gpu云主机，英特尔斥资20亿美元收购AI芯片公司Habana？
英特尔想要跳出他的画地为牢，可是在芯片领域，真的难啊！
内生外延，依然画地为牢在1985年，当英特尔发现自己内存芯片已经山穷水尽，于是开始了英特尔历史上最大跨度的一次行进。彼时，英特尔二世摩尔还在，战略大师格鲁夫也就是英特尔三世正在接棒。两人一合计：当断不断，必留后患，全体向右看，集中力量搞处理器芯片（当时格鲁夫说：即使换个CEO，他也要停掉内存芯片业务，何不将自己解雇，然后重新召回？）。
这是英特尔历史上最大的一次转型，接下来的几十年，英特尔就靠着“win-intel联盟”打杀四方，将AMD逼到角落。但是科技永远不会停留在原地，科技的两个变量开始了，可以取代英特尔PC芯片的两个趋势。
手机芯片上败北PC芯片和手机芯片有一个关键的差别，那就是基带芯片。所以手机芯片里面，苹果虽然经常要和高通打官司，但是在芯片上不得不依赖高通。苹果一代曾用过英飞凌，但是高通在3G-4G在通信的两端，一端通信基站，一端手机基带芯片，一鱼多吃，吃的细致入微，惊心动魄。苹果也胆战心惊，他怕高通垄断，苹果的每一个配件，要么是自己设计，比如系统和处理器芯片就可以。要么就有多家供应商。而独独基带芯片，2010年开始就只有高通。
于是，英特尔适时的加入了战团。苹果曾一度英特尔和高通的基带芯片混用。反正芯片都是一个样，抹掉LOGO，看不出来是谁的就行。一方面养了英特尔的基带芯片部门，另一方面也打破了高通的垄断。
结果，高通一通拳脚，在多国起诉英特尔在专利上侵犯高通的专利。高通是玩专利的高手，2018年底，苹果被迫在欧洲下家英特尔芯片的手机，抹掉LOGO都不行，高通一诉讼，英特尔基带部门就被丢出了三条街。
然后，苹果说没办法，未来不要英特尔的基带了。英特尔说，不卖你别人也不要，你也帮我这么多，干脆卖你吧。还可以回避掉高通那个倒霉的专利官司。
一拍即合，苹果买下英特尔的基带芯片部门，从此，苹果距离手机芯片业务进一步遥远。
当然英特尔也可以做手机处理芯片，可是当年被英特尔一脚踹走的ARM成了在手机芯片领域另一个类似高通的存在。而不争气的英特尔芯片制造部门迟迟无法攻克10nm以下工艺的芯片。7nm的目标已经推迟到2021年。而台积电和三星已经在抢5nm的风口。英特尔可以通过密度来追性能，可是，体积永远是一条硬杠杠。
人工智能的二度出发错过了手机处理芯片，错过了基带芯片。英特尔不想错过人工智能。
人工智能说来凑巧，人工智能芯片基于两个技术，深度学习和并行神经网络。需要的芯片不是CPU而是GPU。英伟达和AMD是本轮科技进步的最大赢家，理论上GPU的科技含量和精度都要低于CPU。但是GPU善于并联使用。堆叠GPU核心，来达到人工智能运算的量。这种方式还延伸到无人驾驶，比特币挖矿（矿卡），机器人等等领域。说智能手机时代之后是人工智能时代，还不如说就是GPU翻身做主人的时代。
英特尔早期看不起GPU，他的对手是AMD，AMD苟延残喘中遇到了同病相怜的ATI，ATI在GPU上面被英伟达揍的鼻青脸肿。两个同病相怜的公司一合并。AMD算是因祸得福。
英特尔保守了很多年，终于看到了自身的问题。如果win-intel是联盟，而实际上对手AMD+ATI也是一个联盟。微软随时可以踢走英特尔，因为微软在做云计算，业务也在转型。而英伟达和英特尔从来不对付。
没有GPU，那么自己搞？英特尔先是厚脸皮去AMD挖人，然后还和AMD合作，试图将AMD的GPU整合到自己芯片里面。笔记本芯片双功能。一套拳法，英特尔自己说，预计独立GPU2020年出来。可问题，当英特尔一探头，人工智能早已飞上另一个芯片枝头。
