你能想象经历了一场手术却发现实际上根本不需要动这一刀的情景吗？我最近听说，一位女士摘除了乳腺肿块，可开刀后才发现肿块是良性的，我很震惊。经过一番研究之后才发现，这样的事情并非罕见。
曹志平
即使在技术已经取得如此巨大进步的今天，不必要的手术仍然时有发生。大约90%乳腺肿块摘除手术在术后都发现是不必要的。好消息是，诸如人工智能（AI）等技术的出现有助于解决这类问题。麻省总医院的Manisha Bahl等医生表示，采用机器学习技术，可以将这类不必要的手术减少近1/3。
AI真实存在且得到了广泛利用
AI创新比比皆是，绝不仅仅局限于医疗行业。大约71%的公司表示，已经采用了AI或计划在未来一年内采用AI 。下图显示了来自全球各种机构的2,106位数据和分析技术决策者在市场调查中的回应。
数据来源：Forrester Data “2017全球技术图（Global Technographics）数据与分析调查”
我们想更好地了解AI是如何影响公司、其业务线和IT部门的，因此委托Forrester Consulting进行初步研究，以找到答案。以此次研究的详细信息和调查结果为基础，形成了有关这些问题的Forrester Consulting思想领先研究报告（Forrester Consulting Thought Leadership Paper）。
很清楚的一点是，世界不再等待硅谷开发一个一体化解决方案来解决他们的问题了。个人和机构都在利用新的基础技术，自己用AI进行创新。诸如3D打印等基础技术正在使制造变得大众化，正在改进产品开发。互连IoT设备现在无处不在，产生了大量原始数据。人们用强大的、具备串行和并行处理能力的新型4路服务器处理海量数据，以实时挖掘深度信息。这些技术现在每个人都可以使用，而不仅限于大型研究机构或“财富50强”公司。
形形色色的机构正在利用AI更好地了解客户，开发更好的产品。在未来一年内，54%的公司计划利用AI提供更好的客户体验 。全世界每一个垂直行业、所有个人和机构都在用AI及其应用——机器学习和深度学习，进行创新。
医疗行业
AI能取代医生吗？也许。但AI代替不了医生的所有工作。未来的医院不会自己运行。类似于制造业，医疗领域的进步似乎集中在重复性工作和减少不一致性上。我们来看一个例子。
人眼会犯错，医生也不例外。即使少数最优秀的医生，看同一张医学影像，也可能得出不同的结论。问题是，这种问题出现的几率有多大？1959年，一篇具有开创意义的文章提到，放射科医生大约错过了30%阳性结果 。50多年以后，无数研究仍然证明，放射学解释存在差异 。
我们来看一下基于AI的数字眼。在很多领域，数字眼的表现已经好于人眼了。事实上，数字眼在准确度上有望进一步扩大对人眼的领先优势 。这种进步将继续推进放射学、病理学、皮肤病学和眼科学的准确度。
美国斯坦福大学的研究人员正在使用数字眼。他们已经建立了一种AI算法以识别皮肤癌。人的皮肤到处都有伤病导致但不会癌变的损伤。雀斑、色素痣、皮赘等很常见，通常是良性的。要发现发生癌变的皮肤损伤可能很难。斯坦福大学的研究人员用了13万个影像来训练其深度学习算法。结果发现，算法诊断皮肤癌的效率与医生相似。
制造业
在亨利•福特从根本上改变汽车制造方式那个时代，几乎所有工作都是由人完成的，有时是一些非常乏味的重复性劳动。如今，机器人按照预先编程的方式完成多这些工序。机器人准确地执行任务，而且没有丝毫怨言。不过，仍然存在一些需要解决的问题，效率也有待提高，因此有些人认为，无人说话的“哑”工厂时代来临之日已经屈指可数了 。未来的工厂将是智能的，通过预测性维护、良率提升和自动质量测试而自主运行。
AI惠及的范围已经超出了制造业务。在制造业务中使用AI还会产生巨大影响。实际上，麦肯锡公司认为，采用AI的供应链有着巨大优势：
——预测误差可降低多达50%；
——产品缺货导致的销售损失可降低多达65%；
——库存囤积可降低20%至50%。
酒店业
2005年，丽思卡尔顿酒店启动了一个中央系统，以提供难忘的无瑕疵客户服务。这个系统名为“奥秘（Mystique）”，丽思卡尔顿旗下某家酒店的员工对客人的观察结果，可以供旗下其他所有酒店参考。“奥秘”解决了横跨丽思卡尔顿60家连锁酒店共享信息的问题。如果酒店员工了解到有关某位客人的新信息时（例如，客人偏爱健怡可乐），就会将该信息输入到“奥秘”系统中。丽思卡尔顿的目标是，为每一位客人记录5种偏好 。如果客人下次来到旗下另一家酒店，酒店员工至少会满足这5种偏好中的3种或更多。
