让算力触手可及：惠普数据科学工作站，满足边缘和桌面端算力需求算法邦（公众号：allplusai）作

文章图片
算法邦（公众号：allplusai）
作者|杨畅
编辑|漠影
我们可以看到AI正在落地到千行百业中：在医院里，医生利用AI来辅助医疗影像诊断；在安防监控中心内，管理人员利用AI来对海量高清视频数据进行分析；在药物研究企业中，研究人员利用AI来进行药物研发。与此趋势同时出现的是边缘端算力需求的持续提升。
普通PC（个人计算机）已经无法满足AI项目对算力的需求，目前的主要算力来源主要有两类：公有云和数据中心。其实，在实际的AI开发和AI部署场景中，还有一种算力提供设备可以作为上面两种算力来源的补充，它就是惠普数据科学工作站，可以提供边缘端、桌面端等方面的算力补充。
工作站是PC形态的超级计算机。从外观形态上来看，移动工作站与笔记本电脑的外观类似，台式工作站则与台式电脑主机或服务器的外观比较一致。从功能上来说，在像AI开发、边缘计算等专业场景中，工作站的性能更强，能通过其配置的GPU提供给用户充足的算力。比如，惠普的数据科学工作站，配备1~4块GPU显卡，可用于高性能计算、边缘计算等场景。

文章图片
在过去的40多年里，惠普工作站一直致力于通过提供创新工作站技术，服务不同行业的用户。目前，惠普工作站重点布局AI和数据科学领域的工作站。随着AI应用的逐渐下沉，惠普数据科学工作站的哪些优势逐渐得到凸显？哪些场景使用数据科学工作站可以获得更大效益？惠普又是如何布局其数据科学工作站业务的？算法邦与惠普商用产品部业务拓展经理施冲交流，探讨惠普数据科学工作站在多领域落地背后的布局思路和产品优势。
一、主流算力来源之外，提供更多样的算力补充AI发展离不开数据、算法和算力。施冲谈道其中最紧迫的应该是各行业对于算力的需求。近些年来，算力主要有大型数据中心和云计算平台这两个来源，此外还有惠普数据科学工作站这类的算力提供设备作为更多样的算力补充来源，从而提升用户的工作效率。
对于有AI开发需求的用户来说，有些应用或模型开发需要大量的开发人员来合力完成，海量的算力需求与有限的网络带宽负荷之间很可能会出现不平衡的矛盾。这种情况下企业就可以在桌面端为其开发人员配备相应的算力，比如使用惠普的数据科学工作站，来缓解算力需求压力。
对于有AI落地需求的用户来说，随着AI落地场景的下沉，他们希望算力设备能够做在降本增效的同时，有足够高的易用性。惠普数据科学工作站体积相对小巧，部署简单，投入成本较低，可以实现AI算力设备部署省时省力还省空间。
施冲说，惠普数据科学工作站相比于边缘终端，算力更强；相比于塔式服务器，噪音和热量更低；相比于用户DIY主机，性能和硬件稳定性更高。虽然几种设备之间有一定的相似性，但是惠普数据科学工作站更适高性能计算、边缘计算场景。
二、四类数据科学工作站赋能三大场景施冲谈道，目前惠普数据科学工作站主要是面向三类场景：大型互联网公司、学校和自动驾驶企业。
在大型互联网公司中，开发者数量众多，云端算力或数据中心算力远不能满足其AI开发和推理的需要，还需配备边缘端的算力。工作站正好可以提供相应的边缘算力，来提升开发效率。
随着AI的发展，更多高校开始开设人工智能专业，学生数量不断增多，这一群体也有对算力的需求。之前，很多学校是选择建数据中心来满足这一需求的，随着对边缘端算力需求的提升，工作站成为学校进行数据科学研究的更高性价比设备之一。