主要观点：人工智能已从流行语成为商业驱动力，其发展带来基础设施需求，多数企业已有支持人工智能的核心基础设施，可通过重新利用和扩展现有基础设施来处理人工智能工作负载，以安全、可扩展且经济高效的方式实现。

关键信息：

• 人工智能在各行业广泛应用，如聊天机器人、欺诈检测等，训练大型模型和运行实时推理管道需要大量计算、带宽和编排。
• 多数企业数据中心已有思科 UCS 服务器、思科网络交换机和 VMware 虚拟化等核心组件，可用于人工智能和高性能计算（HPC）环境。
• 思科 UCS 服务器可支持高密度计算、高速内存和 GPU 加速，新的 C 系列和 B 系列模型专为人工智能设计，通过 Cisco UCS Manager 可快速部署人工智能主机。
• 思科网络在人工智能中也很重要，需快速可靠地传输大数据，Cisco Nexus 9000 系列交换机可支持无损以太网等技术，leaf-spine 架构等可提高网络性能。
• VMware 的 vSphere 堆栈是虚拟化的支柱，可通过直通（DirectPath I/O）和 vGPU 两种方式访问 GPU，为不同团队提供隔离安全的环境，VMware Tanzu 可将 Kubernetes 引入。
• 大多数企业人工智能工作负载可利用现有设施进行战略升级，而非追求 exotic 硬件和软件，同时要考虑数据安全和合规。
• 这种架构易于扩展，可随着人工智能采用的增长而逐步扩展 HPC 集群，无需锁定在僵化设计中或支付云闲置资源费用。

重要细节：

• 以 NVIDIA A100、L40 或 H100 等高端 GPU 为例说明 UCS 服务器的能力。
• 介绍网络在人工智能中的作用，如大数据传输和支持分布式 GPU 训练。
• 详细说明 VMware 两种 GPU 访问模式的特点和应用场景。
• 提及数据安全方面的措施，如 VMware NSX-T 的微分段等。
• 举例说明随着需求增长可如何逐步扩展基础设施。