“奥秘”推出已经超过10年了，如今旅行者要求所有酒店都能提供这样的服务。客人们希望酒店了解有关他们的一切——喜欢什么，不喜欢什么，并按照他们的好恶定制和提供信息。这已经超出了床的大小、首选楼层、羽毛枕头还是泡沫枕头这类范畴。促销邮件不必再向那些不打高尔夫球的客人提供有关高尔夫套餐的信息。客户想看到对他们胃口的优惠，而不是过去那种一视同仁的信息。利用社交媒体等数据源，AI正在帮助酒店业满足这种需求。
零售业
无论大小的企业，都不得不应对其内部（和外部）业务中数字过载带来的问题。虽然他们有传统IT基础设施来支持传统的金融，CRM或物流应用程序，但他们很快就会被数据泛滥所困扰。这里有一个巨大的计算能力问题，举例来说，零售商需要努力确定：
——谁在购物？
——顾客喜欢购买什么？
——如何积极影响客户购买模式？
——如何让顾客更忠诚？
零售商正在采用复杂的机器学习方法来回答这些棘手的问题。这些零售商不仅需要庞大且相互关联的系统，还需要一个安全、强大的IT基础架构，其计算能力和效率可以通过部署机器学习算法来提供这些见解。
越来越多的大型企业功能流程正在进行数字化，使得更大的数据量以更快的速度进入传统系统，此时仅仅管理大数据已经不够。这是关于使用所有这些数据来回答那些能够洞察业务运营、客户偏好或营销机会的问题，这是关于更快地执行富有洞察力的数据分析的问题。
您的公司为迎接AI做好充分准备了吗？也许没有。
首席信息官必须成为整个企业AI部署的领导人。我们委托Forrester进行的AI调查显示，各个公司都有大量各行其是的AI项目。大多数AI部署工作都是业务部门的领导发起的。他们常常请求IT部门提供支持。可是，大约15%到20%的情况是，IT部门完全蒙在鼓里。为什么？
毫无疑问，IT部门是引领整个公司所有AI项目的最佳选择。实际上，让IT部门参与，可以实现AI优势的复合。有IT部门参与的公司，采用机器学习平台的可能性高2倍多，采用深度学习平台的可能性高1倍。从另一方面看，只有业务部门独自参与的公司仅仅探索和采用了约一半的AI基本构件。
至少，业务部门绕过IT部门的部分原因，是缺少现代化数据中心。IT部门拥有技术基础设施、数据和软件应用。IT部门成为了所有AI计划的中心枢纽之最佳选择，可以连接外部数据源，互连跨业务部门的内部数据源。不过，现实情况是，大多数数据中心并未针对AI计划做好准备。参与调查的人表示，就AI战略而言，一些最具挑战性的基础设施问题都与服务器自动化和信息安全有关。另外，61%的人表示，缺少具备GPU、FPGA等定制处理器的服务器。
数据中心如何为AI计划做准备
我们请Forrester列出了一份清单，以帮助首席信息官领导公司的AI计划。这是一个非常好的开始，因为清单中包括由数据支持的战略、策略和实践指导。有些建议针对机构。有些则专注于现代化基础设施。
支持AI的现代化基础设施通常始于新型服务器。至关重要的是，这些新型服务器支持GPU和FPGA。CPU非常适合完成串行处理任务。GPU和FPGA则适合并行处理。当计算任务可以并行执行时，服务器将这些任务卸载到GPU或FPGA中。这就解放了CPU，这也是将学习时间从数天或数周减少到几分钟或几小时的关键所在。
就在短短几年前，具备专业并行处理能力的服务器数量还很有限。那时这类服务器平台价格昂贵，服务器所需的GPU价格也很昂贵。如今，情况完全不同了。戴尔易安信PowerEdge产品系列中尽是为处理AI和机器学习而定制的服务器。去年末，我们推出了PowerEdge C4140，这是一款超密集的、加速器优化的平台，可在1U空间中支持两个CPU和两个GPU。现在，我们进一步扩大了对AI的投入，又宣布推出两款新的4路服务器。
PowerEdge R840是一款密集的2U平台，支持多达4个英特尔CPU和两个GPU或两个FPGA。凭借灵活的性能和容量选项，例如24 NVMe驱动器配置和大量存储空间，该平台可加速数据分析。
PowerEdge R940xa是一款4U平台，为实现达到极致的加速而开发。该平台支持1:1的CPU与GPU之比，配备了多达4个英特尔CPU和多达4个GPU或8个FPGA。大型内部存储系统（多达32个驱动器）可为避免云费用及安全风险上升另辟蹊径。
除了提供加速性能和大容量之外，两台服务器都采用OpenManage Enterprise来监控和管理IT基础架构。无代理的集成戴尔远程访问控制器（iDRAC）可提供自动，高效的管理以提高生产力。此外，戴尔EMC PowerEdge的集成安全功能（例如Cyber Resilient Architecture）在每台服务器中都是标准配置。
这些服务器仅仅是PowerEdge产品系列的一少部分。如需全面了解该系列的所有产品，请访问dellemc.com/servers，如需了解更多信息，请访问dellemc.com/ai。
【本文作者曹志平，戴尔易安信资深副总裁，大中华区计算与网络总经理】
