由：高级研究助理撰写Jeremy Korn.和研究副总统尼克耐心
许多组织对人工智能和机器学习应用程序对其基础设施的需求准备不足，但他们准备花钱来改变这种情况。
那些是一对我们可以从我们的新的结论得出结论
企业之声:人工智能和机器学习基础设施2019年调查。近一半(45%)的企业表示，他们目前的人工智能基础设施无法满足未来的需求(见图1)，这引发了一些问题:
•为什么?
•他们建议做什么？
•他们准备花钱解决这个问题吗?
图1
这是为什么？
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。这种增长大部分将来自非结构化数据，因为人工智能和机器学习最具变革性的用例涉及从非结构化数据(无论是文本、图像、音频或视频)中获取洞见。
他们建议做什么？
组织了解到，对于他们以规模利用AI来利用AI，这不仅仅是缩放现有基础架构的情况。需要新的基础架构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。这些需要在各种执行场地部署。
企业也表达了对AI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。彻底改造人工智能基础设施需要的不仅仅是购买更好的硬件;它需要新的工具和架构范例的更新。
他们准备花钱来解决这个问题吗?
是的,他们也是。我们的调查显示，83%的受访企业表示，他们将在明年扩大人工智能基础设施预算，其中39%的企业预计将增加25%或更多。在基于云的人工智能平台上的支出将领先，89%的受访者计划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。
有关更多洞察力，请查看此
免费市场洞察报告。
