当今的企业组织正在大规模使用AI人工智能应用程序来分析经历指数级增长的大量数据。这不仅要求极高，而且还需要强大的并行处理功能，因此不再有原始的标准化CPU。充分执行许多AI解析任务。鉴于此，当企业香港机房接近或满足香港服务器性能的瓶颈限制时，应采取哪些有效措施？

　　在本文中，我们将帮助您的企业香港机房做好准备并应对AI应用程序对企业本地部署环境和云基础结构施加的限制。同时，我们还采访了香港机房行业的同行，并邀请他们提供相关的指导意见，包括企业香港机房与香港服务器供应商之间紧密合作的重要性。这些香港服务器供应商可以使您的公司从早期过渡到稳定的高级生产阶段，并利用AI功能提供指导。

　　当前的公司组织正在积极努力解决许多变量，以确定他们在如何使用人工智能（AI）应用程序方面的立场，这些应用程序提供了来自深度学习的新见解。可以说，此区域目前充满无限商机。不采取积极行动可能会导致商业灾难，因为该公司的竞争对手正在收集和分析和处理以前无法用于扩展其客户的大量数据。大多数企业组织已经意识到了这一艰巨的挑战，因此他们的业务部门，IT员工，数据科学家和开发人员正在共同努力确定公司的人工智能战略。

　　在某种程度上，采用AI策略的公司将逐渐体验领先公司在AI应用程序使用方面的过去经验：其香港服务器性能将遇到瓶颈局限。人工智能应用程序（尤其是深度学习系统）可以分析不断增长和不断增长的数据信息，但是这些系统非常苛刻并且需要强大的并行处理能力，因此越来越多的标准化CPU已经可用。这些AI任务无法完全实现。处于早期和高级阶段的AI用户必须在某个时候重塑其香港服务器基础架构，以实现所需的性能。

　　因此，IDC建议正在开发AI功能或扩展现有AI功能的企业组织以严格控制的方式解决此服务器性能瓶颈。充分注意相关细节，实施下一步基础架构迁移非常重要。此外，我们建议他们与服务器供应商紧密合作，后者可以利用AI功能提供指导，从而为企业客户从早期阶段过渡到稳定稳定的生产阶段。IDC发现，大多数从事概念证明（POC）测试或人工智能和深度学习应用程序生产模式领域的公司在某种程度上已达到“服务器基础结构瓶颈”的水平。有时，这些公司迁移到不同级别。在服务器基础架构之后，将出现多个基础架构瓶颈问题。

　　IDC在开始在现有内部服务器基础架构上运行AI应用程序时对他们所经历的相关组织进行了采访。 77.1％的受访者表示，他们在内部服务器部署基础架构上运行AI遇到一个或多个限制。在采用认知软件的云用户中，有90.3％的企业遇到了此限制。在企业的本地服务器环境和云基础架构中运行AI应用程序的局限性。

运行AI应用程序的基础架构的瓶颈限制

　　2017年6月，IDC由于这些基础设施的瓶颈局限性，许多公司很快经历了代际变化。尽管人工智能应用程序和深度学习在短短几年内兴起，但IDC发现仍有22.8％的公司使用第三代香港服务器基础结构来运行其人工智能应用程序，而37.6％的公司正在使用第二代香港服务器基础结构39.6 ％的企业正在使用第一代服务器基础结构。上面这些调查的百分比表明，当前的公司客户正在寻找正确的基础架构。

人工智能服务器基础架构的最常见代理

　　2017年6月，IDC转向了具有更高处理器性能（通常是最常用的措施），更大的I/O带宽和加速器的系统，这是一个合理的决定。但是这些数据也表明理想配置的不确定性。一些公司尝试横向扩展规模并扩大规模。其他人则采取相反的方法。其他一些迁移是从虚拟机开始的，然后迁移到专用服务器，而其他迁移则相反。

　　这些矛盾的措施实际上并不像看起来那样奇怪。当前的企业组织不仅在AI软件上进行测试，而且还在基础架构上进行试运行。一些公司已开始采用横向扩展部署，随着解决方案的成熟，他们决定要求更高的性能，而香港机房的现有扩展系统中提供了更高的性能。其他公司已在扩展系统的分区上启动POC，并决定在解决方案进入下一阶段时将其移至单插槽或双插槽服务器群集。同样，解决方案可能是在虚拟机中开发的，然后迁移到专用服务器以在某些隔离环境中进行进一步开发（许多公司更喜欢在早期阶段这样做）。IDC认为，所有这些迁移计划都值得进行早期试验和开发。利用现有环境意味着延迟对新服务器基础架构的投资，直到企业知道最合适的配置为止。但是，一旦应用程序即将运行并准备投入生产，就必须及时做出合理的基础架构决策，以避免达到基础架构瓶颈。

　　根据已经运行AI应用程序的企业用户的反馈，我们认为，认知应用程序的理想基础架构配置是一组带有加速器的单服务器或双服务器，但是公司也可以调整其业务需求。稍后添加加速器。中型系统集群也是可行的，但只有在工作负载迅速扩展的情况下才有意义。其他配置也是可能的。从对企业用户的研究中可以明显看出，超融合系统和虚拟机已显示出对认知应用的影响较小。