2017年被國內許多研究人員視為是中國AI元年，也是AI生態(tài)和市場迅速發(fā)展的一年。在國家政策和資本注入的共同推動下，大量AI初創(chuàng)企業(yè)紛紛涌現、行業(yè)應用迅速落地。AI市場的火熱，也為以GPU服務器為主的AI基礎設施擴張造就了良機。一些市場調研機構的統(tǒng)計數據，也從側面佐證了這一觀點。

近日，國際數據公司IDC發(fā)布了新的《人工智能基礎架構市場（2019下半年）跟蹤》報告。該報告顯示，2019年人工智能基礎架構市場規(guī)模達到20．9億美元，同比增長58．7％。其中GPU服務器占據96．1％的市場份額。IDC預測到2024年，中國GPU服務器市場規(guī)模將達到64億美元。

當前，工業(yè)與學術界的數據科學家已將GPU用于機器學習以便在各種應用上實現開創(chuàng)性的改進，這些應用包括視頻分析、語音識別、圖像分類、以及自然語言處理等。在產業(yè)合作方面，浪潮、科大訊飛、今日頭條、滴滴等科技公司已經開始積極合作，致力于幫助行業(yè)客戶在視頻、搜索、語音、圖像、網絡等方面取得數量級的應用性能提升。

從硬件架構來看，AI服務器主要指的是采用異構形式的服務器，有CPU＋FPGA、CPU＋GPU、CPU＋TPU等多種形式。其中，采用CPU＋GPU結構的AI服務器十分廣泛。因此在業(yè)界，也有許多人將其默認為GPU服務器。截至目前，GPU服務器在醫(yī)療、游戲、電商、金融、安防等行業(yè)有著廣泛的應用。

人工智能需要強大的計算能力，也就是CPU＋GPU；快速的存儲，減少延遲提升性能；大內存容量，供海量數據分析；專用芯片，在某一AI計算領域可提供更強的性能及更低功耗，例如人臉識別專用芯片可以植入攝像頭中，功耗要比服務器低數十倍。

此外，GPU加速計算可以在GPU仍然運行其余程序代碼的情況下，將應用程序中計算密集部分的工作負載轉移到GPU，從而提供良好的應用程序性能。從用戶的角度來看，應用程序運行得更快�；�于此，提升GPU服務器性能勢在必行。

用戶在選購GPU，也要考慮業(yè)務應用先選擇GPU型號、使用場景及數量（邊緣和中心）、自我需求及IT運維能力、集群系統(tǒng)的成熟度及工程效率、配套軟件的價值以及服務的價值等因素。

人工智能AI平臺基礎架構中至關重要的就是存儲架構�？傮w來看，存儲架構主要有三種模式：基于數據塊的SAN存儲、基于文件的NAS存儲和對象存儲。未來，隨著人工智能技術在各領域應用程度的不斷深化，存儲結構也將進行相應的升級。

眼下，人工智能服務器正在快速的成熟和完善中，結合整個人工智能技術和服務的發(fā)展，未來人工智能服務器會重點在低功耗設計、智能邊緣計算、軟硬件平臺融合等領域產生新的突破。而在這一輪以深度神經網絡為理論基礎的人工智能大發(fā)展中，創(chuàng)新算法、海量數據和模型訓練計算能力是三個不容忽視的推動要素。

實際上，傳統(tǒng)行業(yè)與AI融合時所面臨的挑戰(zhàn)往往不在于算力，而在于缺乏平臺、應用程序開發(fā)，以及算法、模型調整方面的技術能力，未來業(yè)內人士也需要在這些方面進行強化。計算無處不在，互聯無處不在，AI無處不在，或許就是科技迅速發(fā)展的一大表現吧！