CIO必须成为企业人工智能的领导者

今天早上，听到闹钟声他立刻起床，丝毫不敢耽搁，穿衣、洗漱，出门比平常早了整整一个钟头。通常，出门早意味着一顿悠哉的早餐时光，然而今天他全无心情，因为接下来要去的是医院。

体检，是耐不住身体反抗的无奈之选，毕竟好多工作已忙不过来，偏偏看病又是个极其麻烦之事。这不，出门很早，可医院已人满为患。

终于轮到他，抽血测试全套流程折腾下来，拿到结果后他懵了……这个结果与前两家医院的又不同！均是全国一流的甲等医院，到底信谁？！

一场官司，不可避免……

1

人工智能正在变得更加真实和广泛

以上，是一个真实的医疗纠纷案例。事实上，三甲医院病理科每天产生上千张病理切片，尽管大部分可能没有阳性结果，但仍必须对每张切片进行仔细审阅，耗费大量精力。某种程度上，导致了诸如上述医疗纠纷的发生。人工智能的出现，可以改善目前的困境。

除了医疗领域，人工智能的创新无处不在，Gartner的数据显示，未来几年人工智能的发展将进一步加速，到2020年人工智能和机器学习将成为超过30％的CIO的五大投资重点之一。

企业正在使用AI来更好地了解客户并开发更好的产品。调查显示，未来的1年中有超过一半的公司计划使用AI来提供更好的客户体验。在全球范围内，在每个垂直领域，个人和组织都在使用AI及其应用进行创新——机器学习和深度学习。

在交通运输业

当前以及未来一段时间，自主运输的手段会有多种表现形式，如汽车，卡车，无人机或农业机械。自动驾驶汽车会格外地引起关注是因为它对社会所带来的巨大影响。自主驾驶承诺更平滑，更安全，更舒适的移动体验。汽车行业正在从辅助到自动驾驶的不断演进之中。

时下，大部分先进的驾驶辅助系统（ADAS），例如行人识别，仍然通过基于规则的编程来实现。建设和维护这些系统非常的复杂。考虑到交通场景的多样性和多变性，需要涵盖的情况实际上是无限的。因此，定义一套完整的规则不仅不切实际，而且不可能。另外，像城市驾驶这样的应用，基于规则的系统不能提供足够的性能来有效地处理来自摄像机，LIDAR和雷达系统的全部所需信息。为了完成真正自主决策的过程，其先决条件是使用现代化的AI方法。

在制造业

在制造业的预测性维护方面，机器学习用于检测设备异常。深度学习分析大量高维度数据的能力可以将现有的预防性维护系统提升到一个新的水平。通过其他传感器（包括相对便宜的传感器，例如麦克风和摄像头）传输的附加数据（如音频和图像数据），神经网络可以增强甚至取代一些传统的方法。 AI能够预测故障并允许有计划的干预措施，可用于减少停机时间和运营成本，同时提高产量。

例如，AI可以通过将平面模型数据，维护历史记录，IoT传感器数据（如发动机振动数据的异常检测，以及发动机状况的图像和视频）相结合，将货机的寿命延长到超越传统分析技术所能达到的水平。

在零售业

售后通过AI技术的应用，改进了呼叫中心管理和电话路由的语音识别能力，提供了更好的用户体验，提高了处理效率。这个分析能力不仅是分析词句的能力，例如，音频的深度学习分析可以让系统评估客户的情绪音调;如果客户对系统反应不佳，可以将呼叫自动重新路由至更高级别人员和管理人员。

在营销和销售的其他领域，人工智能技术也会产生重大影响。将客户的人口学特征和过去的交易数据与社交媒体监控相结合可以帮助产生个性化的产品推荐，这就是我们在访问购物网站时所经常遇到的“产品推荐”选项。

市场营销和销售是人工智能最重要的潜在价值领域，在此功能范围内，定价和促销以及客户服务管理是主要的价值领域。有案例表明，使用客户数据来个性化促销活动（例如，包括每天定制个别优惠）可以使实体零售商的增量销售额仅增加1-2％。

