不知道從什么時候開始，我們就早已邁入了AI時代。

他們說，進入這個新時代的標志就是電商服務、智能零售、工業制造、智能醫療、智能交通、智能農業、城市安全等百行百業無不開始AI化。

在電商服務領域，通過海量數據的機器學習，AI技術可實現貨物自動識別、貨物自動分類，優化貨物管控的流程，有效提升物流基地的管控效率。

在智能零售領域，比如無人售賣商店、無人售賣機，通過人臉識別技術，借助背后大量的人工智能的算法，以及大數據與高性能設備的支撐，實現了消費者現場拿貨品進行自動結算。

在智能生產線領域，智能化工廠應用AI后，可以自動監測到工業制造品的殘缺點，并進行標注，有助于提升工業制造的良品率。

在智能醫療領域，依托于大數據的AI技術，通過機器學習分析醫療圖像，可以實現快速診斷、癌癥篩查。

在智能交通領域，特別是自動駕駛方面，已經貼近大家的生活，AI被充分用于道路識別，便于提升駕駛的安全性。

在智能農業領域，AI應用對農作物成熟度識別、病蟲害維護等帶來便利。

在城市安全領域，AI＋人臉識別方案助力智慧城市建設，提升智慧城市治理能力，帶來更好的城市安全。

值得注意的是，在AI應用普及上，行業創新精彩紛呈，同時也帶來了大家對AI投資的重視。據相關報告顯示，在未來三年，85％的CIO（首席信息官）將在未來3年內投資AI。數據科學家們依托大數據，通過AI加速器建立數據模型和算法，從而賦能百行百業的行業智能化進程。

其中，數據科學得以廣泛發展，自然少不了AI的助力，更少不了來自新型基礎架構技術、算力發展的貢獻。

數據科學的AI實現，這件利器不可少

隨著云計算的發展，在云上實現AI應用也成為現實。不過也有不少重點行業企業自己部署AI服務器集群，實現自己需要的AI處理工作。也有一部分用戶采用PC來做一些AI簡易工作。當然也有采用數據科學工作站來完成一系列AI事務處理。

云、服務器、PC、數據科學工作站，對于數據科學的AI實現，用戶到底選擇哪一個更加經濟、高效和易用？

要做這樣一個選擇之前，需要對實現現代人工智能有一個清晰的認知。

對此，戴爾科技集團專業工作站產品經理汪志軍分析認為，當今大數據時代，人工智能之所以很快發展起來，其主要靠三個基礎條件相互給力。即大數據、算法、強大的基礎架構與算力。

不管是深度學習還是機器學習，其最終實現都需要經歷一個過程。

首先是準備數據。數據收集的準備過程其實最花時間，可能要占到整個人工智能開發里面80％到90％的時間。數據采集完成還需要做清理，進行分類、標識，這需要要大量的人力物力。當然，也有一些數據科學家可以通過算法來進行快速分配。其次就是AI訓練，需要采用高性能設備，如工作站、服務器來實現。最后就是模型部署。

可見，AI的實現通常要經過數據準備、模型開發和訓練、以及模型部署三個階段，整個過程對平臺的算力有很高的要求。普通PC無法滿足數據量龐大的AI項目對設備算力和穩定性的需求。當收集的數據越來越多元，算法強度越來越高時，只有服務器、云端以及數據科學工作站可以提供對AI的技術支持。

況且工作站對處理能力、穩定性、可靠性、安全性、可擴展性、可管理性等方面的要求遠高于普通商用電腦。IDC分析認為，工作站區別于普通商用電腦的關鍵在于工作站具備了三大特性，即：廣泛的軟件認證、強大的計算能力和出色的穩定性。

為此，普通PC在這個層面首先就可能被用戶pass掉了。

那么，云平臺和服務器又如何呢？

俗話說，沒有比較就沒有鑒別，沒有鑒別就沒有更好的選擇。

相較于工作站來說，在云平臺和服務器上計算價格更加高昂，特別是向云平臺上傳海量數據時往往也需要漫長的時間，況且云平臺的帶寬資源并不是免費的而是按照流量收費，其網絡傳輸成本不菲。同時AI服務器的設備成本也比工作站昂貴。