现实GPU，这是基础，然后是FPGA，这是GPU上面的一个芯片拓展，大疆无人机三年前就是通过更换FPGA替代GPU战胜了国际竞争对手。而如今是AI专用芯片时代。不是GPU，既然是人工智能用的，GPU仅仅是通用，那么就要专门造出芯片。一方面高性能，一方面低能耗。
谷歌是本轮人工智能的主导者。人工智能深度学习和神经网路都是他开源算法，而他用阿尔法狗战胜围棋的方式来广布概念。然而谷歌很聪明的搞了一款服务器专用的TPU。然后组成了谷歌的人工智能云计算服务。如今，谷歌利用这个体系拓展出了多个业务，比如海底光缆业务，比如云游戏业务。
英特尔GPU还没出来，人工智能芯片已经千里之遥。怎么办？自己搞不起就收购。
收购了Nelvina系统，这是一家深度学习神经网络公司。
收购Mobileye，无人驾驶系统公司。
收购Vertex.ai，开发人工智能模型组件的初创企业。
收购Ineda Systems，印度的芯片设计公司，设计物联网，无人驾驶。关键老板是AMD的老员工。
到如今，英特尔收购了以色列Habana Labs，Habana Labs已推出云端AI训练芯片Gaudi和云端AI推理芯片Goya，其对手就是谷歌的TPU。下一步，有理由相信英特尔要进入AI云计算领域。
英特尔的目标，通过并购，买出和谷歌一样的实力，然后和谷歌在人工智能上面一较高下。在人工智能上面的落后，让英特尔很焦虑。
什么是智慧医院？
智慧医院依靠机器学习模型、AI 医疗设备等基于数据的洞察力来推动决策。
智慧医院使用数据和 AI 洞察推动各个患者服务阶段的决策，为专业医务人员提供洞察以实现更好、更快的护理。智慧医院使用数据和技术加速和改进目前专业医务人员和医院管理层的工作，例如追踪医院的床位占用率、监测患者的生命体征、分析放射学检查等。智慧医院和传统医院的区别是什么？医院正在不断生成和采集数据，其中大部分数据已实现了数字化。这使得他们能够使用数据分析和 AI 等技术来获得更好的洞察。曾以纸质文件形式存储的患者病史、检验结果和免疫信息数据现已被转换成电子病历（EHR）。数字 CT 和磁共振成像扫描仪以及包括 PACS 医疗影像存储系统在内的软件正在取代模拟放射学工具。医院病房和手术室的互联传感器可以记录多个连续数据流，用于实时和回顾性分析。普通医院正在越来越多地使用数字工具，以过渡转型为智慧医院。智慧医院不仅可以采集数据，而且还可以通过分析数据提供有价值的、及时的洞察。自然语言处理模型可以从复杂的病理报告中快速提取有益于癌症护理的洞察；数据科学可以监测急诊室的等待时间以解决各种瓶颈；AI 机器人可以在手术室协助外科医生；视频分析可以检测到洗手液供应情况或患者需要注意的情景（例如医院或家中的跌倒风险）。智慧医院有哪些优点？智慧医院技术为医疗系统、专业医护人员和患者带来了以下益处：医疗服务提供者：智慧医院的数据可用于帮助医疗机构优化其有限的资源，提高运营效率，更好地以患者为中心；传感器可以监测到独自一人的患者；AI 算法可以根据病情的严重程度告知需要优先治疗的患者；而远程医疗解决方案可以为医院外的患者提供护理。临床医生：智慧医院工具可以帮助医生、护士、医学影像技术人员和其他医疗专家处理常规或繁重的任务，例如记录与患者的每一次互动、分割核磁共振中的解剖结构或将医生的诊断书转化为医疗保险编码，使他们能有更多的时间专注于患者护理。智慧医院工具还可以在 AI 算法的帮助下帮助做出临床决策，根据历史数据为个别患者提供第二诊疗意见或分诊建议。患者：智慧医院技术可以帮助全球任何地方的医生提供更加一致和更高质量的患者护理服务。临床医生在技能水平、专业领域、资源获取和每个患者的时间投入上都有所不同。