曾經在半個世紀之前，作為深度學習的思想和模型就開始進行研究和探索，卷積神經網絡在上世紀九十年代就已經提出，并進行了一系列知識完備。但是，近10年才是深度學習的高速發展時期，深度學習這一概念現在才慢慢開始被大家熟知。這里面有很多原因，其中最主要的原因是：計算機計算能力的飛速發展以及互聯網大數據的完備 。

AI計算平臺涉及到GPU、CPU、TPU、FPGA等硬件，每類硬件背后都有代表企業。英偉達GPU以卓越的性能，在AI計算中占據了相當大的市場;英特爾在CPU上有得天獨厚的優勢，并擅長布局生態，譬如將CPU與FPGA相結合;谷歌瞄準深度學習場景，發布專用TPU加速器。

深度神經網絡具有數以萬計的參數，以及非常巨大的計算量，普通計算機根本不具備如此強大的計算水平，隨著計算機性能的進一步提高，深度學習專用的GPU開始出現，以NVIDIA Tesla V100系列為例，單個GPU中即可提供高達100個CPU的性能。通過極其優越的性能承擔預算量繁重且耗時的代碼，使得AI模型訓練的過程大幅縮短。

制造業是國民經濟的支柱和基礎產業，是我國經濟持續增長的重要支撐力量。如今，為實現“新工業革命”時代下制造業模式創新與企業變革，制造業必須貫徹“智能制造2025”發展戰略，而推進智能制造，關鍵在于推動深度學習的基礎研究和應用。而搭建深度學習平臺，搶占智能時代先機，離不開硬件條件的支持。廣州特控研發團隊經過不懈努力從而完成了AI服務器的落地推廣。

“通過更加確切、清晰的數據支持，人工智能技術可以幫助我們的操作人員做出更加明智的決策。這幫助我們不斷優化生產流程，提高產品質量。”

特控2019年首發面向AI 云設計的彈性GPU服務器EIS-4205R系列，可靈活支持AI模型的線下訓練和線上推理。

• 支持英特爾至強系列CPU 達到面向線下訓練對性能的需求，可支持8顆最高性能的Tesla Volta GPU以PCI-E或NVLink的高速互聯；

• 
  

• 面向在線推理對高能效比的需求，可支持8顆高能效比的Tesla P4 GPU，適用于語音、圖片、視頻場景；

• 
  

• 在智能視頻分析場景下，可同時處理300路以上1080p高清視頻結構化；

• 
  

• 在數據存儲和通信性能方面，支持240TB大容量存儲，能實現高達400Gbps的通信帶寬和1us的超低延遲。

• 
  

  產品技術特點

• GPU卡擴展性強，最大支持8-10張，超過69.92TFLOPS的GPU性能；

• 內存擴展性強，最大24槽3TB內存；

• 雙路E5-2600系列處理器，性能強大例如2*E5-2680V4；

• 智能管理，可以提供IPMI管理服務器運行狀態，監控每顆CPU，每條內存、每張顯卡、每個風扇的狀態；

• 形態多樣，滿足各種應用場景的需求。