计算机科学和数据科学对未来的HPC都很关键。高性能计算的标准。特别是，AI是通往百亿亿次计算之路（一秒内浮点运算达百亿亿次的计算系统）。在SC16超算大赛上，出现了很多AI应用于医疗、天气、天文等各领域来解决传统的HPC问题的案例。同时我们也看到了深度学习帮助HPC解决问题的案例。

深度学习对超级计算来说既是挑战也是机遇。实际上，未来的超级计算机应该被设计为既用于计算机科学也用于数据科学。超级计算机将会整合计算机科学和AI，而AI超级计算也是通向百亿亿次计算的最佳路径。

一旦你训练了一个精准的模型，下一步就是部署，或者找到办法来服务以用户为基础的大型神经网络。许多人认为HPC可以将AI的益处大规模带给用户。

一个关于语音识别的AI应用的有趣统计数字表明，数据量增长10倍，直播，相应的错误率会降低40%。HPC允许训练模型在更庞大的数据集上训练，因此是推动AI进步的关键因素。

　　不久以前，HPC还是Cray和IBM这样大公司的专属品。但2016年早些时候，在2016年NVIDIA GPUTechnology Conference上，英伟达CEO黄仁勋向大家介绍了DGX-1，称它是世界上第一台“盒子里的超级计算机”，价值大约13万美元。这一发布对于AI领域是石破天惊的。

　　最后，企业能否成功利用新兴技术，归根到底可能取决于是否能找到足够的技术工人。许多大公司在想办法找到合适的人才，以求在AI驱动的经济中立于不败之地。也许一些有机器学习背景的人才没有HPC背景。解决方法无非是要么坐下来自学，要么去和掌握相关技术的人合作。

　　下面我们集中介绍各个领域中AI和深度学习的精彩应用案例，来展示GPU是如何有效地和AI技术结合在一起的。

　　AI在各领域的应用案例

　　AI在医疗领域的应用：

AI平台加速癌症研究——为了加速推进和癌症的斗争，CancerMoonshot联合了Department of Energy (DOE)、National Cancer Institute (NCI) 以及Oak Ridge、Lawrence Livermore、Argonne和Los Alamos National Laboratories的其他研究者。英伟达和上述实验室合作，帮助他们加速建设一个称为CANDLE的AI框架，作为通用的发现平台，目标是在癌症研究产出方面取得10倍的年增长。这一框架将使得科学家和研究者可以使用深度学习以及其他计算机科学的方法来攻克癌症研究中的一些难题。在这方面英伟达的超级计算机DGX SATURNV将会发生效用。

使用AI加速药物发现——新的药物上市一般要花费12到14年，耗资26亿美元。BenevolentAI使用GPU深度学习方法使得新药物的面世更迅速，成本也更低。他们把利用大量研究数据识别模式的过程自动化了，使科学家能够比以往的研究者更快地提出假设并得出结论。例如，使用英伟达DGX-1 AI超级计算机，2种可能适用于阿兹海默症的药物在一个月之内就被识别出来。

AI推进了乳腺癌的防治——乳腺癌是全球女性致死率第二高的癌症。基因测试可以帮助医生判断癌症进程，以便采取适当的治疗方法。但这一测试价格昂贵，且对组织有破坏性，同时要耗费10到14天。Case Western Reserve采用GPU深度学习来对癌症风险进行自动评测，成本是基因测试的20分之1。

AI预测和预防疾病——GPU深度学习能在疾病诊断前就帮助医生识别高风险病人。Mount Sinai 的Icahn School of Medicine基于英伟达GPU和CUDA程序模型建造了一个称为Deep Patient的AI工具。Deep Patient可以分析病人的病例，最快在发病1年前就可以预测80种疾病的发生。

　　AI辅助天气预报：

　　天气预报能够挽救生命，atv，保护财产，而预测的生成需要处理海量数据。Colorful Clouds使用AI和GPU计算来快速处理、预报天气和空气质量，并根据个人的位置提供高精准度的实时预测。从CPU到GPU，处理数据的速度提升了30到50倍。

　　AI加速网络防护：