人工智慧雖然已經落地台灣產業，但仍屬於前期應用階段，企業在AI的旅程中仍遇到許多挑戰，首當其衝便是基礎架構。由於現有的基礎架構並不是為了AI而生，企業必須要有新的架構方式來加以應用。
根據戴爾科技集團與VansonBourne共同進行的調查，在全球3,800名受訪企業領導人當中，有80%的企業將在五年內投資先進人工智慧（AI）技術。隨著各界對AI持續熱烈關注，IDC認知／人工智慧系統研究總監David Schubmehl也建議每個產業與企業都該評估AI，研究AI對業務拓展以及進入市場效率的影響。根據IDC預測，2019年有40%的數位轉型計畫都將採用AI服務，預計到了2021年，有75%的企業應用都會採用AI。
台灣Dell EMC技術副總經理梁匯華認為，人工智慧雖然已經落地台灣產業，但仍屬於前期應用階段，包含製造業、醫療業等，均還未見大規模部署。「現今企業在AI的旅程中仍遇到許多挑戰，首當其衝便是基礎架構。」他提到，AI夠快的價值實現時間（Time to Value）需要有高效的基礎架構來支撐，但問題是，企業現有的基礎架構並不是為了AI而生，除了需要克服大量非結構化資料的存取與分析需求之外，AI演算法與軟體框架也需要藉由圖形處理器（GPU）、Google TPU（Tensor Processing Unit）、FPGA（可程式化邏輯閘陣列）等加速器或AI晶片來加速運算，但傳統的基礎架構在原生設計時，並沒有將其考量在內，使得價值實現時間太久，企業必須要有新的架構方式來加以應用。
梁匯華解釋，處理器並不是無法執行AI模型訓練，只是採用傳統架構來運行時，因為運算時間太久，使得結果沒有意義，舉例而言，製造業採用自動光學檢查時，若是需要等到三小時後才知道有瑕疵，很可能造成整批產品都是不良品，必須丟棄，但如果運用加速器或AI晶片將時間縮短到2秒以內反應，便可以即時調整，進而提升良率。這便是為何在提及人工智慧的應用時，多半會建議企業打造AI專屬架構進行模型訓練或是推論應用的原因，主要便在於傳統的基礎架構無法滿足Time to Value的要求。
多方案滿足三層次架構要求
為了讓不同規模的企業預見更好的業務成果，Dell EMC推出AI就緒解決方案（Ready Solutions for AI），這是專為Hadoop機器學習以及NVIDIA深度學習而設計，能簡化AI導入，提供更快速、更深入的洞察。企業將不必再個別購買產品自建解決方案，AI就緒解決方案已經將AI框架、函式庫，以及運算、網路和儲存進行了最佳化的設計與搭配，而且涵蓋諮詢、部署、支援以及教育訓練，進而協助客戶快速採用與優化其AI環境，確保最佳系統效能，將停機時間降至最低。
台灣Dell EMC技術副總經理梁匯華指出，AI就緒解決方案主要是針對只想在AI軟體框架領域中把關注的事情做好，但同時又不想要採用雲端服務的企業，這套方案已從運算、儲存、網路到軟體框架的安裝以及服務，全都包含在內。對資料科學家來說，只要登入並且提交需求，立即就能運作。「但是AI就緒解決方案只是Dell EMC在AI領域提供的解決方案之一。針對已經對AI很有概念，知道如何建構基礎架構的企業，Dell EMC也能提供一時之選的關鍵元件，像是GPU伺服器、Isilon儲存設備，甚至能夠提供VMware、Pivotal解決方案，整合企業現有環境，將AI架構變成雲原生環境。」
另一種解決方案則是針對已對AI基礎架構有些想法但不全面的企業，希望Dell EMC能夠提供一些參考架構或範本，這時便可以採用Ready Bundle的解決方案。假設，企業在導入AI基礎架構的過程中已經採購NVIDIA DGX-1設備，但是對儲存設備搭配有所疑慮，這時Dell EMC就會給予建議，推薦選擇Isilon，由於其已通過DGX-1的驗證，不僅確保相容性而且可以提供參考架構，例如幾台NVIDIA DGX-1設備應該用哪一個型號的Isilon可以得到最大的吞吐量以及效率，都可以提供企業完整建議。 他提到，大部份剛入門的AI企業雖然採購了NVIDIA DGX-1，但多數都是孤島式的建置方案，只要想使用都可以自行登入，但如此一來，便無法進行有效地管理與應用，若是企業的資料量很龐大，資料的儲存與讀取便是一大問題。「曾經在客戶端看到DGX-1搭配簡單的NAS儲存設備來進行檔案的存取，但這種配置架構雖然可行，卻不見得是最有效益的方式，而Dell EMC可以提供參考架構，強化企業投資報酬率。」
跨過「人」的界限共同打造框架
數位化潮流帶來的挑戰日益艱鉅，企業必須更快地行動，採取不同的做法，藉由擷取更多資料價值來因應數位變革。大數據與資料分析已然帶動一波數位變革，而下一波的焦點當屬人工智慧，例如製造業已應用於良率檢測，先藉由小規格的部署找尋AI應用的脈絡。而零售業則用於精準行銷，以往只能被動地從點擊率分析或是從網站Cookie瞭解客戶動向，猜測購買行為，現今則擴大收集層面，例如將社群網路動態也納入分析的範疇。另外，在金融產業，目前已透過機器學習判斷是否為洗錢，除此之外，透過人臉辨識來存提款也頗有進展。而在醫療產業方面，現今各大醫療院所均運用AI相關技術來提升醫療品質，除了作為各種輔助性的診斷之外，常見還用於改善就醫旅程、簡化行政與醫療流程等等。
梁匯華認為，企業在AI的旅程上不僅僅只面臨基礎架構上的挑戰，還包含與企業既有流程或系統的整合，以往企業都是透過人工作業或是手動調整的流程，在加入自動化後，如何加上追蹤（Tracking）機制，用人為介入提升準確率，舉例而言，不少企業覺得現今技術已能讓AI自我學習，但別忘了「垃圾進，垃圾出（Garbage in, garbage out）」，如果資料沒有事先清洗或是沒有人追蹤時，得到的結果極有可能具有很大的偏差。
另外，如何讓準確率、領域知識以及應用，變成可以實現的演算法，也是一大挑戰，企業內部經常會面臨一種情況，具有經驗的人並不知道如何將這樣的經驗變成AI演算法，因此要藉助資料科學家以及供應商，一起打造出適合的軟體框架，更重要的是，要跨過「人」的界限，自動化有可能取代人原有的工作，在這種思維下，便需要透過溝通協調來降低員工的抗拒。
台灣Dell EMC技術副總經理梁匯華指出，為了讓不同規模的企業預見更好的業務成果，Dell EMC提出三種基礎架構配置方案供企業選擇。
「並不是負面地要求員工把所有的領域知識都貢獻出來，造成心理的不安與擔心，如果能夠讓員工知道這是更有意義與價值的事情，抗拒感與不安感都會降低很多。」他說。