1、计算需求：确定你的AI应用的计算需求是选择服务器的首要任务，这包括模型的大小和复杂度，以及你计划运行的训练和推理任务的规模，深度学习训练通常需要高并行计算能力，而推理阶段则更关注低延迟响应。

2、处理器性能：高性能的CPU或GPU（图形处理器）对于AI任务至关重要，选择支持NVIDIA GPU的服务器，特别是像Tesla V100、Tesla P100或RTX 2080 Ti这样的高端显卡，可以加快AI任务的处理速度。

3、内存容量：大规模AI模型需要大量的内存容量来处理复杂的计算任务，至少选择32GB的内存，但对于大规模的项目，可能需要更多的内存。

4、存储空间：AI应用通常需要大量的数据存储空间来存储数据集和模型参数，选择具有足够大容量的硬盘或固态硬盘（SSD），并考虑将来可能需要扩展的存储需求。

5、网络连接：AI应用可能会涉及大量的数据传输，尤其是在分布式训练或云端推理的情况下，确保服务器有足够的网络带宽来支持这些传输，高速网络连接可以提高数据传输速度，从而提高整体系统性能。

6、可扩展性：随着项目的增长和发展，你可能需要将服务器扩展到多台机器进行分布式训练或推理，选择支持集群部署和分布式计算的服务器，服务器应该具备足够的扩展插槽和接口，方便添加额外的存储、内存或GPU。

7、散热和能效：AI任务通常是高强度的计算任务，容易产生大量的热量，选择具备良好散热设计的服务器，以确保稳定性和降低能源消耗，高能效的服务器可以降低长期运营成本。

8、品牌和支持：选择可靠的服务器品牌，并确保有可靠的技术支持和售后服务，这将帮助你在使用AI服务器的过程中得到及时的支持和解决方案。

9、成本考虑：AI服务器的价格差异很大，根据不同的供应商和型号间有所不同，在考虑性能的同时，也要考虑到成本效益，选择适合自己预算和需求的服务器。

选择合适的AI服务器是一个综合考虑的过程，需要根据你的具体需求、预算和未来发展规划来做出决策，通过仔细评估上述因素，你可以找到最适合你的AI项目的服务器配置。