حجم کاری هوش مصنوعی به ارتقای زیرساخت نیاز دارد. بارهای کاری هوش مصنوعی اغلب به زیرساخت خاصی نیاز دارد که قبلاً برای سایر مشاغل محاسباتی سخت مورد نیاز تلقی نمی شد.
کسب‌وکارها برای چندین دهه، زیرساخت‌های خود را برای پشتیبانی از برنامه‌ها و بارهای کاری جدید تغییر داده‌اند. این روند همچنان ادامه می یابد که استفاده از هوش مصنوعی در سازمان های بیشتری به جریان اصلی تبدیل شود. در واقع، آنچه بسیاری از شرکت‌ها دریافته‌اند این است که حتی اگر زیرساخت‌هایی را برای محاسبات با کارایی بالا ارتقا داده یا اخیراً نصب کرده‌اند، هنوز باید کارهای بیشتری انجام دهند.
هزینه های سخت افزاری
این نکته در یک IDC Worldwide Semiannual Artificial Intelligence Tracker به تازگی منتشر شده مشهود است. این نشان داد که هزینه‌های سخت‌افزاری کوچک‌ترین در بین تمام بخش‌های هوش مصنوعی (که شامل خدمات و نرم‌افزار نیز می‌شود) است، اما برای رشد بزرگ آماده است.
پیتر روتن، معاون پژوهشی، محاسبات فشرده عملکرد در IDC، می‌گوید: «در میان تمام هزینه‌های بخش‌های مختلف بازار هوش مصنوعی، سخت‌افزار هوش مصنوعی بسیار کوچک‌ترین است. آنچه باید به سازمان‌ها بگوید این است که سخت‌افزار هدفمند ساخته‌شده با نیکل و کم‌رنگ برای هوش مصنوعی کاملاً معکوس است، به‌ویژه با توجه به رشد سریع تقاضای محاسباتی ناشی از افزایش اندازه‌ها و پیچیدگی‌های مدل هوش مصنوعی.»
آن وضعیت به سرعت تغییر خواهد کرد. بخش سخت افزار هوش مصنوعی بیشترین رشد را از نظر سهم بازار در نیمه اول سال 2021 با جهش 0.5 درصدی سهم داشته است. پیش بینی می شود که رشد سالانه 24.9 درصدی داشته باشد.
یک الگوی آشنا با پیچ و تاب
برای سال‌ها، کسب‌وکارها زیرساخت‌های محاسباتی را با حرکت به سمت پردازنده‌های سریع‌تر، ذخیره‌سازی عملکرد بالاتر و فناوری اتصال با سرعت بالاتر ارتقا داده‌اند. در حال حاضر بسیاری از شرکت ها به طور معمول از فناوری هایی استفاده می کنند که در ابتدا برای آزمایشگاه های دولتی و مراکز ابررایانه های دانشگاهی توسعه یافته بودند. به عنوان مثال، مشاهده مشاغلی که بار کاری را با استفاده از GPU و پردازنده‌های کمکی تسریع می‌کنند، عملکرد ذخیره‌سازی را با استفاده از سیستم‌های فایل توزیع موازی افزایش می‌دهند، یا سرعت داده‌ها را بین سیستم‌های ذخیره‌سازی و محاسبه با استفاده از شبکه‌های InfiniBand سرعت می‌بخشند.
تکامل فناوری های جدید
همیشه این تکامل وجود داشته است که در آن فن‌آوری‌های جدید برای پاسخگویی به حجم کاری فزاینده‌تر به کار گرفته شدند. همین اتفاق اکنون با فراگیرتر شدن هوش مصنوعی در حال رخ دادن است. با این حال، یک پیچ و تاب وجود دارد.
در گذشته، تنها شرکت های بزرگ نیاز به ایجاد زیرساخت (شامل محاسبات، ذخیره سازی و شبکه) داشتند. آنها کسانی بودند که برنامه‌های کاربردی جدید و مجموعه داده‌های بزرگ‌تر را تحت فشار قرار دادند.
اما الان دو چیز متفاوت است. اول، هوش مصنوعی توسط شرکت‌هایی با هر اندازه و حتی در سازمان‌هایی که قبلاً محاسبات محور نبودند، استفاده می‌شود. و دوم، برخی از برنامه های کاربردی هوش مصنوعی مبتنی بر جمع آوری و تجزیه و تحلیل حجم وسیعی از داده ها از دستگاه های پراکنده اینترنت اشیا هستند. در بسیاری از موارد، سازمان ها هیچ زیرساختی برای انتقال داده ها از دستگاه ها به امکانات محاسباتی ندارند.