一般在探討企業的AI應用時，大多圍繞在兩大主題：「軟體」如演算法或「數據」的收集和分析。例如AI 若要協助醫生判斷超音波或X光片、就要先累積足夠的病歷圖像；另外還要有稱職的演算法，讓人工智慧得以準確分辨皮膚上的黑斑是無害或有惡性徵兆。
確實，「軟體」及「數據」是具備AI能力的關鍵，不過同樣重要但更容易被企業或組織忽略的是：「硬體」的建置。唯有硬體、軟體、數據，三者的妥善結合，企業在導入AI並利用AI來達成數位轉型時，才能夠縮短學習曲線，避免不必要的重複投資。
AI 占系統工作量大，IT 基礎架構至關重要
研究機構IDC最新調查，AI技術正在起飛，兩年之內，全球企業的IT系統負載量，將有25%被AI取代；而其中的五到六成，又會被「深度學習」所佔據。換言之，無論是廣義的人工智慧運算，或者是人工智慧中的「深度學習」技術，都將佔去不少IT資源。為了運作順暢，就需要適當的硬體，例如專用及高效能的伺服器基礎架構。
只是一旦捲起袖子進了 AI 應用這個廚房，硬體的投資究竟有多大？這是企業最關切的問題之一。畢竟 AI 的技術演進太過快速，可能今年才建置硬體，明年就面臨跑不動的「撞牆期」。根據 IDC 調查發現，45% 中小企業及 35% 大型企業認為，自家的AI 基礎架構只能再撐一年，而有 15% 企業表示，已經面臨撞牆期。
如果未來必須不斷增建或升級系統，企業就要評估投入成本及回收效益，將成本控制在一定範圍內，以免被不當的投資決定所綁架。舉例來說，涉及運算能力的「處理器」，例如 GPU、FPGA、多核心處理器等等，不斷有新一代的方案，汰換的速度之快，往往令使用者追不上腳步。
除了處理器之外，導入 AI 應用還會在 IT 基礎架構上面臨幾個常見的問題，包括：橫向擴充與縱向擴充的轉換、VM （虛擬伺服器）與專用伺服器的相互轉換、 I/O 頻寬必須提高。。。等等。這種種專業的技術問題，往往讓企業或組織躊躇不前，或因搞不懂而乾脆放棄，或者投入後耗費太大資源卻未見成效，元氣大傷。
AI 來勢洶洶，您準備好了嗎？
5 / 25，IBM 科技論壇，邀您一同破解趨勢、掌握未來！
報名請進 >> https://techorange.kktix.cc/events/0525ibm
網路龍頭Google 從英特爾 X86 轉向 IBM Power 9 架構
挾著 Power 8世代協助企業轉型的成功經驗，IBM 在去年 12 月發表最新 Power 9 晶片，不止獲得網路龍頭 Google 採用，美國能源部的兩部超級電腦 Summit 及 Sierra 也已導入。根據 Power 9 晶片發展出來的 AC922 Power Systems 伺服器，則建置在Google 的最新資料中心裡。IBM 指出，與 x86 架構相比，Power 9 架構的資料遷移速度快 9.5 倍，深度學習的訓練時間則縮短近 4 倍；同時 Power 9 可全面支援NVIDIA NVLink、PCI-Express 4.0 以及 Open CAPI 高速傳輸介面。
IBM 表示，Power 9 處理器及伺服器，是專為 AI 所設計，歷時四年研發，能充分勝任人工智慧產生的大量數據和運算。例如可支援記憶體容量是 x86 的 2.6 倍、高效核心數量是 x86 的 2 倍、涉及資料傳輸速度的 I/O 最大頻寬則為 9.5 倍。
為了因應 AI 運算、機器學習、數據分析等趨勢，包括 Google、AMD、美光、輝達、Dell EMC、IBM 等九大業者在 2016 年組成 OpenCAPI 聯盟，攜手開發AI時代的資料中心伺服器架構。而去年底甫推出的 Power System AC922, 就是首個符合 OpenCAPI架構的伺服器。
Power 9 專為 AI 打造
IBM 9 處理器及新一代伺服器，在擴充性、傳輸速度、記憶體、處理器各方面都有新的進展。首先它允許的橫向擴充，不止可進行雲端環境的部署，另也內建 Power VM虛擬伺服器的功能；因此當組織擴大、需求增加、或者新技術問市時，都能快速因應。另外，因採用最新 I/O 技術，能以每秒 25GB 的速度進行 CAPI 與 Open CAPI 資料交換。在記憶體方面，雙插槽系統最大可提供 4TB 容量，比 x86 Xeon 系統多出三成以上，更能滿足 AI 的工作需求。
Power 9 的單位核心效能與前一代 Power 8 相比，為 1.25-1.5 倍；IBM 表示，這不僅代表運算力提升，且客戶也能在「按核心授權」的軟體收費模式下，減少支出。
深度學習平台，七小時武功就學成
除了AI 專用的 Power 9 晶片及伺服器，IBM也配合上述硬體，打造了深度學習的軟體平台：IBM Spectrum Conductor DLI(Deep Learning Impact)，目標是透過軟硬結合，降低人工智慧的門檻，並提高神經網絡模型的開發效率。以往系統的深度學習過程，必須歷時三個月，IBM Spectrum Conductor DLI因支援「分散式深度學習(DDL)」，已可縮短至七小時就能完成。
為了讓企業更易導入，IBM Spectrum Conductor DLI這項深度學習工具，設計了七個簡單步驟來訓練深度學習所需的神經網路模型。從第一個步驟「選擇框架」（在Caffe或 TensorFlow 兩大框架中擇一採用），到建立資料模型、建立訓練模型、訓練模型如何工作（可利用「自動超級參數建議」，不必仰賴資料科學家、就能提高模型的準確度）、到最後的模型驗證、上線、開始 AI 應用。深度學習的流程因此化繁為簡，開發及運算時間也大幅縮短，並且提供完整的生命週期管理。
[kktix]https://kktix.com/tickets_widget?slug=0525ibm[/kktix]
─ ─
這些文章你或許也會感興趣
3 個工作天完成整月結帳作業，IBM 怎樣改造財務流程的？
台灣起飛？《富比世》專文分析為什麼微軟、Google、IBM 相繼來台大舉投資
IBM 解密：打造台灣零售業的「體驗革命」，跨平台整合功力怎麼練？
