用工作站开发AI应用，是否可行？

【51CTO原创稿件】当前，利用人工智能（AI）为代表的新兴信息技术推动创新，已经成为企业共识。来自麦肯锡全球研究院的一项报告显示，到2030年大约70％的公司将采用至少一种人工智能，而且很大一部分大型企业将使用全方位的技术。在IDC发布的2021中国人工智能未来趋势报告中显示，到2021年，至少有65％的中国1000强企业将利用自然语言处理（NLP）、机器学习（ML）和深度学习（DL）等AI工具，赋能60％在客户体验、安全、运营管理和采购等业务领域的用例。

提到人工智能，就不得不提数据、算法、算力三大要素。随着技术的突破，算力有了飞跃式的提升，为开发人工智能应用提供算力支撑的方式也变得多种多样，不再仅是高性能服务器计算集群，诸如数据科学工作站、云上超算等也出现在我们的视野当中。今天，笔者就重点跟大家聊聊数据科技工作站是否能够为开发AI应用提供足够的算力。

数据科学工作站的算力是否够用？

在AI应用的开发过程中，要经过数据准备、模型开发和训练、模型部署三个阶段，整个过程对平台的算力有很高的要求，特别是当收集的数据量越来越大，数据类型越来越多元时，算法强度就会越来越高，这就需要更高性能的计算产品来提供对AI的支持。

利用工作站开发AI应用，我想大部分用户都会担心其算力不够用的问题。有这种担心的用户，我想大部分人对工作站这种产品并不了解，或者已经很久时间没有关注相关产品了。

早期的工作站产品，主要针对图形、图像与视频工作的高端专用电脑，以此来满足设计师对于图形设计、视频渲染等的需求，的确不太适用于开发AI应用。不过，随着AI应用开发的需求越来越多，用户需要更加方便、灵活、高性价比的产品，以满足AI算力需求。于是，搭配更高CPU、内存、GPU的专业数据科学工作站出现了。

从硬件配置上来看，数字科学工作站不但能够支持多路英特尔至强可扩展处理器，而且还能够支持NVIDIA RTX 和 NVIDIA Quadro RTX 专业级 GPU，且在台式工作站上能够支持高达台式机上获取高达96 GB 或在笔记本电脑上获取高达 24 GB 的超快本地显存。当然，其内存和硬盘的容量也大大高于图形工作站。

除此之外，数字科学工作站还具备优化的软件能力。例如，在采用 NVIDIA 技术的数据科学工作站，NIVIDA都会为其配备基于 NVIDIA CUDA－X AI 打造且经过测试和优化的综合性堆栈，这些堆栈采用了 RAPIDS 数据处理和机器学习库、NVIDIA 优化 XGBoost、TensorFlow、PyTorch 及其他领先的数据科学软件，能够加速工作流程，提高数据准备、模型训练和数据可视化的速度。

可以说，虽然在算力上数据科学工作站还无法与高性能计算集群相媲美，但其仍然具备不错的算力和稳定性，同样能够满足很多企业开发AI应用的需求。相比较之下，由于部署简单，即开即用，无须进行繁杂的配置，且价格相对比较便宜，因此，数字科学工作站可以说是一种不错的选择。

数据科学工作站有哪些主要优势？

或许很多用户会问，如今提供云上算力与AI应用开发的厂商越来越多，且价格不高，随用随买，更加适合于普通企业；那些对算力有着更高要求的AI应用，企业一般都会选择部署AI服务器集群，数据科学工作站相比较之下，有哪些优势呢？

笔者认为，数据科学工作站的主要优势主要体现在以下几个方面：

1）使用简单，开箱即用。我们可以把数据科学工作站看成是一台高配置的电脑，大部分产品都自带系统和驱动，只需要用户根据自己的需要安装开发软件即可，基本上做到了开箱即用。

2）按需配置，费用更低。用户可以根据自己的实际情况，选择不同配置的处理器、图形加速器、内存、硬盘、显示器等硬件进行按需配置。相比较之下，虽然用户可以在云上选择自己需要的硬件配置，但由于云平台的带宽资源并不是免费的而是按照流量收费，其网络传输成本不菲。同时，从长期使用来看，云上AI服务器的总体使用成本并不便宜。

3）本地化访问，更加安全。云上数据安全一直是用户担心的问题，相比较之下，数据科学工作站一直为本地化部署方式，强调数据本地化管理，不但能够轻松应对数据的本地访问和修改，且数据更加安全。

4）按需安装软件，更加灵活。使用数据科学工作站的用户，不仅可以在试验阶段，自行自由试验，而且对于容器开发包或平台软件，也可以按照需求安装。同时，用户也可以按需对

AI应用软件迭代，对数据科学工作站在算法、模型等方面进行随意修改，双便于提供更加贴身的AI应用支持。

什么样的用户适合选择数据科学工作站？

目前，各大厂商推出了各种配置的数据科学工作站。

从戴尔、HP、联想等厂商在售的产品来看，高端产品大都采用了英特尔至强可扩展处理器以及英伟达的高端专业GPU，入门产品也采用了最新一代的酷睿i7系列处理器和英伟达的专业GPU，售价覆盖了一万到十万的价格区间，产品型号非常丰富，能够满足当前绝大多数AI应用开发的需求。

不过，对于那些没有任何AI开发经验，想尝试一下深度学习等技术，运行一些现成的代码的企业或者用户，可以租用云平台来进行体验，大可没有必须花重金采购数据科学工作站。当然，对于那些已经部署了超算服务器集群的企业，他们也不会关注选择数据科学工作站此类的产品。

除此之外，笔者认为目前大部分企业的AI应用开发，都可以选择在数据科学工作站上完成。企业或者用户可以根据自己的实际情况，选择不同配置的产品即可，以保证在高效完成AI应用开发的同时，降低算力带来的成本。

【51CTO原创稿件m】

来源：51CTO张诚