2022年春節(jié)之后,全國疫情呈現(xiàn)多點(diǎn)、多區(qū)、多鏈條暴發(fā)態(tài)勢,疫情的流調(diào)溯源和快速處置工作面臨巨大挑戰(zhàn):

　　快速精準(zhǔn)地判定密接人員,迅速掌握流調(diào)核心信息,科學(xué)統(tǒng)籌劃定“封閉區(qū)、封控區(qū)、管控區(qū)”,管控隊(duì)迅速到場處置,每個(gè)環(huán)節(jié)都在與病毒爭分奪秒,可以說,流行病學(xué)調(diào)查是疫情防控中最費(fèi)時(shí)費(fèi)力的工作之一。

　　這期間,深圳上線了基于人工智能的調(diào)查處置系統(tǒng),將語音識別、自然語言處理等人工智能技術(shù)應(yīng)用在流調(diào)訪談中,訪談內(nèi)容自動生成文本,還能智能識別提取核心信息,自動填寫流調(diào)表單。

　　同時(shí),合肥也快速上線了AI疫情排查機(jī)器人,24小時(shí)快速響應(yīng),有效觸達(dá)率100%。目前該機(jī)器人已累計(jì)外呼2萬余通,接通率80%。AI助力,將有效幫助基層人員減負(fù)增效,讓他們有更多的時(shí)間、精力可以投入到更加緊迫的核酸檢測與隔離管控工作中。

　　當(dāng)然,流調(diào)和排查工作能夠有條不紊,快速并精準(zhǔn)地鎖定可疑陽性人員,離不開強(qiáng)大的算力支持,高性能且多元化的算力才能為流調(diào)工作提供順暢的信息化“工作流”。

　　深圳采取多端協(xié)同工作模式,所有現(xiàn)場信息均通過移動端App進(jìn)行上報(bào),PC端可實(shí)時(shí)獲取現(xiàn)場信息。通過多端工作實(shí)時(shí)協(xié)同和高性能計(jì)算的支撐,才能有效減少“線下”信息傳遞不及時(shí)、碎片化信息整合效率低、信息傳遞有錯(cuò)漏的業(yè)務(wù)痛點(diǎn),助力流調(diào)工作擴(kuò)面、加深、提速、閉環(huán)。

　　

　 　不僅僅是醫(yī)療業(yè),其他許多行業(yè)對人工智能的需求都呈現(xiàn)快速攀升的態(tài)勢。以汽車行業(yè)為例,傳統(tǒng)車企通過收購、并購或跨界創(chuàng)新,依托人工智能快速提升汽車駕 駛的安全性和舒適性。自動駕駛快速成為數(shù)字化經(jīng)濟(jì)的新賽道,從車聯(lián)網(wǎng)、自動導(dǎo)航、自動泊車,到自動車隊(duì)管理以及全自動駕駛等各個(gè)環(huán)節(jié),都吸引了大量創(chuàng)新型 企業(yè)涌入。

　　如何釋放所有資源,快速交付和持續(xù)迭代,掃清建模數(shù)據(jù)量、海量數(shù)據(jù)標(biāo)簽、訓(xùn)練等所需要資源方面的阻礙,實(shí)現(xiàn)高精度所需要算 法和算力的同時(shí),又能保證全球數(shù)據(jù)隱私法律化進(jìn)程中的業(yè)務(wù)合規(guī),這是自動駕駛機(jī)會變現(xiàn)的關(guān)鍵機(jī)會。其中一個(gè)途徑,是眾多自動駕駛已開始通過利用人工智能服 務(wù),提升算力,以掃清道路障礙。

　　如今,面對數(shù)字化轉(zhuǎn)型這輛快車,數(shù)據(jù)是石油,人工智能是核心操作系統(tǒng),算力則是發(fā)動機(jī)。

　　即使燃料再充足,操作系統(tǒng)再先進(jìn),發(fā)動機(jī)不給力,未來這條數(shù)字道路也走不長,更走不遠(yuǎn)。當(dāng)下人工智能向多場景、規(guī)?；?、融合普惠等高應(yīng)用階段方向發(fā)展,數(shù)據(jù)體量呈現(xiàn)出爆發(fā)式增長態(tài)勢,算法模型的參數(shù)量呈指數(shù)級增加,推動算力競爭愈加白熱化。

　　業(yè)務(wù)持續(xù)創(chuàng)新和智能升級:

　　算力拖后腿

　　現(xiàn)如今,人工智能落地加速,數(shù)據(jù)海量增長,模型也愈加復(fù)雜和龐大,傳統(tǒng)計(jì)算機(jī)的算力瓶頸已經(jīng)成為了制約人工智能發(fā)展的一個(gè)重要因素。沒有算力支撐,基于AI的業(yè)務(wù)連續(xù)性和創(chuàng)新性難以為繼,還何談智能升級和生態(tài)創(chuàng)新。

