人們曾經認為眼睛是一個“啞的”傳感器，通過視覺神經將數據發送到大腦，大腦包含了所有的視覺“處理”能力。近年來，科學家們一直在探究眼睛內視網膜神經元的復雜結構和線路。正如對大腦的研究已經為現代人工智能（AI）做出了巨大的貢獻一樣，關于視覺系統的這些發現也提出了一個有趣的框架，可以指導當今高度專業化、分布式和互連的數據中心中類似的復雜處理任務的未來發展。

大腦的神經網絡為激發人工智能（AI）和機器學習（ML）革命的新算法提供了靈感。

在過去的十年中，可編程的GPU取得了令人難以置信的進步，現在它能夠以類似人類的性能來解決極具挑戰的語音和圖像識別問題。眼睛的擴展神經網絡為這些AI和ML算法的擴展提供了新的模型，朝向一個更分布式的計算范式發展，這個范式包括了在邊緣的智能網絡設備。就像GPU能夠實現大腦的深層神經網絡一樣，眼睛也激發了一種新型的處理器 C I/O處理單元（IPU），它結合了兩種功能：執行類似于眼睛的遠程處理能力，和整合將被有效傳輸到集中式數據中心進行其他計算的信息。

生命有機體的視覺系統眼視網膜中有50多種不同類型的神經元，它們都以一種精確的方式連接在一起，以形成特定的子結構，來對關鍵數據流進行預處理。例如：檢測運動的能力對生存有著至關重要的意義，尤其是有投射物直接向你的臉扔射過來的時候。一個物體變大意味著運動，如果它變大而沒有明顯的橫向運動，那么它很可能會撞擊到你。這些信息需要非常快速的響應，甚至繞過大腦中正常的視覺處理來觸發躲避反應。即使事后證明是錯誤的數據，至少也避免了一場可能的災難。

視網膜內所有這些美麗的復雜性如何對視覺功能作出貢獻呢？

視網膜有許多不同的子結構，在信息經由神經節通過視神經傳遞到大腦之前，每一個子結構都會對視覺場景進行特定且重要的處理。視網膜實際上執行了許多不同類型的處理，能夠探測到可視場景的不同方面，并將各種形式的合并信息傳遞給大腦：

1. 短暫時間的 C 即使是強烈背景下微弱的閃光

2. 空間的 C 模式檢測，尤其是對左右對稱的檢測

3. 運動的 C 檢測物體的運動

此處的短暫時間的靈敏度令人震驚，周期性但在既不快也不慢的適當速度下甚至能夠檢測到單一光子也是可能的。

數據中心、邊緣處理和連接的新模型如今更先進的數據中心正沿著與人類視覺系統（HVS）的分布式智能類似的路線發展，使用帶有內置處理器的智能網卡（SmartNIC）和I/O處理單元（IPU），可以在邊緣實時地做出重要決策。

因此，正如眼睛具有短暫時間、空間和運動的檢測模式一樣，基于IPU的智能網卡（SmartNIC）或控制器可以提供關于信息的時間、位置和流動的詳細資訊。類似地，IPU可以自動標記信息的來源，映射到正確的虛擬網絡，將信息傳輸到它需要去的地方。然后在接收時，將其路由到特定虛擬機內存中的正確位置。

IPU甚至可以做更多的事情，它們可以處理對時間敏感的數據，對其進行壓縮，從而只需較少的帶寬即可移動到集中位置，并加快存儲和安全等功能的處理速度考慮網絡安全。在擁有自帶設備（BYOD）和無線連接的云連接世界中，我們再也無法定義一個清晰的網絡邊界并使用防火墻來保護它。我們還需要能夠檢測網絡中任何地方可能的惡意軟件、或只是異常的行為。

基于智能I/O處理單元的智能網卡可以當場檢測到這種異常，并立即采取緩解措施，例如阻止或轉移數據流，而不通過網絡將其發送到集中的計算資源進行分析。

今天的“超大規模”數據中心（為亞馬遜網絡服務、Facebook、微軟和阿里巴巴等互聯網巨頭提供動力的那種系統）包含數十萬臺強大的服務器，通過數千英里的網絡電纜將它們連接在一起。據估計，谷歌在其全球13個數據中心擁有90萬臺服務器，使用的電力足夠20萬戶家庭使用。

問題是：如何最好地將龐大而復雜的部件集合，集成為一個功能強大且高效的整體？

正如我們在人類大腦上看到的那樣，將關鍵智能分配到系統中，而不是將每個信號都發送到大腦進行處理，這樣具有進化的優勢。因此，此舉是通過安裝智能網卡，使網絡本身更加智能，該智能網卡不僅可以更有效、無縫地響應正常的運行狀況，還可以快速響應網絡中的異常或潛在的危險活動，從而無需等待傳統數據中心的集中智能指令即可采取行動。

除了向更高效、自我修復的數據中心發展之外，這又將把我們帶往何處？

自動化和機器學習的新發展，反映了使我們的視覺感官如此智能的進化和發生的過程。值得注意的是，“基于意圖的”網絡的興起，能夠實現更高層級的業務意圖（例如自動識別和消除網絡攻擊，或者處理故障的系統），而不需要技術團隊費力地重新編寫系統的每一個元素。