通过部署 AI 和机器人技术来实时监测并自动执行耗时的任务，智慧医院可以让临床医生更专注于与患者的互动，以优化患者体验。如何打造智慧医院？在运营智慧医院时，需要将完整的硬件和软件解决方案生态系统与临床医生的工作流程相协调。为了加快和改善患者护理，该系统中的每个应用、设备、传感器和 AI 模型都必须实现在整个机构中共享数据和洞察。如果把智慧医院比作章鱼，那么章鱼的头部就是负责存储和处理所有数据的安全服务器。每个触手则代表急诊室、重症监护室、手术室、放射科实验室等部门，上面覆盖着能够从周围环境中获取数据的传感器（章鱼吸盘）。如果每个触手都各自运作，那么这只章鱼的身体就会因为只能收到一条手臂感应到的信息而无法采取快速行动。只有每个触手都将数据传回章鱼的中央大脑，才能使它能够灵活应对不断变化的环境。同样，智慧医院采用的也是这种辐射模型：分布在整个设施中的传感器可以将关键洞察送回中央“大脑”，帮助做出整体决策。例如，如果手术室的摄像头显示手术即将完成，AI 就会提醒恢复室的工作人员做好迎接患者到来的准备。为了驱动智慧医院解决方案，医疗器械公司、学术医疗中心和初创企业纷纷使用 NVIDIA Clara。从运行实时应用的医疗设备到长期存储和处理数据的安全服务器，这个端到端 AI 平台可以与整个医院网络相整合，支持边缘、数据中心和云基础设施、众多软件库以及全球合作伙伴生态系统，为新一代智慧医院提供动力。智慧医院运营和患者监测一家繁忙的医院由患者、员工、药品、设备等无数动态元素而组成，使用 AI 自动化技术能够优化设施的运营。虽然医生或护士不可能在患者住院期间的每一刻都陪伴在他们身边，但智能视频分析在其他智能传感器的配合下可以密切监测患者，在患者处于困境并需要关注时提醒医疗服务提供者。例如重症监护室中的患者被连接到持续采集生命体征的监测设备上。其中的许多设备会不断发出各种警报，这可能导致医务工作者有时会忽略某个传感器的警报。通过将来自多个设备的流式传输数据汇总到一条通道，AI 算法可对数据进行实时分析，更快检测出患者的病情是否突然转好或转坏。休斯顿卫理公会学术医学中心正在与 NVIDIA 合作伙伴网络中的精英成员 Mark III Systems 一起部署一种名为 DeepStroke 的 AI 工具。该工具可以根据患者的语言和面部动作，更加准确地提前检测出卒中症状。通过将这些 AI 模型集成到急诊室的工作流程中，医院可以更加迅速地确定如何正确治疗卒中患者，帮助临床医生不遗漏仍可以挽救生命的患者。NVIDIA 初创加速计划成员 Artisight 正在使用由 GPU 加速的戴尔 PowerEdge 服务器、NVIDIA Fleet Command 混合云系统和用于 AI 流式传输分析的 DeepStream 软件开发套件等戴尔和 NVIDIA 的企业级解决方案来管理一个智慧医院网络，该网络包含了西北大学医学院的 2000 多个摄像头和麦克风。Artisight 所提供的一个模型提醒护士和医生注意有受伤风险的患者。另一个基于室内定位系统数据的系统实现了诊所工作流程的自动化，最大程度地提高员工的生产力和患者的满意度。还有一个系统通过检测术前、术中和术后事件协调手术室的吞吐量。这些系统都可以轻松添加功能而不受地点的限制。一个 AI 支持的传感器网络可以监测医院的房间以防止患者跌倒，也可以检测医院用品是否不足或者手术室是否需要清洁。这些系统甚至可以通过 Artisight 的集成式远程咨询工具延伸到医院以外，监测位于家中的高危患者。医疗服务的最后一个关键要素是医疗编码，也就是把临床医生的笔记转化成一组代表每项诊断和程序的字母数字代码。这些代码在美国具有特别重要的意义，它们是医生、诊所和医院向保险公司、患者等相关者提交账单的依据。