计将增长26.1%，而AI存储增长19.7%。在支出份额方面，AI服务器占据该类别的最大份额，超过80%。

不听不知道，原来硬件支出在人工智能的支出中并不占大头。小编猜测，这是因为对于AI支出来说，硬件投资大多是一次性投资，而软件、AI服务等属于“细水长流”型，它们才是真正的“吞金兽”。

IDC性能密集型计算研究副总裁Peter Rutten表示：

“

在各种人工智能细分市场的所有支出中，人工智能硬件是迄今为止最小的。这应该告诉企业的是，为人工智能提供“5分钱”（nickel-and-diming）的专用硬件绝对是适得其反，特别是考虑到人工智能模型规模和复杂性的增加带来快速增长的计算需求。

”

由于缺乏计算和处理能力，早期涉足人工智能受到了阻碍。但如今，由于IT基础设施的进步，这一障碍已基本消除。随着无数行业认识到人工智能有能力帮助企业改善运营、获得竞争优势和追求新的业务方向，人工智能也迎来了极大的发展。

毫无疑问，人工智能的发展就建立在IT基础设施的发展之上，一个企业如果没有坚实的硬件基础，其AI战略也必然无法长远。

IT环境位于“大脑”的最顶端

然而在今天，随着人工智能用例越来越多，如何为人工智能用例设计和部署最佳IT基础设施，也成为企业的一大难题，因为不同人工智能用例的处理特征，可能完全不同。

软件堆栈开始规定硬件要求和细节

比如机器学习 (ML) 和深度学习 (DL)就需要各自特定的计算和存储性能和规模：

机器学习管道通常由服务器、手机、物联网传感器等提供的半结构化数据组成，数据集的大小从几十到几百TB甚至可能是一到两个PB。机器学习工作负载可以由数百台服务器就能充分满足需求，最高可达数千台服务器。

但是对于深度学习，情况完全不同。这些数据集主要是非结构化数据，例如图像、视频和音频内容，通常会扩展到数PB，需要数千个计算集群进行处理，并且需要GPU投资来降低数据中心成本和占用空间。

广泛而全面

戴尔满足企业各种AI需求

在戴尔科技，我们致力于让需要AI的所有人都能利用其强大优势，让更多人能够利用数据的强大力量。通过广泛而全面的产品和解决方案组合，戴尔正在帮助数据科学家和开发人员简化并消除AI部署的复杂性，快速启动和运行人工智能应用程序和项目：

适用于AI和数据分析的戴尔HPC就绪架构

适用于AI和数据分析的戴尔HPC就绪架构通过易于部署的云原生堆栈向边缘提供加速AI计算的能力。Bright Computing® Solution for Edge、戴尔Data Science Portal、配备NVIDIA GPU的PowerEdge服务器和PowerScale横向扩展NAS存储的组合，可以更快地访问在任何地点收集的数据。

它还减少了IT孤岛，整合了操作，与在不同系统上运行AI、数据分析和HPC工作负载相比，总体拥有成本（TCO）降低了三倍。