顯然，不是所有AI開發、深度學習等應用都適合部署在云或服務器上，因為設備成本、網絡帶寬傳輸成本的挑戰，工作站可以帶來在AI、深度學習數據處理上更好的經濟成本。不過，成本也只是數據科學在AI實現上的用戶選擇之一。不僅成本優勢，在AI項目的開發和部署階段，數據科學工作站的優勢更明顯。

◆優勢一，實現了靈活辦公。數據科學工作站可以靈活支持用戶隨時隨地的辦公需求，不必前往服務器環境進行訪問。

◆優勢二，數據本地化訪問。不少用戶非常關心的數據本地化問題，數據科學工作站一直為本地化部署方式，強調數據本地化管理，輕松應對數據的本地訪問和修改。不用擔心數據在云上云下中產生傳輸成本。

◆優勢三，設備按需配置。針對開發人員的不同需求，可以對數據科學工作站在處理器、圖形加速器、內存、硬盤、顯示器等硬件方面，進行按需配置，更具個性化，利于滿足用戶的AI不同應用需求。

◆優勢四，開發軟件按需安裝。用戶不僅可以在試驗階段，自行自由試驗，而且對于容器開發包或平臺軟件，也可以輕松裝載自由按照需求安裝。

◆優勢五，AI應用軟件按需迭代。用戶可以根據自己的AI應用需要，對數據科學工作站在算法、模型等方面進行隨意迭代或修改，便于提供更加貼身的AI應用支持。

六大優勢凸顯，使得數據科學工作站對于用戶數據科學的AI實現來說，就顯得更為經濟、高效和易用。

工欲善其事，必先利其器。因而，在AI助力下的數據科學，不斷深入各行各業，必然少不了數據科學工作站這件好“利器”。

23年造“器”，戴爾數據科學工作站“器宇不凡”

到如今，在工作站領域的創新與發展中，戴爾已經堅守了23年多。堅持不懈，創新不止。

從1997年發布第一款工作站產品，到現在戴爾已經推出了覆蓋用戶多樣化需求的移動工作站、機架式工作站、塔式工作站和工作站一體機。

23年造器，實屬罕見，戴爾數據科學工作站到底有著怎樣的“器宇不凡”呢？

一是·強算力

一方面，戴爾Precision工作站擁有廣泛的產品線，以及專門針對數據科學領域的數據科學工作站，采用英特爾CPU＋NVIDIA GPU芯片強大算力來支撐數據的分析。包括擁有強大計算性能和GPU顯卡的7000系列高端移動工作站、支持多GPU顯卡的Precision 5820塔式工作站以及超強性能與可擴展性的7000系列塔式工作站和機架工作站。

另一方面，戴爾工作站從電源到散熱的設計都能更極致地優化高端GPU性能，因此擁有更強的算力。對于用戶來說，配備戴爾塔式工作站，既擁有了強大GPU算力，又能享受到工作環境的靜音，也不用放在機房里，使用更加靈活。

如Precision 7550和Precision 7750移動工作站可選英特爾至強處理器、NVIDIA RTX5000專業顯卡，Precision 7540移動工作站采用第九代英特爾處理器、NVIDIA Quadro RTX顯卡，擁有業界突出的高性能。同時，配備了全新Dell Precision Optimizer高級版的AI性能優化軟件。

二是·強性能

戴爾Precision工作站針對高端GPU做了相應的散熱和主板優化，采用高性能顯卡支持多個同步計算和模型，使交易商和分析師能夠運行速度更快的軟件。

戴爾Precision數據科學工作站搭載企業級高性能專業組件和NVIDIA GPU，其硬件加速的速度比普通CPU快一個數量級，大大節省了數據科學家訓練模型的時間。

戴爾Precision數據科學工作站搭載NVIDIA Quadro RTX GPU，并支持預裝 NVIDIA CUDA－X AI加速數據科學軟件資源合集，以及支持快速部署帶容器的人工智能框架，大力加速人工智能計算。