NVIDIA 初创加速企业 Fathom 所开发出的一个 AI 模型能够自动执行复杂的医疗编码流程，在降低成本的同时提高速度和精度。这家成立于 2016 年的公司与全国最大的卫生系统、计费公司和医生团体合作，每年为超过 2000 万名患者进行编码。智慧医院中的医疗影像深度学习最开始被用于识别图像中的物体并因此而普及。这也是这项技术在医疗行业最早的用途之一。目前在医疗影像领域，有几十个 AI 模型已经获得监管部门的批准，帮助智慧医院的放射科加快对 CT、MRI 和 X 光数据的分析。AI 可以对检查图像进行预筛，标记出需要放射科医生注意的区域。这可以节省医生的时间，让他们有更多的余力查看其他检查图像或向患者解释结果。该技术可以将脑出血等关键病例移到放射科医生工作清单的首位，进而缩短诊断和治疗危及生命的病例的时间。而且它还可以提高放射学影像的分辨率，使临床医生能够减少每个患者所需要的剂量。领先的医疗影像公司和研究者正在使用 NVIDIA 的技术驱动可用于智慧医院环境的新一代应用。西门子医疗（Siemens Healthineers）开发了基于深度学习的自动轮廓绘制解决方案，能够对放射治疗中的危险器官进行精准的轮廓绘制。富士医疗使用 NVIDIA GPU 驱动其 Cardio StillShot 软件，该软件可在 CT 扫描期间生成精准的心脏影像。为了加快该软件的工作速度，该团队使用了包括 NVIDIA Optical Flow SDK 在内的软件来估计像素级运动，并使用 NVIDIA Nsight Compute 来优化性能。NVIDIA 初创加速计划中的初创企业也在使用 AI 推进医疗影像工作流程，例如上海联影智能的 uAI 平台可以为设备、医生和研究者提供功能齐全的 AI 应用，涵盖了影像、筛查、随访、诊断、治疗和评估领域。该公司的 uVision 智能扫描系统在 NVIDIA Jetson 边缘 AI 平台上运行。智慧医院中的数字和机器人手术为了获取数据并为外科医生提供 AI 驱动的警报和指导，智慧医院的手术室加入了智能视频分析和机器人技术。医疗设备开发商和初创企业正在开发推动手术培训的工具，帮助外科医生提前计划手术、在手术中提供实时支持和监测并协助术后的记录和回顾性分析。总部位于巴黎的机器人手术公司 Moon Surgical 正在设计一个可与手术室现有设备和工作流程配合使用的无障碍、自适应外科手术辅助机器人系统—— Maestro 。这家初创企业采用 NVIDIA Clara Holoscan 节省时间和资源，缩短了开发时间。Activ Surgical 选择使用 Holoscan 加快开发用于提供实时手术指导的 AI 和增强现实解决方案。这家波士顿公司的 ActivSight 技术让外科医生能够查看肉眼无法看到的重要生理结构和功能，比如血流。位于伦敦的 Proximie 将使用 Holoscan 技术实现手术室的远程呈现，把专业的外科医生和 AI 解决方案带入到每一场手术中。该公司希望通过将这些信息集成到外科影像系统来降低手术并发症的发生率，提升患者的安全和护理质量。远程医疗——家中的智慧医院技术另一些智慧医院技术确保不需要入院的患者可以通过可穿戴设备、智能手机应用、视频约诊、电话和文本信息收发工具在家中接受护理。此类工具减少了医疗机构的负担，例如能与患者有效沟通的 AI 聊天机器人。Curai 等公司正在使用自然语言处理 AI 驱动智能语音助手和远程医疗聊天机器人。Curai 是 NVIDIA 初创加速计划这一全球初创企业网络中的一员。