过去20年的每一次企业技术浪潮，从数据库和虚拟化到大数据和其他，都传授了重要的一课。人工智能——以及支持它的基础设施——也不例外。为了获得可以激发创新的牵引力和广泛采用，需要标准化、成本管理和治理。不幸的是，今天许多组织都在努力解决这三点问题。
不拘一格且昂贵的工具、模型和技术遍布许多企业。选择可能因数据科学家或工程师而异。因此，没有一致的体验。在小组之间工作并将试点扩展到生产中可能很困难。
对于许多企业和IT领导者来说，管理AI成本仍然很困难。一个新项目可以廉价地启动，但很快就会失控。选择、构建和集成 AI 所需的强大全栈基础设施的成本很快就会成为预算的破坏者，尤其是在本地环境中。
至于治理，人工智能工作经常被孤立或分散在团队、团体和部门之间，而没有IT的监督。这使得很难或不可能确定在何处使用哪种技术，以及模型、有价值的IP和客户数据是否安全合规。
“AI 优先”基础设施的力量
基于云的专门构建、端到端、优化的人工智能环境可以有效地满足所有三个需求，NVIDIA 企业计算副总裁 Manuvir Das 说。
在云、工具和平台（如 NVIDIA AI 企业版）上进行标准化，用优化的端到端环境取代了整个组织中各种技术的折衷蔓延。所有硬件和软件网络都旨在协同工作。Das解释说，这类似于企业在VMware上实现虚拟化标准化，Oracle标准化用于数据库或Salesforce进行CRM。
标准化消除了选择、构建和维护技术堆栈的复杂性，消除了猜测和开源可能带来的不愉快惊喜。主要好处包括提高简单性、效率和更快的开发、运营、培训、维护、支持和增长。这些平台由专门的合作伙伴提供支持，该合作伙伴具有保持解决方案测试、运行和最新所需的专业知识。
“在所有这些领域，团队不再需要自己做所有的基础工作，”Das解释道。“标准化的平台使他们能够更快地完成富有成效的工作。一旦这项工作开始，它就会变得更快，因为它不仅在处理器级别加速，而且在整个加速链、存储、网络等方面加速。
简化成本控制和治理
如今，可以根据企业的工作负载优化基础架构 — 如果您不需要能够进行大型推理的庞然大物，那么为更小占用空间构建的标准化平台可以大大降低成本。
从那里开始，成本控制有几种方式。首先，IT 部门收回对支出的监督，全面了解谁在购买以及他们正在购买什么。其次，标准化环境带来了采购和整合的规模经济。第三，专用 AI 基础设施加速了 AI 工作负载的处理。这意味着花在训练、推理和扩展的云账单上的时间更少。反过来，这可以释放资金来投资开发新的人工智能用例并释放新的机会。它还可以在整个公司整合人工智能创新文化，邀请更多团队概念化并启动自己的想法。
“每个从事人工智能工作的团队都在公司内部经历了一场斗争，以获得启动项目的资金，”Das说。“一旦它被标准化为公司内部的平台，下一个人工智能项目的开始就会容易得多。每个团队都将看到使用人工智能来改善业务部分的机会。
对于治理，标准化的 AI 云基础架构提供问责制，能够衡量成本、价值、可审计性和合规性等关键指标。此外，专用基础设施各个方面都内置了安全层，可以更好地防御不良行为者，并使业务关键型数据保持私密性。
使 AI 在整个组织中可访问
“对于下一波技术和创新，公司需要押注他们可以在整个公司交付的人工智能平台，”Das说。“一个专用的、标准化的平台意味着不再从头开始，将人工智能交到更多的人手中，用更小的团队做更多的事情，降低成本。它可以阻止混乱，重新发明轮子和项目在真正开始之前就枯萎了。
椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/2198.html
文章评论