當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以加入市場潮流。這其中包括人工智能（AI）和機器學習（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，加速技術的發(fā)展，并將其用于業(yè)務發(fā)展。

但人工智能不僅僅是一種流行的時尚。分析機構Tractica公司預計，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、產品或服務等各方面發(fā)展的驅動力。

人工智能（AI）和機器學習（ML）最終將為大部分企業(yè)提供驅動力。人工智能具有什么樣的驅動力？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。隨著無輔助機器學習、自然語言處理（NLP）以及深度學習能力的提高，每項技能的應用將繼續(xù)增長并擴展到新的用例。

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

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

功率、容量、速度對智能技術至關重要

驅動人工智能（AI）和機器學習（ML）發(fā)展的人工神經網(wǎng)絡（ANN）旨在并行地建模和處理輸入和輸出之間的關系。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系，并提供適當?shù)妮敵觥?/p>

考慮部署聊天機器人以提供客戶自助服務，協(xié)助聯(lián)絡中心的客戶服務代理團隊。在理想情況下，機器人可以準確地回答問題，將客戶引導到適當?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，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存資源（DRAM）消耗的大量帶寬超出了大多數(shù)內部部署數(shù)據(jù)中心網(wǎng)絡設計所能處理的帶寬。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，它們還會增加相當大的功耗開銷。并且嘗試在單個數(shù)據(jù)中心內完成所有操作將會引入延遲問題，這可能會破壞產品或阻礙應用程序嘗試完成的任何事情。那么企業(yè)應該做些什么？

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用程序的企業(yè)越來越多地轉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：

為設施內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備，使處理信息更貼近用戶或設備，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)絡安全運營等對延遲敏感的人工智能應用，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設施，以促進可持續(xù)增長。

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