采用多通道散熱設計，散熱性能和靜音效果更佳，可使整個系統在繁重工作負載下更安靜地工作。比如戴爾Precision 7820／7920塔式工作站采用FlexBay和多通道散熱設計，對IO吞吐有著更好表現，對整體性能提升帶來很好幫助。

FlexBay設計不僅對工作站性能帶來好處，同時支持多個SATA／SAS驅動器或者更多的M．2或U．2 PCIe NVMe固態硬盤，因為M．2和U．2 PCIe NVMe固態硬盤具備熱插拔功能，所以這樣的設計可以讓用戶無需關閉工作站也可以拔掉SSD盤，讓工作方式更為靈活。

三是·強穩定

對于任何一個數據科學的AI實現來說，穩定壓倒一切。算力再強，性能再好，更需要更強的穩定支撐。

戴爾Precision工作站配備對數據科學極為重要的錯誤檢查和糾正ECC內存，防止在軟件、數據調用或是大數據并行計算時出現藍屏或數據讀取失敗。

同時，戴爾自身的專利技術智能糾錯內存（RMT），可以進一步防止因為硬件問題導致的內存錯誤。在硬件出現故障的時候，工作站主板上的一個芯片可以自動屏蔽硬件壞掉的部分，讓內存繼續穩定運行，減少宕機時間。

四是·強兼容

任何用戶都不情愿為系統或軟件的兼容性上花費時間，因而數據科學家在做AI項目時，工作站的兼容性往往是重要的考量要素。

目前，戴爾數據科學工作站擁有AI平臺、操作系統、開發包以及廣泛的軟件認證。工作站自帶的智能調優軟件Dell Optimizer，可以根據用戶使用習慣自動調優常用軟件，提升性能，讓系統運行更加流暢、穩定。強大的兼容性，這也是戴爾數據科學工作站贏得用戶享受到更好AI體驗的基礎。

五是·強易用

算力強、性能強、穩定強、兼容強，什么都強，但是如大型機那樣使用復雜的話，也必然很難得到百行百業的應用普及。

為此，通過與NVIDIA及操作系統和人工智能開發平臺的廠家合作，戴爾Precision數據科學工作站在出廠前就經過硬件配置和系統預裝載。采用了NVIDIA技術的戴爾Precision數據科學工作站配備NVIDIA Quadro RTX GPU 和 NVIDIA CUDA－X AI加速數據科學軟件資源合集，包括如RAPIDS、TensorFlow、PyTorch和Caffe等AI開發軟件，讓現代計算應用從NVIDIA GPU的計算平臺中受益。任何用戶都可以開箱即用，隨時進行數據模型的準備和AI開發。

強易用，解決了之前工作站配備一套新的AI平臺費時費力的問題，為數據科學家們爭取了大量可用于工作研究的寶貴時間。

當前，在新基建的大趨勢下，來自5G、特高壓、城際交通、新能源、大數據中心、人工智能、工業互聯網多個領域的蓬勃發展，對工作站帶來了新需求。不僅強調工作站的強大算力，而且還非常重視支持AI程序開發和應用的AI算力，以及高效渲染和實時仿真分析的圖形圖像處理能力，同對這一切運行的穩定可靠性也有著更高要求。

戴爾數據科學工作站以其強算力、強性能、強穩定、強兼容、強易用的能力，全面賦能數據科學的AI實現，助力數據科學家獲得數據的真價值。幫助數據科學家從海量的數據中獲得商業洞察，將數據價值應用到改善生活、社會以及整個大環境，提升數據科學家們的研究和科學探索能力。

用戶最為關心的兩個問題，戴爾Precision如何應對？

雖然戴爾可以為用戶提供強算力、強性能、強穩定、強兼容、強易用的數據科學工作站，但是對于用戶來說，有兩個問題尤為關注。

？

一是，ECC內存基本上成了戴爾Precision工作站標配，目前來看，ECC對工作站性能影響如何？在性能和穩定性之間，戴爾Precision工作站如何實現技術權衡？

