當一個新概念成為一個可行的商業(yè)工具時，許多企業(yè)會積極使用這種技術來加入市場趨勢。這包括人工智能(AI)和機器學習(ML)。各種規(guī)模的組織都在積極投入時間和資源，加快技術發(fā)展，并將其應用于業(yè)務發(fā)展，從擁有數(shù)百年歷史的高科技巨頭到致力于創(chuàng)新的創(chuàng)業(yè)公司。

但是人工智能不僅僅是一種流行的時尚。全球企業(yè)在人工智能方面的支出將從2016年的6.44億美元增加到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(chǎn)品或服務等方面發(fā)展的動力。

人工智能(AI)和機器學習(ML)最后，它將為大多數(shù)企業(yè)提供動力。人工智能的驅(qū)動力是什么？這就是強大的數(shù)據(jù)和處理能力。

巨大的潛力，巨大的局限性。

人工智能對垂直行業(yè)和每個企業(yè)的潛在影響不容小覷。隨著沒有輔助機器學習和自然語言處理(NLP)隨著深度學習能力的提高，每一項技能的應用將繼續(xù)增加并擴展到一個新的用例。

許多企業(yè)都在研究如何使人工智能？(AI)和機器學習(ML)該技術用于識別和跟蹤對象、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。盡管這些領域的制造商希望使用這種技術來實現(xiàn)這一承諾，但其他公司已將這些創(chuàng)新應用于自動駕駛汽車、呼叫中心、客戶服務和網(wǎng)絡安全的實際應用。

多年來，采用人工智能技術的企業(yè)一直在系統(tǒng)、戰(zhàn)略地總結數(shù)據(jù)。他們已經(jīng)領先于剛剛開始關注數(shù)據(jù)收集和組織的組織。但是他們也面臨著人工智能(AI)和機器學習(ML)技術限制：容量。

智能技術對功率、容量、速度至關重要。

驅(qū)動人工智能(AI)和機器學習(ML)人工神經(jīng)網(wǎng)絡的發(fā)展(ANN)目的是建模和處理輸入和輸出之間的關系。為了實現(xiàn)這一點，他們需要存儲大量的輸入數(shù)據(jù)，并且需要大規(guī)模計算來理解這些關系，并提供適當?shù)妮敵觥?/span>

為了提供客戶自助服務，考慮部署聊天機器人，協(xié)助聯(lián)絡中心的客戶服務代理團隊。理想情況下，機器人能準確地回答問題，將客戶引導到合適的資源，并通常以自然的方式與客戶互動。

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)消費者使用的字典(即他們的母語)進行比較，以“理解”互動的背景，并根據(jù)這些輸入“做出決定”，希望能夠做出正確的反應，并像人類一樣立即實施。

然而，這些過程所需的處理器和內(nèi)存資源(DRAM)消耗的大量帶寬超過了大多數(shù)內(nèi)部部署數(shù)據(jù)中心網(wǎng)絡設計可以處理的帶寬。因為涉及的CPU或GPU數(shù)量遠遠超過大多數(shù)組織準備的數(shù)量，它們也會增加相當大的功耗。并且嘗試在單個數(shù)據(jù)中心完成所有的操作都會導致延遲，這可能會破壞產(chǎn)品或阻礙應用程序嘗試完成的任何事情。

混合化人工智能。

為了解決帶寬和計算問題，降低運營成本，消除延遲問題，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(zhuǎn)向混合部署的邊緣數(shù)據(jù)中心。

為設施中的云計算提供商提供一個簡單的入口，以顯著降低延遲和數(shù)據(jù)傳輸成本。直接云連接產(chǎn)品可以降低延遲和數(shù)據(jù)傳輸成本，同時無需人工為每個提供商提供私人WAN連接。

為了進一步減少特殊環(huán)境與所選云計算提供商之間的延遲，與云計算提供商的核心計算節(jié)點非常接近。

盡可能接近最終用戶和設備，使處理信息更接近用戶或設備，從而顯著提高性能和可靠性。這特別有利于支持對延遲敏感的人工智能應用，如自動駕駛車輛或網(wǎng)絡安全運行，同時可以限制提高工作負載的靈活性和成本管理。

為了促進可持續(xù)增長，有可擴展和可配置的中央基礎設施。人工智能和機器學習技術在人們?nèi)粘Ｉ钪械膽迷絹碓匠墒旌推毡?。正如他們所做的，提供這些產(chǎn)品和服務的企業(yè)需要從戰(zhàn)略角度考慮如何平衡各種業(yè)務需求，釋放其技術的全部潛力，以保持競爭優(yōu)勢。

標簽：人工智能,機器學習,AI人工智能,AI網(wǎng)絡神經(jīng)