企业AI项目-ESG调查报告| 企业及HPC直接使用者对AI基础设施的看法

发布时间:

2021-08-26 00:00

  

  Enterprise Strategy Group (ESG) 是一家IT 分析、研究、验证和战略咨询公司,为全球 IT 行业提供市场信息和具体行动方案。近期,ESG公司的分析师访问了一些来自不同行业的IT经理和直接使用者,受访机构在生产环境中采用了DDN和NVIDIA提供的联合解决方案来支持人工智能(AI)和机器学习(ML)应用,这些受访者评估了其AI项目的实施成果,并指出了AI基础设施解决方案应考虑哪些重要因素。在此分享ESG调查报告的主要发现。

  当前,数据在决定企业成功方面发挥着至关重要的作用。ESG公司近期的调查显示,98%的企业正处于数据驱动的数字化转型的某个阶段。这些几乎无处不在的转型计划的目标主要包括:实现更高的运营效率,通过转型来促进营收增长,发现新的市场机会。具体数据如下:

  · 56%的受访企业希望提高运营效率

  · 40%的受访企业希望提供更好的客户体验

  · 38%的受访企业希望开发新的创新产品和服务

  · 25%的受访企业希望开发全新的商业模式

  投资人工智能(AI)和机器学习(ML)可能是数字化转型成功的关键。然而,基于AI/ML的项目近几年才兴起,但发展迅速,这对如何构建适当的支持AI的环境提出了挑战。企业规模越大,挑战也越大。企业需要IT基础设施来支持和赋能其重金投入的数据科学家团队,但仅仅依靠具有传统功能的硬件是不够的,IT团队同时需要专业人员和专业工具,才能借助AI实现商业成功。 DDN和NVIDIA是基础设施领域的领军企业。更重要的是,这两家供应商都是AI/ML领域的专家,也是许多正在加强AI/ML环境建设的企业和机构的重要合作伙伴。NVIDIA DGX™A100系统配备了8块NVIDIA A100 GPU和2颗第二代AMD EPYC™处理器。随着该系统的推出,这两家结为合作伙伴的供应商再次提高了行业标准。DDN和NVIDIA的技术合作已经形成了完整的基础设施(DDN A³I存储匹配NVIDIA DGX A100系统),DDN A³I存储解决方案的并行性确保了NVIDIA A100 系统上的GPU得到尽可能的利用,已经为不同规模的企业IT部门及直接使用者带来了诸多收益。

  人工智能竞赛及其对现代商业的意义

  ESG的调查显示AI项目在企业中快速发展。因为这些AI项目切实发挥了作用,所以企业正在迅速投资AI/ML项目。调查显示:

  u 82%的企业在六个月甚至更短时间内发现了AI/ML的价值。

  u 与那些仍处于AI/ML实施早期阶段的企业相比,将AI/ML投入生产的企业被认为是该市场的了领军者的可能性是前者的两倍(29% : 15%)。

  u 与那些仍处于AI/ML实施早期阶段的企业相比,将AI/ML投入生产的企业被认为拥有强大商业地位的可能性是前者的两倍以上(55% : 26%)。

  图1显示,无论企业的具体目标是什么,他们的AI/ML项目正在以惊人的速度达到或超过他们的预期。这种成功增加了企业对AI项目的兴趣和投资 —— 在已经利用AI的企业中,63%的企业预计将在2021年加快投资。但是,随着企业采用和使用AI的步伐加快,IT团队面临的挑战是提供一个能够跟上AI使用步伐的基础设施环境。

  图1:基于目标评估的AI/ML项目成功率根据贵公司的AL/ML目标,你如何基于预期评价每个项目迄今为贵公司带来的收益(受访者百分比)

  

 

  部署AI基础设施面临的挑战

  支持AI的基础设施给IT团队增加了挑战和复杂性。总体而言,ESG调查的75% 的企业表示,在过去两年中,其IT环境变得更加复杂,其中28%的企业认为需要支撑AI/ML等新兴技术是IT复杂性增加的原因。更为棘手的是,36%的企业表示缺乏AI/ML领域相关技能。 是否配备合适的存储基础设施极大地影响了AI项目的成功率,当ESG询问IT决策者什么是其AI基础设施中较薄弱的环节时,22%的IT决策者认为是数据存储。选择合适的数据存储架构对于AI/ML项目成功与否很关键。 图2描述了受访企业支持AI/ML项目(主要是模型开发和部署)的基础设施所考虑的重要因素。图中强调了一些关键因素,包括数据治理和数据安全 —— 因为AI/ML项目很可能与敏感数据相关。此外,企业期望硬件利用率高,尽可能低的延迟,以及与加速AI的GPU集成。

  图2:支持AI/ML模型开发及部署的基础设施的考虑因素针对数据管道的每个阶段,当贵公司考虑支持AI/ML项目的基础设施解决方案时,以下哪些因素是很重要的,或将来有可能是很重要的?

  

 

  采用DDN A³I存储解决方案匹配NVIDIA DGX™ A100 系统的受访机构普遍认为其AI/ML项目发展得更快、成本效益更佳,而且问题更少。传统超级计算机往往需要长时间的规划、采购、集成和调优,相比之下,DDN与NVIDIA的参考架构很容易部署,只需几周时间就可完成业务平台的实施,受访机构即可快速开始AI驱动的业务转型,同时确保了数据安全并稳定可用。

相关新闻

暂无数据

暂无数据