AI很好，但如何才能深入應用于不同行業？AI落地，當前仍然面臨著最后一公里的難題。業界普遍認為：數據結合難、業務價值不佳、數據科學人才稀缺、算力成本負擔重，是企業落地AI最常見的四大阻力。縮短最后一公里、實現更大量的合作，核心其實是降低門檻、提高效率。

　　打個比方，假設企業用AI的最終目標是做一個大蛋糕，他需要從種小麥開始嗎？當然不是。讓企業找到現成的源頭，獲取面粉、黃油、雞蛋、模具這些現成材料，才是更省事省力的選擇。

　　英偉達正在攜手生態伙伴為企業提供這些“現成的材料”。英偉達剛剛發起的全球首個NVIDIA認證系統，意在通過堅實的技術基礎和廣泛的生態合作，進一步推進AI在各行各業的泛化能力。

　　AI基礎設施需要一場變革

　　根據Gartner數據，目前37%的企業機構在生產中使用了AI，預計到2024年這一比例將翻倍至75%。AI是這個時代最強大的技術，但是，它需要新一代經過調整和測試的計算機來推動其發展，也就是說，來自于基礎設施的變革迫在眉睫。

　　英偉達NGC產品管理總監Adel El-Hallak告訴與非網，AI基礎設施的變革主要來自于三大顛覆力：爆發的數據量、更大更復雜的AI模型、以及業界對于更好的產品和服務的追求。

　　一方面，企業試圖從不斷增加的數據中，總結出隱藏的戰略洞察。例如，沃爾瑪每小時要處理超過2.5PB的數據，阿里巴巴正在利用AI洞察數據、優化搜索排名和產品推薦。另一方面，短短5年內，篩選這些數據的AI模型規模增長了近3萬倍，使用這些數據的模型和工作負載的多樣性也在不斷擴大。

　　日益增加的數據量、不斷擴大的AI數據篩選模型，導致數據中心和網絡邊緣的網絡流量呈指數級增長。企業如何才能獲得更好的產品和服務？一個安全、可靠、高速并且能夠有效擴展的基礎設施是關鍵。

　　解鎖大量應用的關鍵

　　Adel El-Hallak以計算機視覺圍繞圖像分類、目標檢測等應用的興起談到，AI模型解鎖了各種各樣的不同用例，提供了更好的產品和服務，但模型也變得越來越復雜和龐大。不過，這是一個良性循環，當我們在使用這些產品和服務的同時，也正在生成數據，利用這些數據對模型進行再訓練，能夠進一步改進現有產品和服務。

　　不論是從端側到數據中心，還是從智能網絡接入的海量應用，AI基礎設施的四大支柱始終是：功能、性能、可擴展性、安全性。基本功能是最根本的要素；性能特征取決于具體用例，是系統的重要指標；可擴展性決定了系統應對不同場景的伸縮能力；安全的數據是優勢，必須確保從數據、平臺到應用層的所有安全。

　　為了讓其AI技術廣泛落地使用，服務器OEM成為英偉達一個很大的突破口。或者說，服務器OEM生態系統的參與讓英偉達更加興奮。

　　從早期集中在訓練場景，發展到在推理場景的大規模應用階段，AI最終將成為一種基礎能力。在這個過程中，服務器始終是重要環節。一方面，AI 算法需要大量的數據和算力來完成任務，依靠云服務來執行計算；另一方面，在提供智能云體驗上，由 AI 驅動的解決方案能幫助企業在 AI 時代快速占領制高點。

　　據Adel El-Hallak介紹，NVIDIA認證系統提供能夠企業部署AI所需的性能、可編程性和安全吞吐量。這些系統既結合了基于NVIDIA Ampere架構的GPU算力，還有安全、高速的NVIDIA Mellanox網絡。此外，還有包括英偉達CUDA和NGC Catalog的整個軟件堆棧的支持。

　　NGC被認為是這一認證系統背后真正的寶藏。Adel El-Hallak解釋，當一個企業購買了NVIDIA認證系統后，NGC目錄能夠為他們解鎖各種各樣的應用程序。

　　NGC目錄是適用于深度學習、機器學習和高性能計算的GPU優化型軟件中心，包括針對醫療健康的Clara、針對機器人的Isaac等，這些軟件套件可以幫助企業快速進入某個垂直細分市場。此外，它還包含幫助企業在推薦系統Merlin和智能視頻分析Metropolis等新興用例中起步的框架。通過NVIDIA認證系統，企業能夠使用這些強大的算力硬件和適用范圍廣泛的軟件。

　　如何通過NVIDIA測試認證？

　　具體而言，NVIDIA認證系統必須通過四方面測試：深度學習訓練和推理、機器學習算法、智能視頻分析、網絡和存儲卸載。

　　為了通過認證，服務器系統必須接受廣泛的工作負載測試，涵蓋從需要多個計算節點的工作到只需要使用單個GPU部分性能的任務等。這些測試也都是基于現實世界中的用例，使用的是NGC目錄中常用的AI框架和容器。

　　英偉達這項開創先河的認證計劃宣布的同時，全球首批加速服務器通過也通過了這一認證測試：戴爾科技、技嘉、慧與、浪潮和超微的認證服務器均于1月27日開始供貨。首批使用NVIDIA A100 Tensor Core GPU的系統包括：

　　戴爾EMC PowerEdge R7525和R740機架服務器

　　技嘉R281-G30、R282-Z96、G242-Z11、G482-Z54、G492-Z51系統

　　慧與 Apollo 6500 Gen10系統和慧與 ProLiant DL380 Gen10服務器

　　浪潮 NF5488A5

　　超微A+服務器AS-4124GS-TNR和AS-2124GQ-NART

　　這些產品都帶有NVIDIA認證系統標識，可以處理機器學習、數據分析等領域最棘手的任務。

　　寫在最后

　　AI在產業端落地仍缺乏足夠的規范和標準，而只有一個產業被科學化、工程化之后，才有望實現規模化落地。英偉達推出認證系統，正是希望舉生態之力，推動AI的廣泛落地，而背后的深層動力，則是希望在普遍落地的產業端，繼續在云端市場的輝煌。

　　在AI深度化、廣度化的應用過程中，不止一家企業說“落地難”，一是規模化普及時數據科學人才的短缺，二是多維行業數據、多維融合的困難。更何況，現在還有絕大部分場景需求還未釋放出來，人才短缺是主要根源。英偉達此舉，在構筑起更為龐大的生態系統時，對迫切需要平臺支持、讓AI應用更便捷的企業來說，倒也確實是很大的推動力。