人工智能催生服务器市场“新贵”

本篇文章1195字，读完约3分钟

最近，Inspur发布了新的人工智能应用服务器AGX-5。不久前，NVIDIA和华为等巨头也推出了人工智能硬件产品。随着产品的密集发布，人工智能硬件市场正在蓬勃发展。根据国际数据公司(idc)发布的《2017年中国ai基础设施市场调查报告》(以下简称“报告”)，2017年ai硬件销售额同比增长235%，占整个ai市场的72.4%。

传统上，服务器是提供计算服务的硬件，这并不流行。然而，蓬勃发展的人工智能、大数据和云计算离不开服务器。因此，一直处于风口浪尖的服务器行业，已经进入了发展的快车道。

与传统服务器相比，人工智能服务器哪里更强？如何更新服务器的速度以适应人工智能的快速发展？前者的应用场景和挑战在哪里？

数据飞速增长传统计算能力难以满足需求

梯子很长，但是离月亮很远。人们用这句话来描述当今人工智能的发展阶段，但是达到这个阶段并不意味着不努力工作，尤其是计算能力的提高使得人工智能应用无处不在。越来越多的企业开始将人工智能或+人工智能作为自身转型的重要方向，但困难在于人工智能对计算能力的高要求。

算法的突破和数据洪流的爆发使人工智能产业成为可能，并使几乎所有的机器辅助功能成为可能。更好的电影推荐、智能服装、甚至无人驾驶汽车和预防性医疗保健都指日可待，或者很快就会实现。然而，应用终端的发展远远领先于硬件架构，现有的计算平台已经不足以满足人工智能的巨大计算需求。

许多专家表示，目前，人工智能、大数据和云计算的火热程度难以相提并论，三者形成了一个铁三角:大数据是人工智能的基石，当前的深度学习主要是基于大数据，即训练大数据，总结计算机在类似数据上可以使用的知识或规律；云计算作为计算、存储等资源的基础平台，为智能计算提供了计算能力。

Inspur集团副总裁彭真认为，融合了人工智能、大数据和云计算的智能计算主导着计算的需求和趋势。Ai服务器是智能计算的核心产品，给服务器市场带来了强劲的增长势头。

根据公布的信息，AGX-5每秒可以提供20万亿倍的单机人工智能计算性能。与以前类似的gpu服务器相比，支持4倍超大规模深度神经网络模型，训练速度提高10倍。

inspur AI & HPC总经理刘军认为，人工智能需求下的cpu跟不上形势，gpu已经变成了一片净红，服务器市场正在走向人工智能时代，加速器集成、机器学习、深度学习等工作负载已经成为人工智能服务器区别于以往的标签。目前，Inspur占据了国内ai服务器市场份额的57%，ai服务器的出货量增长了600%，是全球平均增长率的5倍。这一成就来自我们自身的力量和努力，也得益于整个时代所给予的机遇。

在未来的竞争中，市场表现是可以预期的

根据“报告”，2017年中国人工智能服务器的总销售额为5.68亿美元，出货量为27，863台。面对巨大的市场，为人工智能提供计算服务的服务器行业已经跟随人工智能服务器领域的趋势。但不是所有的服务器都能满足时代的需求，所以竞争来了。

巨大的人工智能服务器市场吸引了世界各大服务器巨头的进入，并且动作频繁，呈现出竞争激烈的趋势。

2017年初，Inspur宣布成立人工智能和高性能产品部，先后发布了abc(人工智能、大数据、云计算)一体机、基于NVIDIA gpu技术的全线ai计算产品和解决方案、基于fpga的ai加速解决方案等。9月初，国际信息技术巨头思科公司推出了第一台用于深度学习工作负载的服务器；戴尔emc还推出了自己的内务人工智能服务器& hellip& hellip可以说，人工智能服务器已经成为世界上所有主要服务器制造商的制高点。

用于人工智能工作负载的服务器是服务器市场快速增长的一部分，2022年人工智能服务器基础设施的市场规模将达到176亿美元。idc最近发布的报告《全球人工智能服务器基础设施预测，2018-2022》显示了这块大蛋糕的吸引力。idc预测，到2021年，全球人工智能支出将增长50%以上。

争夺人工智能服务器市场，谁能笑到最后？刘军认为，把握趋势、推进模式、引领技术非常重要。

一些行业专家也表示，从行业发展规律来看，重视研发和持续投资，企业发展的可持续驱动力将持续很长时间；与此同时，在强调用户体验的时代，为客户的特定业务提供从R&D、生产、供应到运营和维护的业务链服务是当务之急。

强调了应用场景多样化定制的趋势

人工智能的核心是机器学习，而使计算机智能化的根本途径是机器学习。在人工智能服务器的帮助下，机器学习的应用场景已经非常广泛，如图像识别、自然语言处理、医学诊断、市场分析、故障检测与诊断；& hellip

一些专家认为，企业对人工智能需求的不断深化需要一个非常强大的计算平台来支持在线推理和离线培训。该ai计算平台涉及gpu、cpu、tpu、fpga等硬件，并拥有相应的顶尖企业。例如，英伟达图形处理器以优异的性能胜出，英特尔在中央处理器方面有明显的优势，而谷歌则以特殊的tpu加速器致力于深度学习场景。