中國AI服務(wù)器的每年市場規(guī)模已經(jīng)超過300億人民幣，AI公有云和私有云服務(wù)在快速發(fā)展之中。未來AI算力在數(shù)據(jù)中心云平臺中的比重和價值應(yīng)該會繼續(xù)提升。

元宇宙和數(shù)字孿生來自不同維度的技術(shù)，在工業(yè)元宇宙的構(gòu)建，特別在智能制造和智慧城市領(lǐng)域，元宇宙和數(shù)字孿生未來會有非常多的交集，數(shù)字孿生將會成為構(gòu)造產(chǎn)業(yè)元宇宙，實現(xiàn)物理環(huán)境建模、仿真、決策、控制的重要技術(shù)基礎(chǔ)。

是的，邊緣計算（車載AI芯片）是智能駕駛計算的重要一環(huán)。

AI目前在制造業(yè)落地比較集中的場景：產(chǎn)品智能化、生產(chǎn)側(cè)降本增效（工業(yè)產(chǎn)品缺陷檢測、工藝參數(shù)優(yōu)化、預(yù)測性維護(hù)、良品率提升等），以及IT效率提升（比如智能客服、RPA機(jī)器人流程自動化等）

Dell面向工業(yè)制造業(yè)的邊緣計算方案，可以提供面向制造業(yè)的邊緣計算優(yōu)化型服務(wù)器，邊緣計算網(wǎng)關(guān)，流數(shù)據(jù)計算和存儲方案，以及面向工業(yè)AI和大數(shù)據(jù)的場景化落地解決方案。

在工廠、物流、港口、室外站點，對延遲要求高的應(yīng)用平臺，邊緣計算使用比較廣泛。

可以采用本地邊緣計算。

工業(yè)產(chǎn)品質(zhì)檢、良品率提升、預(yù)測性維護(hù)、工藝參數(shù)優(yōu)化，是目前比較熱門的一些AI在制造業(yè)的落地場景。

Dell最新第15代服務(wù)器，都是采用T型主板；GPU部署密度，Dell目前單機(jī)最高可以支持到10塊雙寬GPU加速卡或者16塊單寬GPU卡。

Dell在針對邊緣計算、數(shù)據(jù)中心集中處理和存儲，可以提供有針對性的服務(wù)器、存儲、工作站產(chǎn)品組合。

AI與HPC有交集，特別是在大模型訓(xùn)練上多機(jī)多卡分布式訓(xùn)練正成為主流，也有很多差別：AI計算精度以FP32/FP16/TF32為主，HPC存在很多FP64高精度計算；AI計算大量使用異構(gòu)加速芯片，比如GPU，很多HPC應(yīng)用還是使用CPU計算負(fù)載；HPC采用集群計算架構(gòu)，AI計算如果算力要求不是特別高的話可以用單機(jī)計算。

當(dāng)算力和延遲能夠滿足要求的時候，可以考慮現(xiàn)有設(shè)備的利舊；AI計算可能會出現(xiàn)需要加裝GPU卡。

AI、HPC、圖像渲染、工業(yè)仿真、VDI等，是GPU計算的主要應(yīng)用場景。

CPU更加通用性，GPU適合于邏輯簡單，可以高度并行化的應(yīng)用，比如AI深度學(xué)習(xí)過程中的矩陣計算。

GPU、FPGA、AI專用加速芯片Graphcore IPU，是目前Dell AI異構(gòu)加速計算的主要加速卡選型。

針對AI邊緣計算，降低推理階段的計算精度，模型壓縮、量化方法，降低對計算力的要求。

有可能機(jī)器學(xué)習(xí)模型計算出的結(jié)果，與歷史經(jīng)驗的結(jié)論是不一致的，結(jié)果的驗證也是AI的重要一環(huán)。

比如智能駕駛。

機(jī)器學(xué)習(xí)過程中，一般都會有一項數(shù)據(jù)治理的工作，進(jìn)行異常數(shù)據(jù)、零數(shù)據(jù)進(jìn)行相應(yīng)的處理。

具體要看業(yè)務(wù)場景，如果僅使用CPU是否在吞吐和延遲上有比較明顯的影響。比如在AI領(lǐng)域，深度學(xué)習(xí)對算力要求很高，GPU廣泛被使用；在傳統(tǒng)機(jī)器學(xué)習(xí)算法，很多的算法就是運行在CPU上。

面向VDI的桌面虛擬化，主要做圖像處理；AI GPU虛擬化，主要面向CUDA科學(xué)計算。具體解決的問題是有差異的。

戴爾服務(wù)器管理軟件會實時監(jiān)控設(shè)備運行狀況，動態(tài)調(diào)節(jié)冷卻風(fēng)的強(qiáng)度和風(fēng)扇的聲學(xué)特性，硬件選型上選擇更高轉(zhuǎn)換效率的電源以及制冷能力更強(qiáng)的風(fēng)扇。

因為通常需要GPU加速卡，AI服務(wù)器比通用計算服務(wù)器，相對成本會高一些。

未必然所有的AI應(yīng)用都是需要很高的開發(fā)成本，有些應(yīng)用比如人臉識別、廠區(qū)視頻分析、智能客服、RPA，并不需要太多的二次開發(fā)和訓(xùn)練數(shù)據(jù)。

單臺服務(wù)器提供一定的CPU/GPU擴(kuò)展性，更大規(guī)模的計算一般采用集群分布式訓(xùn)練計算。