人工智能的三大要素是數據、算法及算力。類比于火箭發(fā)射，數據就好比是組成火箭的諸多零件，算法就是驅動火箭發(fā)射、運行的程序，而算力則就像是燃料，只有足夠強大的燃料才能助推著火箭成功發(fā)射。同樣，算力的提高也推動著人工智能的發(fā)展。

人工智能研究組織OpenAI最近指出，“高級人工智能所需的計算能力每三個半月就會翻一番”。

人工智能之前發(fā)展受限的原因，除了算法層面外，計算能力的不足也是其中很重要的一環(huán)。這種“聰明”的應用程序，背后是海量的數據和指數級的計算力需求。而解決算力問題最重要的支撐就是AI服務器。

我們都知道，傳統服務器主要以CPU為算力提供者。而CPU為通用型處理器，采用串行架構，擅長邏輯計算，負責不同類型種類的數據處理及訪問，同時邏輯判斷又需要引入大量分支跳轉中斷處理，這使得CPU的內部結構復雜。也因此，CPU算力的提升主要靠堆核來實現。

隨著云計算、大數據、人工智能等技術應用，現如今的企業(yè)組織機構正在大規(guī)模的采用這些新技術來解析不斷呈指數級增長的數據，這對以CPU為主要算力來源的傳統服務器提出了嚴峻的考驗。然而，目前CPU的物理工藝及核心數已經接近極限，由CPU提供算?的傳統服務器很難滿?這種密集型計算的需求。機器學習和人工智能代表了一個基本的新架構，需要重新思考基礎架構，工具和開發(fā)實踐。人工智能需要專屬的基礎機構進行承載和支撐，AI服務器應運而生。

那么AI服務器與普通服務器有什么區(qū)別呢？具體體現在以下幾個方面：

1、服務器的硬件架構

AI 服務器是采用異構形式的服務器，在異構方式上可以根據應用的范圍采用不同的組合方式，如 CPU+GPU、CPU+TPU、CPU+其他的加速卡等。與普通的服務器相比較，在內存、存儲、網絡方面沒有什么差別，主要在是大數據及云計算、人工智能等方面需要更大的內外存，滿足各種數據的存儲及運算。

2、卡的數量不一致

普通的 GPU 服務器一般是單卡或者雙卡，AI 服務器需要承擔大量的計算，一般配置四塊 GPU 卡以上，甚至要搭建 AI 服務器集群。

3、獨特設計

由于AI 服務器內置多個GPU卡和內存，需要針對性的對于系統結構、散熱、拓撲等做專門的設計，才能滿足 AI 服務器長期穩(wěn)定運行的要求。

不同于CPU，GPU采用并行計算模式，單卡核心數達到上千個，擅長處理密集型運算應用，如圖形渲染、計算視覺和機器學習。經過幾年驗證，搭載GPU的服務器也被證實的確適用這個時代。

近年來，隨著深度學習網絡模型的不斷完善，再加上AI服務器的助力，人工智能在計算機視覺、語音識別、視頻分析領域均取得了突破性進展，廣泛應用于圖像處理、人臉識別等典型AI應用場景。這些應用逐漸成熟的同時，也為遙感大數據信息智能提取提供了重要機遇。

行業(yè)內開始研究如何利用人工智能手段輔助挖掘遙感影像中豐富的信息。踏著AI+遙感的浪潮，中科北緯公司依托于豐富的自然資源行業(yè)經驗及先進的技術-自主研發(fā)了遙感智能視覺平臺——天樞。天樞平臺基于自主可控的飛槳國產深度學習框架構建，采用B/S架構開發(fā)，內置三大解譯功能：地物分割、變化檢測、目標識別，可廣泛應用于自然資源監(jiān)測、衛(wèi)片執(zhí)法、農業(yè)監(jiān)測等諸多領域，實現一鍵式自動化解譯。

同時，天樞平臺賦能用戶自主訓練模型，內置多個模型訓練參數供用戶調配，借助AI服務器的強大算力支撐，將用戶手中龐大的影像及樣本利用起來，按需訓練適應特定場景的模型，可用于不同尺度、不同分辨率、不同時期的遙感影像特征提取及變化檢測等功能。讓用戶真正專注于遙感數據的價值釋放！