在医疗行业

斯坦福大学的研究人员创建了一个机器学习的算法，它使用大量的图像数据库来进行皮肤癌的诊断。使用最新的结合深入学习与视觉识别的发展，该算法旨在取代皮肤癌诊断的初步观察步骤。对于病人和医生来说，就医过程会变得更加容易而高效。

不仅在皮肤癌，病理人工智能已用于乳腺癌、胃癌、前列腺癌和肠癌等多种肿瘤中，应用范围集中于良恶性诊断、疾病分级、染色分析和早期肿瘤筛查等方面。

2

您的公司已经为AI做好准备了吗？

恐怕未必

CIO必须成为整个企业人工智能的领导者。我们委托Forrester执行的AI研究显示，许多公司内都存在一些协调得不好的AI项目。业务线领导发起了大部分人工智能部署工作。他们通常会邀请IT人员进行支持。但是，有约15％到20％的情况，IT是毫不知情的。为什么？

毫无疑问，IT部门能够在整个公司领导所有人工智能项目。事实上，让IT参与AI项目带来了很多好处。让IT参与AI项目的公司采用机器学习平台的可能性提高了3倍，采用深度学习平台的可能性提高了2倍。换句话说，如果只有业务参与单独进行研究可能最终只会采用大约一半的AI构件块。

这些业务线绕过IT的原因之一是IT缺乏现代化的数据中心。 IT拥有技术基础架构，数据和软件应用程序。 IT最适合作为所有人工智能计划的中心，并可连接到外部数据源，并跨业务部门互连内部数据源。但事实是，大多数数据中心还没有做好接受人工智能的计划。受访者表示，AI战略中一些最具挑战性的基础设施问题来自于服务器的自动化和安全性。另外，有61％的受访者表示他们缺乏使用专用处理器（如GPU和FPGA）的服务器。

3

对于即将到来的AI，

我们的数据中心该如何进行准备？

我们让Forrester拟了一份清单来帮助企业的CIO们掌控整个AI项目。这份清单对一个AI项目来说是一个很好的开端，因为它包含了由数据支持的战略，战术和实践指导。其中有些建议侧重于组织，有些专注于现代化基础设施。

（注：这份完整的Forrester报告，我们已经安排翻译，将在近期发布给大家。）

支持AI的现代化基础设施通常从购买新服务器开始。这里至关重要的是新服务器对于GPU和FPGA的支持能力。 CPU非常适合串行处理。 GPU和FPGA非常适合并行处理。当计算任务可以并行执行时，服务器将它们转移到GPU或FPGA。这释放了CPU，并且是将学习时间从几天，几周缩短到几分钟和几小时的关键因素所在。

短短几年前，具有专业并行处理能力的服务器的普及受到限制。这些服务器平台价格昂贵，他们需要的GPU也是如此。今天，情况大有改观。Dell EMC PowerEdge产品组合包装有专门用于处理人工智能和机器学习的服务器。去年年底，我们推出了PowerEdge C4140，这是一款超密集的加速器优化平台，可在1U空间内支持2个CPU和4个GPU。今天，我们宣布推出两款新型4路服务器，进一步扩展了我们对人工智能的承诺。

★  PowerEdge R840是一个高密度的2U平台，支持多达4个Intel CPU和多达2个GPU或2个FPGA。通过灵活的性能和容量选项包括24个NVMe驱动器配置和大容量存储空间，可以快速将分析转化为见解，从而加快业务发展速度。

★  PowerEdge R940xa是一款专为极速加速而构建的4U平台。它支持1：1的CPU与GPU比率，最多支持4个Intel CPU，最多支持4个GPU或8个FPGA。大量内部存储（多达32个驱动器）的提供为不断增长的云费用和安全风险提供了可替代的方案。

以上只涵盖了PowerEdge系列很小的一部分产品，您可以访问Dell EMC产品公众号，得到所有产品线的内容和关于AI的讨论。