深度學習目前取得重大進展，解決了人工智能界的盡最大努力很多年仍沒有進展的疑難雜癥。它已經(jīng)被證明，它能夠擅長發(fā)現(xiàn)高維數(shù)據(jù)中的復雜結構，因此它能夠被應用于科學、商業(yè)和政府等領域。并且深度學習使用GPU計算具有優(yōu)異表現(xiàn)，催生了各類GPU服務器，帶動了 GPU 服務器的快速發(fā)展；同時，也帶動了以服務的形式提供人工智能所需要的能力，如深度學習計算類的計算平臺，以及語音識別，人臉識別等服務，這也成為人工智能企業(yè)打造生態(tài)的重要抓手。

GPU 服務器

服務器廠商相繼推出了專為 AI 而設計的、搭載 GPU 的服務器。GPU 服務器是基于GPU 應用于視頻編解碼、深度學習、科學計算等多種場景的計算服務設備。GPU 服務器為 AI 云場景對彈性配置能力予以優(yōu)化，以增強 PCI-E 拓撲和數(shù)量配比的彈性，增加適配多種軟件框架的運算需求，可以支持 AI 模型的線下訓練和線上推理兩類場景，能夠讓 AI 模型訓練性能大化或 AI 在線推斷效能大化，一般分為4 卡，8 卡，10 卡等多種類型。 另外，英偉達等公司推出了專用的 GPU 一體機。

例如 DGX-1 系列深度學習一體機，采用定制的硬件架構，并使用 NVlink 提升了 CPU、GPU 以及內(nèi)存之間的通信速度和帶寬；同時搭載了集成了 NVIDIA開發(fā)的操作系統(tǒng)，NVIDIA docker 環(huán)境和很多常用的 Framework 的Docker 鏡像，實現(xiàn)了從底層硬件到上層軟件的緊密耦合。類似的產(chǎn)品還有浪潮的 AGX-1 系列服務器。

以服務的形式提供人工智能能力成為趨勢

為了解決企業(yè)自行搭建 AI 能力時遇到的資金、技術和運維管理等方面困難，人工智能企業(yè)紛紛以服務的形式提供 AI 所需要的計算資源、平臺資源以及基礎應用能力。這類服務的意義在于一是有效推動社會智能化水平的提升，降低企業(yè)使用人工智能的成本，推動人工智能向傳統(tǒng)行業(yè)融合。

二是人工智能服務化轉型的重要基礎。服務平臺使人工智能服務和應用不再封裝于具體產(chǎn)品中，而可以在以線、隨用隨取的服務形式呈現(xiàn)。三是服務平臺成為垂直行業(yè)落地的重要基礎。近兩年，教育、醫(yī)療、金融等傳統(tǒng)行業(yè)對人工智能相關技術和應用需求的不斷提升，而服務平臺是解決技術和應用的基礎。

以服務形式提供人工智能服務主要有兩類，即平臺類的服務和軟件 API 形式的服務。

平臺類服務主要包含 GPU 云服務，深度學習平臺等，類似云服務的基礎設施即服務（Infrastructure as a Service，IaaS）和平臺即服務（Platform as a Service，PaaS）層。GPU 云服務是以虛擬機的形式，為用戶提供 GPU 計算資源，可適用于深度學習、科學計算、圖形圖像渲染、視頻解碼等應用場景。

深度學習平臺是以TensorFlow、Caffe、MXNet、Torch 等主流深度學習軟件框架為基礎，提供相應的常用深度學習算法和模型，組合各種數(shù)據(jù)源、組件模塊，讓用戶可以基于該平臺對語音、文本、圖片、視頻等海量數(shù)據(jù)進行離線模型訓練、在線模型預測及可視化模型評估。

軟件 API 服務主要分為智能語音語類服務和計算機視覺服務。其中智能語音語類服務主要提供語音語義相關的在線服務，可包括語音識別、語音合成、聲紋識別、語音聽轉寫等。計算機視覺類服務主要提供物體檢測、人臉識別、人臉檢測、圖像識別、光學字符識別（Optical Character RecogniTIon，OCR）識別、智能鑒黃等服務。?