在人工智能时代构建内存和存储

人工智能推理时代已经到来。想象一下，一个医疗保健系统实时分析数百万个数据点以加速救生医学研究，或者一个智能助理立即解决数千个复杂的客户需求。这些现实世界的突破依赖于先进的基础设施，作为持续智能的引擎，为实时服务提供支持，同时还支持物联网和消费设备日益智能的优势。然而，在这种推理驱动的环境中，每一次延迟、瓶颈或浪费的瓦特都会直接影响人类的成果和运营成本。这一转变改变了基础设施必须提供的内容。无法在孤岛中优化性能、延迟、内存带宽、存储吞吐量和网络。推理工作负载是连续的、地理分布的，并且对响应时间高度敏感，需要从一开始就针对规模、弹性和效率而设计的系统。“我们倾向于将人工智能视为单一工作负载，但事实并非如此。Tirias Research创始人兼首席分析师Jim McGregor表示：“有数千个、数百万个、数十亿个不同的工作负载。”人工智能推理将优化问题从原始计算问题转变为协调一致的基础设施（内存、存储和网络）。对于企业领导者来说，优先事项很明确：人工智能基础设施决策必须平衡成本、灵活性和未来准备情况。获胜者将是那些提高每瓦性能、减少环境足迹以及在限制增长之前消除内存和存储瓶颈的组织。人工智能系统需要重新架构，因为将现代人工智能系统塞进遗留基础设施会限制人工智能的变革潜力。针对人工智能的真正价值至关重要，从加速科学发现到创建真正自主的数字代理。传统企业IT已经能够依赖相对稳定的基础设施假设，但推理和代理

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。