從科學發現到人工智能，高性能計算 (HPC) 都是促進人類進步的重要中堅力量?，F代化研究中心正攻克當今世界所面臨的部分超級挑戰。 傳統的 CPU 已不再能提供過去的性能提升，而解決這一問題的出路就是 GPU 加速計算。
NVIDIA Tesla 是加速計算領域的先進平臺，也是世界部分超大型研究中心的動力源，能夠在提供超高吞吐量的同時，節約成本。NVIDIA Tesla V100 采用 NVIDIA Volta架構，是科學計算和人工智能時代的理想計算引擎。為您的研究中心部署 NVIDIA Tesla V100 GPU 有三大理由。
理由一
HPC + AI = 前所未有的機遇
AI 革命已近在咫尺，每個研究中心都應該做好準備。AI 可讓研究人員分析大量數據，在僅憑模擬無法完全預測各專業領域（如醫學成像、生物信息、藥物發現和高能物理等）的真實情況下快速獲取見解，從而擴展傳統的高性能計算。
Tesla V100 是能夠推動 AI 革命和實現 HPC 突破的計算引擎。例如，梅奧醫院的研究人員正在借助深度學習研究放射基因組學，并利用多參數磁共振 (MR) 圖像等多模態圖像中內含的豐富信息精確判定腫瘤的基因組特性。
AI 正在助力檢測兒童生長發育問題為助力檢測兒童生長發育問題
MGH 和 BWH臨床數據科學中心已研發出一臺骨齡自動分析儀；該分析儀器短短數秒即可產生準確度高達 99% 的分析結果，而之前則需要數日。
AI 預測和預防疾病
西奈山醫學院使用深度學習可在病情確診前確認高危險患者，從而為醫生提供拯救性命的潛在先機。
理由二
常用應用程序都支持 GPU 加速
多個領域超過 500 款 HPC 應用程序已得到 GPU優化，包括量子化學、分子動力學和生物信息學等。事實上，Intersect360 Research 的一份獨立研究顯示，70% 的超熱門 HPC 應用程序，包括前 10的所有應用，都有內置對 GPU 的支持。
大多數熱門 HPC 應用程序和所有的深度學習框架都支持 GPU 加速，因此每位研究人員都會發現數據中心大部分工作負載均受益于 GPU 加速計算。
理由三
提升研究中心的生產效率和吞吐量
數據中心管理者都面臨著同樣的挑戰：如何滿足常常會超過系統可用周期的研究計算資源需求。
NVIDIA Tesla V100 可顯著提升您所在機構數據中心的吞吐量并減少節點數量，完成更多項任務和提升數據中心效率。
配有 V100 GPU 的單個服務器節點最多可抵 50 個CPU 節點。例如，對于 HOOMD-BLUE，配有四塊V100 的單個節點可以抵上 43 個雙插槽CPU 節點，而對于 MILC 而言，單個 V100 節點可抵 14 個 CPU節點。在降低網絡、電力和機架空間方面開銷而大幅降低成本的同時，加速節點還能提供更高的應用程序吞吐量。