　　機(jī)器學(xué)習(xí)和人工智能要求高并行處理

　　算力制約AI發(fā)展

　 　利用海量數(shù)據(jù)訓(xùn)練大規(guī)模機(jī)器學(xué)習(xí)模型有助于我們充分學(xué)習(xí)數(shù)據(jù)中蘊(yùn)含的知識,實(shí)現(xiàn)更好的訓(xùn)練效果。然而,隨著訓(xùn)練規(guī)模的擴(kuò)大,由于單臺機(jī)器的能力已遠(yuǎn)遠(yuǎn)無 法滿足日益增長的AI訓(xùn)練需求,科技巨頭們紛紛部署了自己的超級計(jì)算機(jī)集群,希望通過將訓(xùn)練過程擴(kuò)展到上千臺機(jī)器,使用分布式計(jì)算提高模型的訓(xùn)練效率。

　　但即便是超級計(jì)算機(jī),也面臨著硬件堆砌到達(dá)一定數(shù)量后算力無法進(jìn)一步提升的瓶頸,浪費(fèi)了大量計(jì)算資源的同時(shí),也制約了AI的發(fā)展。

　 　數(shù)字化時(shí)代,HPC與AI融合加深,HPC通過模擬、建模和分析,滿足各行業(yè)部署AI過程中對算力的需求。但隨著AI等技術(shù)帶來數(shù)據(jù)量大規(guī)模增長、數(shù)據(jù) 結(jié)構(gòu)多元化、數(shù)據(jù)分析任務(wù)復(fù)雜化,HPC逐漸走向HPDA(高性能數(shù)據(jù)分析)的新方向,AI時(shí)代的超算體系正在從計(jì)算密集型轉(zhuǎn)向到數(shù)據(jù)密集型。

　　例如:新冠疫苗研發(fā)需要對病毒與蛋白質(zhì)進(jìn)行解析,這個(gè)過程中會快速產(chǎn)生海量數(shù)據(jù),并且其結(jié)構(gòu)復(fù)雜、數(shù)據(jù)形態(tài)多元。解析過程不僅考驗(yàn)計(jì)算能力,更考驗(yàn)全流程化的數(shù)據(jù)存放、調(diào)用、解析與再利用能力。

　　AI模型巨量化和規(guī)?；?br>
　　要求巨大算力

　 　人工智能一直在探究如何像人類一樣具備邏輯、意識和推理的認(rèn)知能力,目前來看,通過大規(guī)模數(shù)據(jù)訓(xùn)練超大參數(shù)量的巨量模型,被認(rèn)為是非常有希望的實(shí)現(xiàn)方 式。未來,AI模型的巨量化和規(guī)?；瘜⒊蔀橹匾厔?但由此而來的模型參數(shù)多、訓(xùn)練數(shù)據(jù)量大,導(dǎo)致對算力的需求始終呈指數(shù)增長。

　　例如,巨量模型的代表GPT-3在2020年的算力達(dá)到了3640PD,到2023年則增長至百萬PD。同時(shí),巨量模型需要巨量內(nèi)存,在超大規(guī)模集群中同時(shí)滿足幾萬塊AI芯片的高性能讀取,對存儲系統(tǒng)是極大的挑戰(zhàn)。

　　以能源行業(yè)為例,碳中和時(shí)代下,以萬物互聯(lián)、融合創(chuàng)新為特征,AIoT成為加速實(shí)現(xiàn)智慧能源管理與運(yùn)維的關(guān)鍵。具體而言,AIoT以其強(qiáng)大算力支撐AI巨量模型分析,并借助萬物互聯(lián)構(gòu)建協(xié)同網(wǎng)絡(luò),給可再生能源發(fā)展過程中遇到的問題提供解決方案。

　　

　　一方面,風(fēng)電、光伏已經(jīng)是比煤炭更高效的可再生能源,通過AIoT技術(shù),發(fā)電效率更能大大提升;另一方面,AIoT能夠整合碎片化的能源系統(tǒng),創(chuàng)造協(xié)同價(jià)值,解決電力系統(tǒng)動態(tài)平衡,推動電力生產(chǎn)側(cè)到消費(fèi)側(cè)的協(xié)同成本中降低,產(chǎn)生巨大的商業(yè)價(jià)值。

　　各類智能應(yīng)用

　　需要多元算力

　　現(xiàn)下,各行各業(yè)充斥著各種應(yīng)用,不同場景下的業(yè)務(wù)應(yīng)用對計(jì)算系統(tǒng)的要求也不盡相同。而且,傳統(tǒng)應(yīng)用架構(gòu)都是相互獨(dú)立的,在計(jì)算資源管理上不僅成本高而且難度大,面對復(fù)雜的計(jì)算場景和分散的計(jì)算架構(gòu),勢必需要多元算力來支撐。

