深度学习目前取得重大进展，解决了人工智能界的尽最大努力很多年仍没有进展的疑难杂症。它已经被证明，它能够擅长发现高维数据中的复杂结构，因此它能够被应用于科学、商业和政府等领域。并且深度学习使用GPU计算具有优异表现，催生了各类GPU服务器，带动了 GPU 服务器的快速发展；同时，也带动了以服务的形式提供人工智能所需要的能力，如深度学习计算类的计算平台，以及语音识别，人脸识别等服务，这也成为人工智能企业打造生态的重要抓手。

GPU 服务器

服务器厂商相继推出了专为 AI 而设计的、搭载 GPU 的服务器。GPU 服务器是基于GPU 应用于视频编解码、深度学习、科学计算等多种场景的计算服务设备。GPU 服务器为 AI 云场景对弹性配置能力予以优化，以增强 PCI-E 拓扑和数量配比的弹性，增加适配多种软件框架的运算需求，可以支持 AI 模型的线下训练和线上推理两类场景，能够让 AI 模型训练性能大化或 AI 在线推断效能大化，一般分为4 卡，8 卡，10 卡等多种类型。 另外，英伟达等公司推出了专用的 GPU 一体机。

例如 DGX-1 系列深度学习一体机，采用定制的硬件架构，并使用 NVlink 提升了 CPU、GPU 以及内存之间的通信速度和带宽；同时搭载了集成了 NVIDIA开发的操作系统，NVIDIA docker 环境和很多常用的 Framework 的Docker 镜像，实现了从底层硬件到上层软件的紧密耦合。类似的产品还有浪潮的 AGX-1 系列服务器。

以服务的形式提供人工智能能力成为趋势

为了解决企业自行搭建 AI 能力时遇到的资金、技术和运维管理等方面困难，人工智能企业纷纷以服务的形式提供 AI 所需要的计算资源、平台资源以及基础应用能力。这类服务的意义在于一是有效推动社会智能化水平的提升，降低企业使用人工智能的成本，推动人工智能向传统行业融合。

二是人工智能服务化转型的重要基础。服务平台使人工智能服务和应用不再封装于具体产品中，而可以在以线、随用随取的服务形式呈现。三是服务平台成为垂直行业落地的重要基础。近两年，教育、医疗、金融等传统行业对人工智能相关技术和应用需求的不断提升，而服务平台是解决技术和应用的基础。

以服务形式提供人工智能服务主要有两类，即平台类的服务和软件 API 形式的服务。

平台类服务主要包含 GPU 云服务，深度学习平台等，类似云服务的基础设施即服务（Infrastructure as a Service，IaaS）和平台即服务（Platform as a Service，PaaS）层。GPU 云服务是以虚拟机的形式，为用户提供 GPU 计算资源，可适用于深度学习、科学计算、图形图像渲染、视频解码等应用场景。

深度学习平台是以TensorFlow、Caffe、MXNet、Torch 等主流深度学习软件框架为基础，提供相应的常用深度学习算法和模型，组合各种数据源、组件模块，让用户可以基于该平台对语音、文本、图片、视频等海量数据进行离线模型训练、在线模型预测及可视化模型评估。

软件 API 服务主要分为智能语音语类服务和计算机视觉服务。其中智能语音语类服务主要提供语音语义相关的在线服务，可包括语音识别、语音合成、声纹识别、语音听转写等。计算机视觉类服务主要提供物体检测、人脸识别、人脸检测、图像识别、光学字符识别（Optical Character Recognition，OCR）识别、智能鉴黄等服务。 （部分内容来源于网络如有侵权请联系删除）

欢迎您分享文章，让更多有需要的人看到。