隨著大數據、云計算、人工智能等技術的發展成熟，亞洲服務器租用，企業級IT領域也迎來重大變革。聚焦到單個板塊，如在服務器市場上，傳統互聯網時代，我們聽到的更多是機架服務器、塔式服務器及刀片服務器。

而在即將到來或者說已經到來的人工智能時代，我們更多的是聽到AI服務器這一名詞。那么，究竟什么是AI服務器，AI服務器又為何適用人工智能時代？在本文中，筆者也將解答AI服務器的這些困惑，主要涉及AI服務器的定義、優勢及市場現狀3方面。

AI服務器的定義

從硬件架構來看，AI服務器主要指的是采用異構形式的服務器，表現形態多為機架式。在異構方式上，可以為CPU+GPU、CPU+FPGA、CPU+TPU、CPU+ASIC或CPU+多種加速卡。

而在其他組成部件上，如內存模塊、存儲模塊、網絡模塊與傳統服務器差別不大，主要的提升便是支持更大容量的內存滿足當下實時負載增加的需求，提供更多外置硬盤插槽，并廣泛支持NVME/PCIE等SSD，滿足數據洪流需求，網絡模塊主要表現為帶寬增加。

盡管AI服務器可以采用多種異構形式，但目前廣泛使用的是CPU+GPU。也因此，業界在談到AI服務器時，往往將其默認為GPU服務器。因此，在第二部分中，筆者談到的AI服務器優勢也主要為GPU服務器。

AI服務器的優勢

我們都知道，傳統服務器主要以CPU為算力提供者。而CPU為通用型處理器，采用串行架構，擅長邏輯計算，負責不同類型種類的數據處理及訪問，同時邏輯判斷又需要引入大量分支跳轉中斷處理，這使得CPU的內部結構復雜。也因此，CPU算力的提升主要靠堆核來實現。

隨著云計算、大數據、AI、物聯網等技術應用，數據在近幾年呈指數型增長，IDC統計顯示全球90%數據均在近幾年產生，這便對CPU的處理能力提出考驗，而目前CPU的物理工藝、核心數已接近極限，數據量卻不會停止，服務器的處理能力必須提升。因此，在AI時代下，僅由CPU做算力提供者的傳統服務器并不能滿足需求。

不同于CPU，GPU采用并行計算模式，單卡核心數達到上千個，擅長處理密集型運算應用，如圖形渲染、計算視覺和機器學習。經過幾年驗證，搭載GPU的服務器也被證實的確適用這個時代。

AI服務器市場現狀

IDC全球半年度人工智能系統支出指南預測顯示，2019年全球人工智能系統支出將達到358億美元，相比2018年增加44.0%。同時，人工智能系統支出到2022年將翻一番達到792億美元，2018年到2020年預測期內復合年增長率(CAGR)為38.0%。

這一數值也意味著，AI服務器的市場有多廣。也因此，全球幾大服務器廠商均緊鑼密鼓部署著AI服務器。

目前，在中國市場上，浪潮的市場占有率最大，且處于絕對領先地位，份額達到51.4%，曙光和新華三緊隨其后。從行業分布來看，互聯網當之無愧是AI服務器的主要用戶。而在GPU上，NVIDIA具有明顯優勢，其Tesla系列產品在AI基礎設施市場占據主導地位，尤其在線下訓練場景中處于壟斷地位。

而在AI服務器上，目前性能最強的為浪潮AI超級服務器AGX-5，AGX-5是專為深度學習和高性能計算的性能擴展設計，單機在8U空間里可以配置16顆NVIDIA Tesla V100 Tensor Core 32GB GPUs，擁有10240個張量計算核心，計算性能高達每秒2千萬億次。

【凡本網注明來源非中國IDC圈的作品，均轉載自其它媒體，VPS，目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。】