人工智能领军者——格灵深瞳
人工智能的五大核心技术包括计算机视觉、机器学习、自然语言处理、机器人和语音识别。格灵深瞳是一家同时具备计算机视觉、深度学习技术以及嵌入式硬件研发能力的人工智能公司，拥有全球领先的三维视觉感知技术，帮助计算机理解人的行为轨迹，也是第一家将人工智能应用于金融安防、智能交通等领域的公司。
经过多年技术积累和沉淀，格灵深瞳在金融安防、智能交通等行业累积大量了数据，通过深度学习技术，进一步将计算机视觉性能提高。接下来，格灵深瞳将开拓商场、超市等连锁企业，为他们提供智能视频监控解决方案，实现真正的商业化。
随着业务拓展，格灵深瞳很需要GPU做在线服务的计算支持，部署客户前端的智能摄像机会进行画面抓拍，同时把画面传回云端，由云端的GPU集群来进行计算，并且可以快速将返回的结果提供给用户。
2016年，Alpha Go和人类围棋冠军的两轮对决刷新了大众对人工智能的认知，也让人工智能成为舆论焦点。今年7月20日，国务院颁布《新一代人工智能发展规划》，明确将人工智能作为未来国家重要的发展战略。
一直以来，UCloud都走在科技发展前沿。在人工智能兴起之初，公司便积极与国内领先的人工智能公司接触，共同探讨人工智能与云计算的结合点。因此，在与格灵深瞳接触中，UCloud深入挖掘客户痛点，运用强大技术实力和良好服务，成功拿下人工智能领域的标杆客户。
（图：UCloud CBA三位一体战略）
通过与客户一系列的接洽，UCloud总结出此类客户以往的IT架构，并拿出了针对AI客户的解决方案。
格灵深瞳等传统AI客户的IT架构以自建机房为主：
软件架构：
? 需要维护多套深度学习框架，如：Tensorflow、Caffe；
? 很难进行框架层面优化以实现最佳训练性能；
? 需要自己维护一套驱动仓库，不同GPU卡对应不同的显卡驱动；
? 训练数据种类繁多，数据量较大，管理起来较复杂，包括热数据备份和冷数据归档、存储容量扩展性、IOPS和带宽吞吐量等，都是复杂的工程性问题。
硬件资源：
? 需要自己购买机柜、X86服务器、GPU显卡、UPS电源、交换机、路由器，维护成本高；
? 需要维护一个X86服务器的备件库，保证GPU服务器的最高训练效率；
? 服务器、GPU卡属于固定资源，无法做到资源快速扩展，重新采购周期较长；
? 训练数据的周期性迭代，使得硬件资源使用率存在高低峰值。
资金投入：
? 硬件资源购买需一次性投入大量资金；
? 电费开销巨大，一般还需要涉及电路改造；
? 需要专业的硬件和操作系统运维工程师
UCloud软硬件并行，提供完善的解决方案
硬件资源：
UCloud提供NVIDIA最新Tesla系列GPU卡P40。P40是NVIDIA推出的专门用于深度学习训练和推理的GPU卡，提供比CPU服务器快40倍的深度学习推理速度，采用NVIDIA最新的PascalTM 架构和16纳米制造工艺，具有3840个流处理器，核心主频高达1303～1531MHz，24GB GPU显存；高达12 TFLOPS单精度浮点运算和47TFLOPS整数运算能力（INT8）让深度学习的速度飙升。
UCloud提供单机4卡P40物理机：
UCloud提供基于P40云主机：
格灵深瞳云端架构：
格灵深瞳原先自建的机房深度学习训练平台使用单机8卡（GTX 1080Ti）的GPU物理机。迁移到UCloud云上之后，选择UCloud的单机4卡（P40）GPU物理机＋单机4卡（P40）GPU云主机，训练数据三副本存放在UCloud提供的3台万兆网络环境的SSD物理机上，最终实现资源层弹性伸缩和存储层可靠性。
软件架构（PaaS）：
UCloud最近刚发布了AI-Train在线训练产品，解决包括代码管理、运行环境维护、GPU管理维护、数据管理等模型训练过程中的每个环节，提供一站式Paas解决方案。下一步，我们将了解格灵深瞳的软件架构，为其解决模型训练场景所带来的一系列工程性难题。
最后，通过使用UCloud的服务，帮助格灵深瞳解决硬件成本以及人力成本，大幅度降低了格灵深瞳的成本投入。
资金投入前后对比：
前：硬件资源购买需一次性投入大量资金。
后：UCloud所有产品都可以提供按需付费模式，不需要一次性付费，提高了客户资金的利用率。
前：电费开销巨大，一般还需要涉及电路改造。
后：UCloud所有GPU资源都不收取产品费用以外的任何费用。
前：需要专业硬件和操作系统运维工程师。
后：UCloud所有GPU产品有专业的团队运营维护，发生硬件故障后，可以快速从备件库更换新硬件，或者开启新的GPU资源，删除故障机器。
现在，格灵深瞳已经成为UCloud在人工智能领域的标杆客户。在摸索探寻人工智能的道路上，我们发现“中立性”是人工智能公司对云计算厂商重要评估标准之一。此次UCloud成功将人工智能技术与云计算服务结合，从中带来的经验和可复制性，将为UCloud进军人工智能领域打下坚实的基础。
