AI软件对显卡服务器的要求通常包括以下几个方面：

1、GPU计算能力：AI软件通常依赖于图形处理单元（GPU）进行计算，因此显卡服务器需要配备具有足够计算能力的GPU。通常情况下，越强大的GPU性能会带来更快的计算速度和更高的训练效率。

2、CUDA或OpenCL支持：大多数AI软件都会使用CUDA（Compute Unified Device Architecture）或OpenCL（Open Computing Language）等GPU计算框架来实现对GPU的加速。因此，显卡服务器需要支持这些框架，并安装相应的驱动程序和软件库。

3、内存容量：对于大规模的深度学习任务，AI软件可能需要大量的内存来存储模型参数、数据集等。因此，显卡服务器的内存容量需要足够大，以满足这些需求。

4、CUDA核心数量和内存带宽：GPU的CUDA核心数量和内存带宽也会影响到AI软件的性能。更多的CUDA核心意味着更大的并行计算能力，更高的内存带宽可以加快数据传输速度，从而提高训练和推理的效率。

5、支持的框架和库：不同的AI软件可能会使用不同的深度学习框架（如TensorFlow、PyTorch、Caffe等）和库（如cuDNN、cuBLAS等），因此显卡服务器需要支持这些框架和库，并安装相应的软件环境。

6、驱动程序和软件更新：及时更新显卡驱动程序和相关软件是保持服务器性能和安全的重要步骤。新版本的驱动程序和软件通常会提供更好的性能和稳定性，以及针对安全漏洞的修复。

综上所述，AI软件对显卡服务器的要求主要包括GPU计算能力、CUDA或OpenCL支持、内存容量、CUDA核心数量和内存带宽、支持的框架和库，以及驱动程序和软件更新等方面。选择合适的显卡服务器能够满足AI软件的需求，并提供高效、稳定的计算环境。