企業(yè)越來越需要處理不斷增長的數(shù)據(jù)量，從而推動了對高級分析和機器學習工具的需求，以幫助他們充分理解所有這些信息。

反過來，這對IT基礎結構提出了新要求，以應對此類技術的計算要求。

自從“大數(shù)據(jù)”概念成為企業(yè)IT中的CIO和業(yè)務決策者的熱門話題以來，已經(jīng)過去了大約十年，但是許多公司仍在努力實施成功的策略以充分利用他們擁有的數(shù)據(jù)，并變得更加有洞察力。

數(shù)據(jù)來自眾多來源，例如來自物聯(lián)網(wǎng)(IoT)和其他嵌入式系統(tǒng)的機器生成或傳感器數(shù)據(jù)，來自企業(yè)系統(tǒng)的交易數(shù)據(jù)或來自社交媒體和網(wǎng)站的數(shù)據(jù)。

結果，企業(yè)工作負載已經(jīng)超越了圍繞結構化數(shù)據(jù)集和事務處理的傳統(tǒng)工作負載，并且開始整合分析和其他技術，例如人工智能(AI)。

根據(jù)IT市場觀察者IDC的調查，到2024年，人工智能將成為企業(yè)工作負載的核心組成部分。它相信，對于四分之三的企業(yè)，其工作負載的20%將是基于AI或支持AI的，而IT部門中將有15%人工智能將加速基礎設施建設。

但是，組織發(fā)現(xiàn)，將先進的分析和AI技術(包括機器學習)集成到工作負載中會對他們的IT基礎架構造成壓力。

畫平行線

特別是對于這些技術中的某些技術，傳統(tǒng)的中央處理器(CPU)架構已被證明不夠理想，這常常需要高度的并行性。

很快就知道這是圖形處理單元(GPU)可以解決的問題。GPU旨在減輕游戲中CPU的圖形處理負擔，具有許多相對簡單的處理器內核，并且可以并行處理大量計算。

其他硬件加速器也已添加到該組合中，例如現(xiàn)場可編程門陣列(FPGA)和專用集成電路(ASIC)，在加速工作負載時，所有這些都有各自的優(yōu)勢。