我們認為這兩種方式未來是會并行的，主要取決于企業(yè)對于數據與業(yè)務安全管理的規(guī)定，以及業(yè)務對于吞吐和延遲的要求 等。

AI大模型目前比較集中的落地方向包括：AI圖像生成、基于AI大模型的知識管理與知識查詢、AI代碼生成、智能客服等。這些領域開源框架與提供商業(yè)服務的AI公司相對比較多。

對于AI數據中心端的GPU分布式訓練，我們會建議：1）采用共享集中式存儲訓練數據、過程數據與結果文件，以提供更好的存儲可用性；2）對于共享存儲進行更完善的自身可靠性機制，以及專業(yè)數據備份保護解決方案。對于分布在邊緣節(jié)點的數據，Dell今年推出了Dell NativeEdge平臺，采用零信任安全機制，保障企業(yè)用戶邊緣部署、應用和數據處于安全保障當中。

選用什么樣的架構，要根據應用的特征才分析和選型，一切以應用為核心。應用的特征主要有CPU計算型，GPU計算型，大IO類型，網絡密集型，大內存類型等，不同的應用特征決定了不同的選型和架構。常見的服務器選型有：2路的CPU服務器，4路或者8路的大內存的胖節(jié)點，單卡、4卡、8卡等各種配置的GPU服務器；網絡選型有IB、萬兆網、100Gb以太等。

集群要長期維持高性能運轉，部署和運維是非常需要經驗的，我們也會有一些成熟的方案，但要想保障每一套集群的性能最優(yōu)，一定會根據每套集群的硬件、系統和應用再進行優(yōu)化。

需要看具體的應用。