让数据科学团队跨过算力鸿沟,NVIDIA这款产品做了什么?( 三 )


小结
如同PC的发展 , 从一间房到半张桌 , 从KB到GB到TB , 从专业团队操作到人人可用 , AI算力设备也在经历类似的过程 , 高能力、低门槛 , 优质算力资源正在实现更好的触达 , 让组织的数据科学团队更好地获取匹配的算力 。
而从AI医疗影像场景可以看出 , 正是因为现实场景应用对AI有着越来越深刻的需求 , 才不断倒逼着数据科学团队以更快的方式来实现模型创新与迭代 。 这意味着 , AI落地越广泛和深入 , 最终传导到数据科学团队 , 就是对算力条件越来越高甚至必须一次次突破常规的要求 。
AI超算成为了AI应用创新的起点 , 但它也是AI应用落地的结果 , 市场需求始终“水涨船高” , 算力形态的进化 , 还将继续 。
*本文图片均来源于网络
此内容为【智能相对论】原创 ,
仅代表个人观点 , 未经授权 , 任何人不得以任何方式使用 , 包括转载、摘编、复制或建立镜像 。
部分图片来自网络 , 且未核实版权归属 , 不作为商业用途 , 如有侵犯 , 请作者与我们联系 。

相关经验推荐