[白皮书] 人工智能成功指南
发布时间：
2021-06-23 16:37
在上一篇文章《AI基础设施常见的5个挑战》中，我们分析了大多数企业在实施AI项目、数据管理、平台优化和扩展方面很容易碰到的5个问题，即：
1 AI项目进入生产所花时间过长
2 系统因数据量大而不堪重负
3 系统未针对AI进行优化
4 AI系统难以扩展到生产规模
5 影子 AI项目是令人头疼的事
除了上述挑战，我们还应该看到AI对企业文化产生的影响。近年来，人们对AI潜力感到兴奋，但有时候也容易因为媒体炒作而对AI项目产生过高的预期，所以有必要建立集中式的AI卓越中心，让一个核心的、脚踏实地的专家团队来区分炒作与现实。AI卓越中心将数据收集、信息综合处理和管理等业务活动标准化，确保整个企业数据的统一管理，并可无缝地进行AI项目互操作。AI卓越中心既可以聚焦在技术战略，也可以专注于业务指标、设置KPI并评估业绩。随着AI的发展，我们利用它的方式，甚至是我们领导组织的方式也可能会发生变化。
亚马逊、谷歌、苹果和脸书等企业每天都会收集大量数据，通过自然语言处理和人脸识别来进行定向广告和精准营销。其实，各行各业的企业都拥有大量数据，比如运营数据、情境数据和多个来源的环境数据，这些数据可被用来扩充或增强企业现有的业务数据。成功地挖掘业务数据的隐藏价值，可以让企业将数据创新转化为竞争优势，从而推动市场的变革。DDN的很多用户已经成功地利用AI技术实现业务发展，我们在此分享一些案例，希望对您实施AI项目有所启发。
成功案例
1 新药研究和制药中的AI创新
新药发现初创公司RECURSION利用AI帮助制药公司找到合适的药物，以一种先进、特有的、效率很高的方法成功推向市场。基于AI的数据优先方法大大降低了成本， 提高了生物研究的效率。正是这种方法使RECURSION能够更快地将改变生命的新药推向市场。
Recursion
"多亏了DDN的AI平台，我们可以在几周，而不是几个月甚至几年内，就识别出了可能拯救生命的分子和药物类型。"
——Kris Howard，系统总工程师，RECURSTION
2 HPC和超级计算中的AI创新 ——佛罗里达大学
佛罗里达大学很重视AI教育和研究，其使命是让每一个毕业生都接受AI教育，并理解如何将AI应用于他们所学的学科。该大学部署的第三代HiPerGator超级计算机是学术界名列前茅的AI超级计算机，它集成了10台DDN AI400X 全闪存设备（共4 PB的高性能存储）和140台英伟达DGX A100系统（共包含1120块英伟达 A100 GPU），这台强大的SuperPOD推动着AI贯穿所有的学院和研究。
佛罗里达大学的研究计算信息技术中心主任Erik Deumens是一位计算物理学家，也是计算机科学家和超算系统的管理者， 在以下这段视频中， Erik分享了超级计算应用于非传统领域的情况。
3 医学研究和基因组学中的AI创新 ——圣犹达儿童研究医院
随着越来越多的企业和组织采用AI 创新，有些已经摸清了门道的人很乐意分享经验教训。在以下这段视频中，来自圣犹达儿童研究医院的计算工程师郭伟（音译）谈到了构建AI基础架构的注意事项，并提出了一些建议。
让您的AI项目获得成功
如您所见，企业要想从数据中获得商业价值，并从AI战略中获得真正的回报，就必须从规划开始进行投入。
因此，针对AI优化的基础设施必须具备特别的计算和存储架构才能获得成功。
在考虑AI基础设施需求时，明智的做法是首先与能够准确地理解您的目标和需求的专家取得联系。只有这样，你们才能一起打造一套真正适合您企业需求的解决方案。当您与DDN合作时，可以获得一个整体的、易于实施、可扩展的存储架构，它有助于释放AI基础设施的力量。基于此，您可以更大限度地利用AI设施来推动创新并获得竞争优势。
相关新闻
暂无数据
