由惠普、戴爾、聯(lián)想領銜的全球系統(tǒng)制造商推出集成NVIDIA Quadro RTX GPU和NVIDIA CUDA-X AI的工作站，以大幅提升生產(chǎn)力。

NVIDIA與全球領先的OEM廠商和系統(tǒng)制造商合作推出強大的全新工作站，旨在助力數(shù)百萬數(shù)據(jù)科學家、分析師和工程師更快速、準確地做出業(yè)務預測并提高生產(chǎn)力。

該系統(tǒng)專為數(shù)據(jù)分析、機器學習和深度學習而設計，提供了極強的計算性能和工具，可應對金融、保險、零售及專業(yè)服務等領域中的海量數(shù)據(jù)準備、處理和分析需求。

NVIDIA賦力的數(shù)據(jù)科學工作站基于強大的參考架構(gòu)搭建，該架構(gòu)由兩顆高端NVIDIA Quadro RTX? GPU和NVIDIA CUDA-X AI?加速數(shù)據(jù)科學軟件構(gòu)成，如RAPIDS?、TensorFlow、PyTorch和Caffe。CUDA-X AI是一個資源庫合集，讓現(xiàn)代化計算應用能夠從NVIDIA的GPU加速計算平臺中受益。

NVIDIA創(chuàng)始人兼首席執(zhí)行官黃仁勛表示：“數(shù)據(jù)科學是計算機科學發(fā)展最快的領域之一，影響著每個行業(yè)的發(fā)展。企業(yè)都迫切希望能夠利用機器學習釋放其業(yè)務數(shù)據(jù)的價值，并前所未有地大量聘用數(shù)據(jù)科學家，而這些數(shù)據(jù)科學家正需要專門針對其需求設計的強大工作站。我們聯(lián)手合作伙伴推出了NVIDIA賦力的數(shù)據(jù)科學工作站，這些工作站基于全新Turing Tensor Core GPU和CUDA-X AI加速庫，使數(shù)據(jù)科學家能夠開發(fā)出有望實現(xiàn)業(yè)務變革的預測模型?！?/p>

NVIDIA GPU加速數(shù)據(jù)科學工作站

數(shù)據(jù)科學問題涉及海量數(shù)據(jù)，需要極高的處理能力。NVIDIA賦力的數(shù)據(jù)科學工作站使科學家能夠輕松、快速且準確地進行模型的準備、訓練和部署。其特性和優(yōu)勢包括：

兩顆高端Quadro RTX GPU — 基于最新NVIDIA Turing? GPU架構(gòu)，專為企業(yè)級部署而設計。借助NVIDIA NVLink?互聯(lián)技術(shù)，雙Quadro RTX? 8000和6000 GPU可實現(xiàn)最高可達260 teraflops的計算性能和96GB的內(nèi)存。Quadro RTX賦力的數(shù)據(jù)科學工作站所提供的容量和帶寬能夠處理最大規(guī)模的數(shù)據(jù)集和計算密集型工作負載，且其圖形功能能夠滿足包括VR在內(nèi)的大規(guī)模數(shù)據(jù)集的三維可視化需求。

數(shù)據(jù)科學軟件堆棧 — 基于Linux操作系統(tǒng)和Docker容器構(gòu)建：

NVIDIA CUDA-X AI — 一組NVIDIA GPU加速庫合集，用于加速深度學習、機器學習和數(shù)據(jù)分析。CUDA-X AI包括用于加速深度學習原語的cuDNN、用于加速機器學習算法的cuML、用于優(yōu)化訓練模型以進行推理的TensorRT?、以及其他15個以上的庫。它們能夠與NVIDIA Tensor Core GPU無縫協(xié)作，加速端到端工作流程，以開發(fā)和部署基于AI的應用。CUDA-X AI可被集成到TensorFlow、PyTorch和MXNet等深度學習框架中，以及AWS、Microsoft Azure和Google Cloud等領先的云平臺中。

NVIDIA RAPIDS — 一組GPU加速庫分析平臺，用于數(shù)據(jù)準備、傳統(tǒng)機器學習和圖形分析。

Anaconda? Distribution — NVIDIA聯(lián)手Anaconda公司推出Anaconda Distribution，這是一種幫助數(shù)據(jù)科學家實施Python / R、數(shù)據(jù)科學、AI和機器學習的新方法。

企業(yè)級支持 — 與工作站制造商一同進行測試和優(yōu)化，以滿足任務關(guān)鍵型企業(yè)級部署的需求。

可選的軟件支持 — NVIDIA開發(fā)的軟件和容器（包括深度學習和機器學習框架）讓用戶倍感輕松。

NVIDIA賦力的數(shù)據(jù)科學工作站讓數(shù)據(jù)科學家能夠自由地在本地開展工作，可謂是對NVIDIA的數(shù)據(jù)科學產(chǎn)品組合的理想補充。

LMT RMS首席數(shù)據(jù)科學家Mike Koelemay 表示：“NVIDIA賦力的數(shù)據(jù)科學工作站使我們的數(shù)據(jù)科學家能夠以前所未有的速度在大規(guī)模數(shù)據(jù)集上運行端到端數(shù)據(jù)處理管線。利用RAPIDS將更多的數(shù)據(jù)處理管線交予GPU，可縮短模型開發(fā)時間，從而更快速地完成部署并獲得業(yè)務洞察。”

廣泛的生態(tài)系統(tǒng)支持和采用

NVIDIA賦力的數(shù)據(jù)科學工作站可以幫助OEM廠商及領先數(shù)據(jù)科學軟件供應商滿足對不斷增長的GPU加速數(shù)據(jù)科學功能的需求，并為基于AI展開探索的客戶提供強大的全新選擇。