教育新闻网企业越来越需要处理不断增长的数据量，从而推动了对高级分析和机器学习工具的需求，以帮助他们充分理解所有这些信息。
反过来，这对IT基础结构提出了新要求，以应对此类技术的计算要求。
自从“大数据”概念成为企业IT中的CIO和业务决策者的热门话题以来，已经过去了大约十年，但是许多公司仍在努力实施成功的策略以充分利用他们拥有的数据，并变得更加有洞察力。
数据来自众多来源，例如来自物联网(IoT)和其他嵌入式系统的机器生成或传感器数据，来自企业系统的交易数据或来自社交媒体和网站的数据。
结果，企业工作负载已经超越了围绕结构化数据集和事务处理的传统工作负载，并且开始整合分析和其他技术，例如人工智能(AI)。
根据IT市场观察者IDC的调查，到2024年，人工智能将成为企业工作负载的核心组成部分。它相信，对于四分之三的企业，其工作负载的20%将是基于AI或支持AI的，而IT部门中将有15%人工智能将加速基础设施建设。
但是，组织发现，将先进的分析和AI技术(包括机器学习)集成到工作负载中会对他们的IT基础架构造成压力。
画平行线
特别是对于这些技术中的某些技术，传统的中央处理器(CPU)架构已被证明不够理想，这常常需要高度的并行性。
很快就知道这是图形处理单元(GPU)可以解决的问题。GPU旨在减轻游戏中CPU的图形处理负担，具有许多相对简单的处理器内核，并且可以并行处理大量计算。
其他硬件加速器也已添加到该组合中，例如现场可编程门阵列(FPGA)和专用集成电路(ASIC)，在加速工作负载时，所有这些都有各自的优势。
