现在几乎所有的软件、硬件、互联网厂商都在炒AI，AI技术应用也逐步成为企业个人应用的主流。但是却很少有人注意到当下的硬件基础设施并不能滿足AI技术的应用需求，由此一场AI掀起基础硬件淘汰潮必将到来。
无适合硬件支持AI
如今AI早已不是科幻小说里的情节，你只需要看看无人驾驶汽车技术的快速发展，就不难看到AI技术对于人们生活的影响。不过，在企业层面上，为什么没有更多企业在其生产系统中使用AI呢?很大的问题是来自于企业现有的基础设施并不支持AI特性。
当Interop的报告向IT决策者询问AI推广障碍时，37%的参与者提到的最大问题就是AI基础设施的缺乏。而调研公司Constellation Research在2018年的AI研究中也指出，在接受调查的IT部门中，有32%的企业表示拒绝采用AI，其主要原因还是现有的IT基础设施硬件并不适合部署相关的AI技术。
此种现状则让企业IT专业人员陷入了困境。一方面他们需要支持并引入AI技术，另一方面他们并没有合适的硬件来支持AI。不过好消息是，在所有这些调查后还发现，越来越多的企业开始增加AI层面的预算，试图来扭转上述的尴尬局面。
算力急需升级
AI首先需要算力，最初为游戏和图形发明的GPU芯片，现已成为AI落地的第一载体。随着机器学习和面部识别技术不断在各个行业与学科里发挥重新定义的作用，基于AI的创新技术更是不断涌现，进而满足移动计算和物联网等领域的智能化需求。
AI芯片成热点
鉴于AI系统需要大量的计算力，为了支持这些系统有效运行，企业显然需要通过新一代的多核处理器或GPU服务器，甚至云计算来提供算力服务。此外，为了培训他们的机器学习系统，企业也需要大量的数据，这就意味着要扩充更多的存储容量。
当然，企业还要大量的网络资源来支持这些计算和存储系统。而上述种种无疑会推动企业内部IT基础设施走向新一轮的更新换代。据IDC预测，全球在认知系统和AI方面的支出将从2016年的80亿美元攀升至2020年的470多亿美元。而实际上未来由硬件淘汰产生的潜在支出规模将更加巨大。
AI改变IT软件工具
除了对硬件产生的影响外，机器学习等AI技术对IT软件工具也会影响较大影响。伴随机器学习不断积累，软件开发经验变得更加出色，通过接触到更多数据后，将能够不断改进自身算法与规则，向智能化迈进。例如无人驾驶技术不仅可以学习交通上的传统规则，还可以通过持续增加的里程数来逐步了解城市街道的真实情况。
而像谷歌和Facebook这样的大平台更借助能够访问庞大图像库的便利，通过使用机器学习来识别图像中人脸进而推出AI面部识别工具。同时机器学习也推动了翻译软件的速度和准确性快速提高，这得益于对先前翻译语言的分析，翻译是否准确以及大量用户的积极反馈。
目前针对企业IT管理的AI技术也不断演进，不难设想未来AI不仅可以对IT网络进行管理，提供保护，还可以积极维护网络系统。而这样的自动化水平被称为“AI定义的基础设施”。 像Kubernetes这样的容器技术结合AI技术，则让软件定义数据中心和编排智能化工具成为可能。
结语
现在许多AI驱动的创新正在起跑，有市场调研公司曾预测，到2021年IT服务提供商实施的40%新企业应用都将包括人工智能技术。面对来势汹汹的AI，一场硬件淘汰潮己然到来，而你的企业做好准备了吗?
