什么是 AI 基础架构？
随着人工智能（AI）在我们的日常生活中用的越来越多，建立一种能够实现有效和高效工作流程的结构就至关重要。这就是人工智能基础架构（AI 基础架构）的用武之地。
精心设计的基础架构有助于数据科学家和开发人员访问数据、部署机器学习算法以及管理硬件的计算资源。
AI 基础架构结合了人工智能和机器学习（AI/ML）技术，来开发和部署可靠且可扩展的数据解决方案。正是这项技术使机器学习成为可能，让机器能够像人类一样思考。
机器学习是一项训练计算机找到模式、做出预测并从经验中学习且无需明确编程的技术。它可以用于生成式 AI，并通过深度学习实现，深度学习是一种用于分析和解释大量数据的机器学习技术。
AI 基础架构技术堆栈
技术堆栈是一组用于构建和部署软件应用的技术、框架和工具。我们可以想象这些技术是一层一层“堆”在一起，来构建整个应用的。AI 基础架构技术堆栈可以通过三个基本层更快地开发和部署应用。
应用层允许人类和计算机与基本的工作流程工具进行协作，包括使用特定模型的端到端应用或面向最终用户的非特定应用。面向最终用户的应用通常使用开源 AI 框架来创建可定制的模型，并可以根据特定的业务需求进行定制。
模型层帮助 AI 产品运行。该层需要用于部署的托管解决方案，模型层包括三个模型。
通用 AI：模仿人类大脑的思考和决策能力。例如 OpenAI 的 ChatGPT 和 DALL-E 等 AI 应用。
特定 AI：使用特定数据来生成准确的结果。例如生成广告文案和歌词这样的任务。
超本地化 AI：可以实现最高精度和相关性的人工智能，旨在成为该领域的专家。例如撰写科学论文或创建室内设计模型
基础架构层包括构建和训练模型所需的硬件和软件。GPU（硬件）以及优化和部署工具（软件）等专用处理器等组件都属于这一层。云计算服务也是基础架构层的一部分。
AI 基础架构组件有哪些？
现在我们已经介绍了 AI 基础架构中涉及的三个层，下面我们来了解构建、部署和维护 AI 模型所需的几个组件。
数据存储
数据存储收集和保留各种数字信息，即以位和字节形式存在的应用、网络协议、文档、媒体、地址簿、用户偏好。强大的数据存储和管理系统对于存储、整理和检索 AI 训练和验证所需的数据量非常重要。
数据管理
数据管理是指通过数据管理软件等手段，进行数据的收集、存储和利用的过程。通过数据管理，您可以了解自己掌握哪些数据、数据所在位置、数据归谁所有、谁可以看到该数据以及如何访问数据。通过适当的控制和实施，数据管理工作流可提供所需的分析洞察，帮助做出更好的决策。
机器学习框架
机器学习（ML）是人工智能（AI）的一个子类别，它使用算法来识别一组数据中的模式并进行预测，而框架则提供所需的工具和库。
机器学习运维
机器学习运维（MLOps）是一组工作流实践，旨在简化机器学习（ML）模型的生产、维护和监控过程。受 DevOps 和 GitOps 原则的启发，MLOps 旨在建立一个连续的、不断发展的过程，以便将 ML 模型集成到软件开发过程中。
为什么 AI 基础架构至关重要？
具有成熟组件的可靠 AI 基础架构有助于创新和提高效率。然而，在设计 AI 基础架构时，需要考虑一些优势、挑战和应用。
优势
AI 基础架构可为 AI 运维和企业带来不少好处。第一个好处是可扩展性，它能提供按需扩展和缩减运维规模的机会，尤其是使用基于云的 AI/ML 解决方案。第二个则是自动化，它允许重复工作以减少错误并增加可交付成果的周转时间。
挑战
尽管 AI 基础架构具备众多优势，但它确实存在一些挑战。一大关键挑战是需要处理的数据的数量和质量。由于 AI 系统依赖大量数据来学习和决策，传统的数据存储和处理方法可能不足以处理 AI 工作负载的规模和复杂性。另一大挑战是对实时分析和决策的要求。该要求意味着基础架构必须快速高效地处理数据，这需要考虑集成合适的解决方案来处理大量数据。
应用
有一些应用可以解决这些挑战。通过红帽® OpenShift® 云服务，您可以快速构建、部署和扩展应用。您还可以通过主动管理和支持，提高一致性和安全性，从而提高效率。红帽边缘可帮助您在更靠近数据收集地点的地方进行部署，并获得可指导行动的分析。
红帽可以提供的帮助
AI 不仅影响我们的日常生活，还会影响我们的企业。凭借跨领域和行业的新发现和新体验，红帽的开源平台可以帮助您构建、部署和监控 AI 模型和应用，将未来掌握在自己手中。
红帽 OpenShift AI 可提供一个灵活的环境，让数据科学家、工程师和开发人员能够更快速、更高效地构建、部署和集成项目，享受内置安全防护和操作程序生命周期集成等优势。它提供 Jupyter 即服务，以及相关的 TensorFlow、Pytorch 和其他框架库。此外，几个软件技术合作伙伴（Starburst、IBM、Anaconda、Intel 和 NVIDIA）已集成到 AI 服务中，使用户更容易在现代云原生环境中找到和尝试新工具，从数据采集到模型构建，再到模型部署和监控。
我们的 AI 合作伙伴都使用红帽基础架构来构建并优化 AI/ML 的应用开发。他们能提供一系列解决方案，涵盖整个人工智能（AI）生命周期的不同阶段，包括数据集成和准备、AI 模型开发和训练，以及基于新数据对服务和推理（做出预测）进行建模。
