复工后哪种出行方式最安全？

作为服务器行业的全球领导者，戴尔易安信汇聚了全球服务器研发领域最为顶尖的人才，他们对服务器行业的观察和思考，可以说是未来服务器发展的重要风向标。

下面七个2020年服务器的发展趋势和观察，均由戴尔易安信资深研究员或资深工程师亲自撰写。

数据是未来的关键，由数据驱动的见解正在改变业务的运行方式，并对从云到核心再到边缘的所有节点都提出了新的挑战。而最大挑战来自于500亿个智能设备以及它们正在生成的大量边缘数据。

第一波数字化转型改进了工作流程，提高了生产率，同时还系统地将大数据纳入业务流程。但随着数据越来越多地推动业务发展，人工流程将难以推动下一波发展。

此时，以客户为导向的需求以及及时提供相关服务和产品的需求将数据科学推向了新的高度。采用通过数据自动方式驱动（即人工智能），是解决新出现的问题的唯一途径。

现代业务要求数据引擎以一种弹性，可伸缩和敏捷的方式存在，包括与现有数据源（如数据湖，分布式数据源以及现在不可复制的实时数据）进行互操作能力。

尽管数据科学和高级分析在算法和统计工作中继续占有重要位置，但由数据驱动的ML/DL/AI（包括来自边缘的数据）的集成，将为新的复杂业务提供重大业务影响。数据为王！掌握数据的人将领导世界。

CPU计算长期基于RISC或X86架构（IBM，Intel和AMD），而在过去的十年中，我们已经转向GPU和FPGA（Nvidia，AMD，Intel，Xilinx等）来推动AI/ML。现在，张量处理单元（TPU）和神经处理单元（NPU）越来越受到关注。

下一波革命将是AI芯片的蓬勃发展，并在云中驱动核心到边缘空间。

与传统CPU架构相比，人工智能芯片将有助于执行并行计算并更快地执行与人工智能相关的作业。与传统GPU和FPGA相比，这些芯片将更多应用于特定领域，例如计算机视觉，语音识别，机器人技术和自动驾驶汽车等。

另一方面，处理器供应商正在添加专门的指令（VNNI，Bfloat16等），以便能够更好地处理混合精度算法并优化AI性能。

与专用加速器相比，传统CPU为用户提供了更通用的平台，以供用户运行各种工作负载，并执行AI/ML/DL工作流程中必不可少的数据处理或数据准备任务。尽管在运行AI工作负载方面通用CPU的效率不如特定领域特定的加速器，但如果要将系统用于各种工作负载和用例，请考虑使用通用CPU的系统架构。

新一波的AI芯片浪潮引起了很多公司的成功。除了像Nvidia，Intel，Apple和Alphabet这样的大型公司之外，还有一系列新兴公司通过Graphcore，Groq，Hailo技术，Wave计算和Quadric等AI芯片来展现自己的存在。

预计该市场在未来2-3年内将增长到数百亿美元，并且随之而来的是许多参与者，他们将试图区分芯片、平台和应用并证明他们的优点。市场上大量的AI/ML用例使得这场竞赛趋于白热化。下一个游戏改变者将是使这些AI芯片更快，更有利于应用程序的人。大公司将必须努力保持敏捷，以在这场竞赛中生存，因为这是一场淘汰赛。

不过，不管谁赢了，用户都将有更多选择。未来的系统将结合通用CPU和特定加速器，实现更多混合。作为解决方案供应商，我们面临的挑战将是为正确的工作负载推荐正确的体系结构，并使我们的客户更轻松地操作和使用此类混合系统。