对于人工智能和机器学习应用将对其基础设施提出的要求，许多组织准备不足，但他们准备花钱来改变这种情况。
这些只是我们从我们的新企业之声:2019年人工智能和机器学习基础设施调查．近一半(45%)的企业表示，他们目前的AI基础设施将无法满足未来的需求(见图1)，这引发了几个问题:
•为什么?
•他们打算怎么做?
•他们是否准备花钱解决问题?
图1
这是为什么呢?
一般来说,数据的原因是基础设施亟待改革,将人工智能与规模,我们的调查中有89%的受访者说他们预计的数据量在使用机器学习工作负载增加,明年,几乎一半预计增加25%或更多。这种增长很大一部分将来自非结构化数据，因为人工智能和机器学习的最具革命性的用例涉及从非结构化数据(文本、图像、音频或视频)中获取洞察力。
他们打算怎么做?
企业明白，要大规模利用人工智能，并不仅仅是扩展现有基础设施。需要新的基础设施来应对机器学习工作负载的需求，包括新的可扩展存储、专用加速器和低延迟网络。这些需要在不同的执行场所部署。
企业还表达了对其人工智能基础设施的各种担忧，从这些系统的安全性到数据管理能力的不透明性。改造人工智能基础设施需要的不仅仅是购买更好的硬件;它需要新的工具和对架构范例的更新。
他们准备花钱解决这个问题吗?
是的,他们也是。我们的调查显示，83%的受访企业表示，他们明年将扩大人工智能基础设施预算，39%的企业预计增加25%或更多。在基于云计算的人工智能平台上的支出将占据领先地位，89%的受访者计划在明年增加在这些平台上的支出。
我们企业的声音:2019年的人工智能和机器学习的基础设施调查包含很多数据等科目支出决策者,机器学习中的特定点的过程,把压力放在基础设施,AI-specific基础设施组件的类型组织正考虑买房,技能短缺最严重的领域,机器学习模型训练和部署的频率和地点。
要了解更多信息，请查看这个自由市场洞察报告．
