下一站AI：实时服务

  随着实时解决方案的增长与人工智能技术的发展，工作负载的日益提升以及非结构化数据的爆炸式增长，数据中心的发展方向正朝着加速计算、存储与网络适应性前进。

      随着实时服务浪潮逐渐渗透进我们的日常生活，计算基础设施也开始迎来重大变化。从使用自然语言提供即时型个人智能助手，到通过店面分析生成与客户购物行为相关的结论信息，各类实时服务的出现给服务供应商带来了前所未有的巨大市场空间。

      为了从这些服务中获取价值，一大基本前提就是保证数据与洞见结论的即时可访问能力;很明显，这种能力在很大程度上需要AI技术作为基础。也正因为如此，Amazon Web Services(AWS)、微软、阿里巴巴以及SK电信等云服务巨头都在开发自己的计算基础设施，用于提供这类服务方案。

      数据中心运营商现在也需要优化计算以满足实时响应要求。为此，IT架构不仅要解决持续快速变化的工作负载与算法需求(主要由AI驱动)，同时必须进一步提升计算资源与存储/网络资源的集成水平。

      这就给服务供应商带来了新的难题：要求他们提供一套能够实现差异化优势与卓越性能，同样具备高吞吐量、低延迟与灵活软件/硬件堆栈的基础设施平台。这套平台还必须能够处理从递归神经网络、长期/短期内存网络、卷积神经网络以及基于Apache Spark集群计算框架的查询加速等实际任务。

      为了建立起这样的差异化优势，服务供应商开始自主构建与众不同的硬件与软件堆栈。例如，AWS Advanced Query Accelerator就是一套包含定制化软件与可编程硬件堆栈的数据分析平台。SK电信最近也立足自家定制化软件与可编程硬件堆栈，开发出支持AI技术的语音与视频分析方案。

      下一轮计算还需要具备自适应性，将软件与硬件合并在一处，且硬件与软件都要拥有可编程性以满足业务用例对于实时性能、最高吞吐量以及低延迟/低功耗的要求。随着实时解决方案的增长与人工智能技术的发展，工作负载的日益提升以及非结构化数据的爆炸式增长，数据中心的发展方向正朝着加速计算、存储与网络适应性前进。