С увеличением использования искусственного интеллекта (ИИ) и машинного обучения, организации сталкиваются с новыми вызовами в управлении инфраструктурой, поскольку объем и сложность ИИ-работ нагружают центры обработки данных. Скорость развития технологий, таких как чипсеты для ИИ, требует постоянных обновлений, что сократило их жизненный цикл до нескольких месяцев. Майк Менке из компании AHEAD подчеркивает, что периферийные вычисления становятся ключевыми для обработки данных в реальном времени в различных отраслях, включая здравоохранение и логистику. Прогноз Gartner утверждает, что к 2025 году 75% корпоративных данных будут обрабатываться вне традиционных центров обработки данных. Основной целью является эффективность за счет минимизации задержек в данных.
Для успешной интеграции ИИ необходимо учитывать сложность экосистемы периферийных устройств и потребность в автоматизации. Билл Конрадс из AHEAD отмечает, что автоматизация позволит управлять периферийными системами так же, как облачными. Организациям важно адаптироваться к быстро меняющимся требованиям ИИ, сотрудничая с опытными поставщиками и применяя предварительно обученные модели, чтобы оставаться конкурентоспособными на рынке.