2017年被国内许多研究人员视为是中国AI元年，也是AI生态和市场迅速发展的一年。在国家政策和资本注入的共同推动下，大量AI初创企业纷纷涌现、行业应用迅速落地。AI市场的火热，也为以GPU服务器为主的AI基础设施扩张造就了良机。一些市场调研机构的统计数据，也从侧面佐证了这一观点。
近日，数据公司IDC发布了新的《人工智能基础架构市场(2019下半年)跟踪》报告。该报告显示，2019年人工智能基础架构市场规模达到20.9亿美元，同比增长58.7%。其中GPU服务器占据96.1%的市场份额。IDC预测到2024年，中国GPU服务器市场规模将达到64亿美元。
当前，工业与学术界的数据科学家已将GPU用于机器学习以便在各种应用上实现开创性的改进，这些应用包括视频分析、语音识别、图像分类、以及自然语言处理等。在产业合作方面，浪潮、科大讯飞、今日头条、滴滴等科技公司已经开始积极合作，致力于帮助行业客户在视频、搜索、语音、图像、网络等方面取得数量级的应用性能提升。
从硬件架构来看，AI服务器主要指的是采用异构形式的服务器，有CPU+FPGA、CPU+GPU、CPU+TPU等多种形式。其中，采用CPU+GPU结构的AI服务器十分广泛。因此在业界，也有许多人将其默认为GPU服务器。截至目前，GPU服务器在医疗、游戏、电商、金融、安防等行业有着广泛的应用。
人工智能需要强大的计算能力，也就是CPU+GPU；快速的存储，减少延迟提升性能；大内存容量，供海量数据分析；专用芯片，在某一AI计算领域可提供更强的性能及更低功耗，例如人脸识别专用芯片可以植入摄像头中，功耗要比服务器低数十倍。
此外，GPU加速计算可以在GPU仍然运行其余程序代码的情况下，将应用程序中计算密集部分的工作负载转移到GPU，从而提供良好的应用程序性能。从用户的角度来看，应用程序运行得更快。基于此，提升GPU服务器性能势在必行。
用户在选购GPU，也要考虑业务应用先选择GPU型号、使用场景及数量(边缘和中心)、自我需求及IT运维能力、集群系统的成熟度及工程效率、配套软件的价值以及服务的价值等因素。
人工智能AI平台基础架构中至关重要的就是存储架构。总体来看，存储架构主要有三种模式：基于数据块的SAN存储、基于文件的NAS存储和对象存储。未来，随着人工智能技术在各领域应用程度的不断深化，存储结构也将进行相应的升级。
眼下，人工智能服务器正在快速的成熟和完善中，结合整个人工智能技术和服务的发展，未来人工智能服务器会重点在低功耗设计、智能边缘计算、软硬件平台融合等领域产生新的突破。而在这一轮以深度神经网络为理论基础的人工智能大发展中，创新算法、海量数据和模型训练计算能力是三个不容忽视的推动要素。
实际上，传统行业与AI融合时所面临的挑战往往不在于算力，而在于缺乏平台、应用程序开发，以及算法、模型调整方面的技术能力，未来业内人士也需要在这些方面进行强化。计算无处不在，互联无处不在，AI无处不在，或许就是科技迅速发展的一大表现吧！
我要评论