隨著AI（人工智慧）的相關技術發展越來越成熟，越來越多企業也深知要如何利用AI來提升企業競爭力與發展，因此積極及早導入AI相關技術，讓企業相關作業流程得以智慧化與快速。因為，如果你動作不夠快，就無法成為第一。
我是廣告 請繼續往下閱讀
有鑒於此，全球頂尖企業的研究人員和資料科學家團隊，都致力於創造需要被訓練且更複雜的人工智慧模型，而且他們動作還得快。這就是為什麼想要在人工智慧領域坐穩領導地位，先得在人工智慧基礎設施取得領先地位，而這也正解釋了NVIDIA日前發佈的 MLPerf 人工智慧訓練成果會如此重要的原因。
NVIDIA表示該公司達成 MLPerf 六項基準測試的耀眼成績，其人工智慧平台在訓練效能方面創下八項記錄，其中包括三項大規模整體效能紀錄及五項基於每個加速器的效能紀錄。
簡單來說，過去要花上一整個工作天才能完成訓練的人工智慧模型，NVIDIA 的人工智慧平台如今只要不到兩分鐘的時間便能完成。
▲經 NVIDIA 優化後用於分散式人工智慧訓練的最新人工智慧軟體，只用了 80 秒便完成了訓練影像辨識模型 ResNet-50 任務。（圖／NVIDIA提供）舉例；在2017年春季，搭載 V100 GPU 的 NVIDIA DGX-1 系統花了一整個工作天，也就是八個小時來訓練影像辨識模型 ResNet-50。而今，同樣搭載 V100 GPU 的 NVIDIA DGX SuperPOD 與 Mellanox InfiniBand 進行串連，再使用經 NVIDIA 優化後用於分散式人工智慧訓練的最新人工智慧軟體，只用了 80 秒便完成了訓練影像辨識模型 ResNet-50 任務。這比煮一杯咖啡的時間還要短。
使用 Mask R-CNN 深度神經網路進行大重量物體偵測，可為使用者提供進階的實例分割。其用途包括將其與攝影機、感應器、超音波等多個資料來源搭配使用，以精確辨識並對特定物體進行定位。
這類人工智慧工作負載有助於訓練自動駕駛車，對行人及其它物體進行精確定位。另一個實際用途，便是協助醫師在醫療掃描影像中找尋和辨識腫瘤，其意義非凡。NVIDIA 花不到 19 分鐘便完成了大重量物體偵測測試，效能幾乎是第二名的兩倍。
企業明白要釋放這種生產力才是致勝關鍵。超級電腦現在儼然成為人工智慧領域的重要工具，而想要在人工智慧領域站上領導地位，需要有強大人工智慧運算基礎設施的支持。
此外，若說到AI的始祖，就不能不提到IBM的華生（Watson）電腦；而IBM在今年的Think大會期間宣布，未來旗下的WatsonAI服務，不只能夠在IBM的雲端上運作，將開放所有雲端平台使用。
我是廣告 請繼續往下閱讀
更值得一提的是，IBM已於7月 10日，以每股現金190.0美元，完成對紅帽所有已發行和流通在外普通股的收購交易，總股本價值約340億美元；這次的收購將重新定義企業級雲市場。
IBM表示，這次的收購已引起很多客戶的積極迴響，結合雙方優勢能力，協助企業釋放混合雲的真正商業價值，推動企業進入數位再造的下一篇章。