二是，工作站的處理能力與穩定性固然重要，但安全性也必不可少。特別是做數據科學研究的用戶，數據早已成為了根本。戴爾Precision工作站在安全性的設計與考慮上，又是如何考慮的呢？

針對第一個問題，戴爾科技集團商用終端解決方案資深工程師黃亮分析指出，對于傳統的圖形工作站和視頻工作站來說，更強調顯示這個方面的優化。但對于數據科學工作站來說，自然對AI計算的要求會更高一些。

其一，通常來講，越是計算密集的任務，其內存占用量會越大，內存的吞吐量也越大，一旦某個數據位出錯，就會導致程序的結果錯誤或者崩潰的情況發生。所以，NVIDIA的高端GPU如Tesla和Quadro都支持ECC，畢竟計算密集型的應用會對ECC的要求會更高。

其二，ECC對性能會有一點影響。比如顯卡開啟ECC后，其容量會有一點損失，但對系統內存不會有影響。對于需要更高可靠性的用戶來說，消耗一點顯存容量換來更好的可靠性也是值得，況且內存、顯存都會有配置冗余。

實際上，在石油、天然氣、電力、工業制造等行業領域，其設計人員、研發人員需要長時間運行工作站，少則幾個小時，多則7×24小時不停機，穩定性就顯得尤其重要。如果工作站配置了ECC功能，那么就可以避免一些問題發生保障應用軟件的可靠運行。

由此，在性能與穩定性之間，戴爾Precision科學工作站構建了強大的“平衡術”。

針對第二個問題，戴爾科技集團專業工作站產品經理汪志軍分析指出，諸如影視制作、廣告創意、醫藥研發、制造設計等領域，有著知識產權的嚴格要求，對安全有著共同的重視。

一方面，戴爾針對用戶安全性需求高的領域，提供機架式Precision科學工作站與之匹配。

比如有部分用戶，將機架式工作站部署在數據中心，借助Precision機架式工作站的遠程登錄卡配件，打造卓越的遠程工作站體驗。同時前端的研發人員、設計人員在工作站平臺上只能進行研發工作，無法通過拷貝數據、拔掉硬盤去非工作站平臺做研發和設計，這極大保護了相關用戶的安全性。

另一方面，從產品設計上去考慮工作站的安全性。針對一部分安全性要求高的用戶需要，戴爾Precision工作站支持硬盤鎖、機箱鎖、密碼鎖，以及帶有開箱記錄或開箱報警的設計。

此外，在全新戴爾Precision工作站里面，還設計了不同方式的安全功能，如登陸的人臉識別、開機的指紋識別，智能讀卡的身份識別等，通過多種路徑和方式，來保障工作站用戶日常的安全性。

由此，在保護數據資產上，戴爾進一步強化了Precision工作站的安全性價值。

可見，工作站用戶最為關心的這兩個問題，也成為了戴爾長期的堅持與努力的方向。

面向未來，戴爾在行動

數據科學工作站畢竟只是提供了適合數據科學的AI實現平臺，最終要在百行百業中實現智能化升級，離不開產學研的體系打造。

目前，戴爾科技集團目前在中國已與10所雙一流大學共同設立了創客聯合實驗室，參與了幾十所大學的產學合作協同育人項目，連續4年獲得教育部最佳合作伙伴獎。

近期，戴爾科技集團與復旦大學聯合更開發了全國首個人工智能、自動駕駛線下實踐課。課程匯集眾多技術、行業專家，聚焦AI技術，手把手教學生從實操出發，聯結自動駕駛基本理論框架和流程，打造沉浸式教學體驗，踐行產學研深度結合，幫助高校學子連接AI、大數據等前沿科技。

面向中國的數據科學未來，戴爾科技集團憑借自身的實力與能力，正在與產業鏈上下游合作伙伴、用戶、科研院校協同發展，共同推進AI賦能數據科學，助力改善我們的生活、社會以及整個大環境的方方面面。

責任編輯：xj