何为AI服务器和普通服务器也哪些区别？

沙漠live.

深度学习的三大要素是数据、算法和计算力，其中数据是基础，算法是工具，计算力是助推器，计算力的提高推动者深度学习的发展，深度学习之前发展缓慢，除了算法的原因外，很重要的一个原因是计算能力的不足，解决计算力最重要的支撑是AI服务器（这里主要指通用的AI服务器，GPU服务器）。随着大数据、云计算、人工智能等技术的成熟与在各行各业的应用，在人工智能时代，AI服务器这个新兴名词也频繁地出现在人们的视线范围内，有人预测在人工智能时代，AI服务器将会广泛的应用于各个行业。相关阅读：AI服务器的定义、优势及市场现状

什么是AI服务器？

从硬件架构来看，AI服务器主要指的是采用异构形式的服务器，表现形态多为机架式。在异构方式上，可以为CPU+GPU、CPU+FPGA、CPU+TPU、CPU+ASIC或CPU+多种加速卡。

而在其他组成部件上，如内存模块、存储模块、网络模块与传统服务器差别不大，主要的提升便是支持更大容量的内存满足当下实时负载增加的需求，提供更多外置硬盘插槽，并广泛支持NVME/PCIE等SSD，满足数据洪流需求，网络模块主要表现为带宽增加。

尽管AI服务器可以采用多种异构形式，但目前广泛使用的是CPU+GPU。也因此，业界在谈到AI服务器时，往往将其默认为GPU服务器。

AI服务器与普通服务器有什么区别呢？

1、从服务器的硬件架构来看，AI服务器是采用异构形式的服务器，在异构方式上可以根据应用的范围采用不同的组合方式，如CPU+GPU、CPU+TPU、CPU+其他的加速卡等。与普通的服务器相比较，在内存、存储、网络方面没有什么差别，主要在是大数据及云计算、人工智能等方面需要更大的内外存，满足各种数据的收集与整理。

2、卡的数量不一致：普通的GPU服务器一般是单卡或者双卡，AI服务器需要承担大量的计算，一般配置四块GPU卡以上，甚至要搭建AI服务器集群。

3、独特设计：AI服务器由于有了多个GPU卡，需要针对性的对于系统结构、散热、拓扑等做专门的设计，才能满足AI服务器长期稳定运行的要求。

AI服务器有哪些应用场景？

基于AI服务器的优势，AI服务器在医疗、搜索引擎、游戏、电商、金融、安防等行业有着广泛的应用。

1、医疗影像智能分析场景：通过机器视觉、知识图谱、深度学习等人工智能技术，模拟医疗专家思维，推理整断，帮助医生定位病情，辅助做出诊断。

2、人脸识别、语音识别、指纹识别场景：通过深度学习、机器学习等技术，可实现图片，视频等图像资料训练。

3、安防监控场景：利用知识图谱技术、深度学习等技术，可以应用到人体分析、图像分析、车辆分析、行为分析等安防场景中。

4、零售预测场景：通过机器学习，基于门店历史销售数据，可以精准的对未来销售进行预测，为经营者提供更准确的决策分析。此外，在零售行业中，常见的还有无人售卖、人脸支付等应用场景。

5、金融服务场景：通过语音、唇形、表情合成技术和深度学习等技术，克隆出与真实面审员一样AI视频面审员，可以准确无误的与客户进行多轮面谈。

除此外，还有微表情识别系统应用场景。