　　尤其是基于人工智能的應(yīng)用,從推理到訓(xùn)練,對計(jì)算的精確度要求大不相同,同時(shí),數(shù)據(jù)量也從GB級到TB級、PB級不斷提升,類型從結(jié)構(gòu)化到半結(jié)構(gòu)化、非結(jié)構(gòu)化更加復(fù)雜多樣,通用CPU芯片已經(jīng)無法滿足這種多元化計(jì)算場景要求。

　　以金融行業(yè)為例,數(shù)字化時(shí)代金融反欺詐更注重用戶體驗(yàn),通過部署欺詐檢測機(jī)器學(xué)習(xí)系統(tǒng),實(shí)時(shí)地針對既定欺詐模式和無監(jiān)督學(xué)習(xí)來識別新興的欺詐模式,降低誤判率,為用戶提供更值得信賴的交易體驗(yàn)。

　 　這其中涉及到歷史數(shù)據(jù)篩查、實(shí)時(shí)交易監(jiān)控、客戶關(guān)系網(wǎng)挖掘、AI模型訓(xùn)練、數(shù)據(jù)安全合規(guī)等方面,每一方面所需要的計(jì)算精確度都不同,自然對算力的要求也 不同。通用CPU顯然無法支撐如此多元的工作負(fù)載,而以GPU及FPGA、ASIC等專用加速芯片為代表的異構(gòu)加速計(jì)算需求崛起,可滿足多元化算力需求。

　　戴爾科技以人工智能

　　打造智慧算力

　 　算力作為數(shù)據(jù)中心提供的最核心的能力,也是數(shù)字化時(shí)代下的核心生產(chǎn)力,哪里需要數(shù)據(jù)處理,哪里就有算力。隨著以人工智能、物聯(lián)網(wǎng)、AR/VR等技術(shù)為核 心的智能化應(yīng)用場景逐漸普及,越來越多行業(yè)對高性能算力的需求也在不斷上升,HPC作為算力王者在數(shù)據(jù)中心領(lǐng)域的應(yīng)用也越來越多。

　　戴爾科技致力于將算力轉(zhuǎn)化為業(yè)務(wù)創(chuàng)新力,讓AI發(fā)揮其強(qiáng)大優(yōu)勢,讓數(shù)據(jù)DNA根植于每一家企業(yè)。戴爾正以廣泛而全面的產(chǎn)品和解決方案組合,幫助數(shù)據(jù)科學(xué)家、開發(fā)人員、運(yùn)維人員簡化AI部署的復(fù)雜性、消除算力瓶頸,加速AI場景化和普及化。

　　戴爾新一代高性能計(jì)算支持高并行,助力HPC到HPDA:

　 　戴爾最新一代PowerEdge服務(wù)器基于PCIeGen4,將處理核心數(shù)量增加了100%,內(nèi)存速度加快20%。比如PowerEdgeR750在解 決大規(guī)模并行線性方程方面可實(shí)現(xiàn)高達(dá)43%的性能提升,支持計(jì)算量最繁重的工作負(fù)載,為客戶提供關(guān)鍵負(fù)載和應(yīng)用所需的澎湃算力。

　　擁有 強(qiáng)大GPU加速器優(yōu)化性能的戴爾PowerEdgeXE8545服務(wù)器專為高性能AI計(jì)算而生,這款雙插槽4U機(jī)架式服務(wù)器最高支持4塊 NVIDIAA100GPU加速卡,使用業(yè)界領(lǐng)先的NVLinkGPU直連設(shè)計(jì),突破數(shù)據(jù)流和計(jì)算能力的界限,輕松滿足AI深度學(xué)習(xí)和高級計(jì)算等工作負(fù) 載。

　　戴爾PowerEdgeXE8545支持PCIe4.0,增加100%的處理核心數(shù)量,內(nèi)存加速快20%,可充分保障并行I/O吞吐性能,提升處理的速度。

　　除了硬件設(shè)施外,戴爾科技還通過開源Omnia軟件,加速和簡化人工智能和計(jì)算密集型工作負(fù)載的部署和管理。

　　在疫苗研發(fā)過程中,高性能計(jì)算和GPU加速可為科研人員建立各種復(fù)雜病毒的可視化模型,了解病毒的性質(zhì)并找到攻克病毒的解決方案,助力用戶快速實(shí)現(xiàn)從HPC到HPDA的轉(zhuǎn)變,將算力實(shí)時(shí)轉(zhuǎn)化為業(yè)務(wù)洞察力。

　　戴爾多管齊下助力AI巨量模型分析,賦能企業(yè)布局AIoT:

