A vállalati mesterséges intelligencia az elszigetelt kísérleti projektekről az üzletileg kritikus szolgáltatásokra vált, amelyeknek ki kell terjedniük a felhőre, az adatközpontokra és a peremhálózatokra. Az informatikai vezetőkre nyomás nehezedik, hogy a mesterséges intelligencia következtetéseit és képzését összehangolják az adatok súlyával, a megfelelőségi szabályokkal és a kiszámíthatatlan GPU-igényekkel, miközben elkerülik a szállítóhoz való kötődést és az elszabaduló felhőköltségeket. A mesterséges intelligencia szerverek, a GPU-szigetek és a régi rendszerek közötti váltás széttagolt keveréke gyakran megakadályozza ezt az átmenetet a skálázható hibrid MI-architektúrára.

Ez a szakasz azt tárgyalja, hogyan lehet egy hibrid MI-architektúrát felépíteni, amely egységes tervezési elvek alapján egyensúlyba hozza a helyszíni és a felhőalapú erőforrásokat. A hangsúly azon van, hogy hová helyezzük a MI-tanítást és -következtetést, hogyan kapcsoljuk össze a GPU-klasztereket a nagy sávszélességű adatközponti hálózatokkal, és hogyan ütemezzük a beruházásokat a MI-kiszolgálók, GPU-platformok és switching között úgy, hogy minden lépés összhangban legyen a konkrét munkaterhelésekkel és a vállalati döntési pontokkal.