　 　戴爾Precision數(shù)據(jù)科學(xué)工作站產(chǎn)品組合,可幫助數(shù)據(jù)科學(xué)家面對大規(guī)模、巨量模型分析,專注于試驗(yàn)、探索和發(fā)現(xiàn)洞察力,而不是維護(hù)AI系統(tǒng)并等待 模型訓(xùn)練迭代完成。通過在預(yù)先配置、預(yù)先驗(yàn)證的數(shù)據(jù)科學(xué)工作站上運(yùn)行模型,用戶可以最大限度地提高生產(chǎn)力、加快流程、產(chǎn)生更好的質(zhì)量見解并降低項(xiàng)目成本。

　　戴爾IoTEdge網(wǎng)關(guān)基于Intel技術(shù),內(nèi)置的安全和管理功能,有助于保護(hù)網(wǎng)絡(luò)終端。此外,結(jié)合云可擴(kuò)展的數(shù)據(jù)存儲和密集型處理器的深度學(xué)習(xí)算法,為企業(yè)的數(shù)據(jù)存儲和分析提供了更強(qiáng)大的保障。

　　戴爾基于PowerScale+ECS的數(shù)據(jù)湖架構(gòu)平臺,以統(tǒng)一資源的優(yōu)勢,實(shí)現(xiàn)了用戶數(shù)據(jù)分層和多租戶的管理,可以更好地滿足企業(yè)在海量數(shù)據(jù)、訪問速度、多樣性方面的需求,賦能工業(yè)智能。

　 　企業(yè)在布局AIoT的時(shí)候,需要同時(shí)具備強(qiáng)大的模型訓(xùn)練能力和云邊協(xié)同的萬物互聯(lián)能力。未來AIoT更將快速向邊緣端轉(zhuǎn)移,一方面可有效避免延遲問題, 提高系統(tǒng)的靈活性,另一方面,數(shù)據(jù)安全可獲得雙重保障。戴爾科技助力企業(yè)快速實(shí)現(xiàn)邊緣集成AIoT,不僅可以直接且有針對性地獲得更高效的業(yè)務(wù)決策力,并 更快地優(yōu)化流程。

　　戴爾PowerScale滿足智能應(yīng)用對多元算力需求,推動機(jī)器學(xué)習(xí)場景化:

　　戴爾PowerScale作為橫向擴(kuò)展NAS存儲,可在單個(gè)文件系統(tǒng)中從TB級擴(kuò)展到PB級容量。它搭載新一代橫向擴(kuò)展文件系統(tǒng)OneFS和PowerEdge服務(wù)器,與Hadoop集成,可幫助應(yīng)用開發(fā)人員加快分析海量數(shù)據(jù),并在幾分鐘內(nèi)獲得結(jié)果。

　　

　　PowerScale允許無縫進(jìn)行新舊節(jié)點(diǎn)服務(wù)器過渡升級,不需要數(shù)據(jù)遷移,60秒內(nèi)即可簡單擴(kuò)容一個(gè)節(jié)點(diǎn)?；赑owerScale,用戶可以高效地存儲、管理、保護(hù)和分析非結(jié)構(gòu)化數(shù)據(jù)。

　 　戴爾與NVIDIA合作通過戴爾PowerScale、PowerSwitch交換機(jī)和NVIDIADGX-2系統(tǒng)與 NVIDIAV100TensorCoreGPU來加速和擴(kuò)展深度學(xué)習(xí)訓(xùn)練工作負(fù)載。遵循此參考架構(gòu),企業(yè)可以更快地部署,實(shí)現(xiàn)更高的模型準(zhǔn)確性,并通過 大規(guī)模人工智能加速業(yè)務(wù)價(jià)值,簡化和加速企業(yè)級AI計(jì)劃的部署。

　　此外,戴爾多款服務(wù)器支持FPGA,可幫助加速核心工作負(fù)載,在幾分之一秒內(nèi)重新編程,為機(jī)器學(xué)習(xí)等數(shù)據(jù)密集型應(yīng)用提供超強(qiáng)算力。

　 　現(xiàn)今,機(jī)器學(xué)習(xí)正深入到各行各業(yè),在全社會范圍內(nèi)制造顛覆性變革。超強(qiáng)算力和高可擴(kuò)展存儲架構(gòu)加速機(jī)器學(xué)習(xí)實(shí)現(xiàn)自動化,滿足了企業(yè)數(shù)據(jù)建模過程中數(shù)據(jù)科 學(xué)家、建模工程師、數(shù)據(jù)分析師以及業(yè)務(wù)人員的痛點(diǎn)需求。戴爾科技將以全面的解決方案組合賦能企業(yè)實(shí)現(xiàn)全流程端到端自動建模,進(jìn)一步提高機(jī)器學(xué)習(xí)的普及化落 地能力。? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??