Curai 正在使用 GPU 驱动的 AI，通过一个基于聊天的应用连接患者、医疗机构和护理团队。患者可以输入有关他们病情的信息、查阅他们的医疗档案并随时与医疗服务提供者聊天。该应用还通过提供基于 Curai 深度学习算法的诊断和治疗建议来支持医疗服务提供者。Curai 所专注的 AI 领域是自然语言处理（用于从医疗对话中提取数据）、医学推理（用于提供诊断和治疗建议）以及图像处理和分类（主要用于患者上传的图像）。像 Curai 这样的线上护理工具可以在任何时候用于预防性的和简易的护理，或在患者就诊后确保他们能够良好地响应治疗。利用智慧医院数据开展医学研究智慧医院数据的用处并不会在患者出院后而结束，它们可以为持续多年的研究提供信息，并作为医疗机构数据库的一部分来帮助改善运营效率、预防护理、药物研发等。凭借像联邦学习这样的协作工具，数据的作用将从一座医疗机构扩展到全球，推动整个医疗领域的研究。Neurosurgical Atlas 是全球最大的神经外科医生协会。该协会通过新的高效外科技术推进神经外科疾病患者的护理。Atlas 包含一个手术记录和模拟库，让神经外科医生在进行手术前能够对潜在的隐患有前所未有的了解，创造了新的技术标杆。未来，Neurosurgical Atlas 计划为个体患者创建数字孪生。佛罗里达大学的医疗学术中心 UF Health 使用包含了 200 万名患者的 5000 多万次互动信息的数字病历来训练 GatorTron。这个模型可以帮助确定哪些患者参加挽救生命的临床试验、预测并提醒医疗团队危及生命的情况并为医生提供临床决策方面的支持。电子病历还被用于开发 SynGatorTron。这个语言模型可以生成帮助增强小型数据集的合成病历，或在保护真实患者数据隐私的同时实现AI模型的共享。在得克萨斯州，MD Anderson 正在使用医院存档记录进行人口数据分析。研究者使用自然语言处理工具包 NVIDIA NeMo 开发了一个对话式 AI 平台。该平台可以利用癌症全像数据进行基因组分析，包括生存率分析、突变分析、测序数据处理等。*本文转载自 NVIDIA英伟达
*与 NVIDIA 产品相关的图片或视频（完整或部分）的版权均归 NVIDIA Corporation 所有。
云计算服务能力标准？
云计算可以提供的计算能力基本上会用模拟固定主频CPU折算成vCPU（虚拟CPU）核数来标称服务器处理能力、型号和价格。注意有特殊类型的云服务器，例如GPU优化的，可以满足特殊数据处理类型的要求 - 即根据需要计算能力类型可以选择不同云主机服务，对应的价格也不同 云计算的存储服务比较复杂，根据不同类型存储计费 1. 随机存储（磁碟和SSD价格不同）
2. 基于对象存储 - 高频访问（类似图床）
3. 基于对象存储 - 低频访问 4. 结构化存储与非结构化存储 一般根据预分配、实际使用量或者IO访问次数收费
做图形设计工作使用什么配置的电脑？
苹果运行CAD那就是渣渣，而且还不一定能装的上！单位使用就上专业显卡吧，怎么也得丽台p4000！推荐配置
显卡：丽台P4000
CPU：i7 7700K
主板：华硕Z270-A
内存：芝奇DDR4 3200 8GBX4
电源：台达 额定650W
散热：酷冷冰神G240
SSD：Intel 600P 256GB
硬盘：希捷 4T
机箱：乔思伯 U4
显示器：戴尔U2718Q
单位里搞设计的画图狗一定要配个专业显卡，千万别搞什么10780之类的。我原来的石家庄单位画图电脑就搞了
i7-8300+gtx1080+32g+120固态，可是画图多开依然卡成狗🐶🐶🐶🐶🐶🐶🐶！
原因就是，游戏显卡几乎都是按照游戏性能调教的，几乎不会考虑抗混淆（反锯齿）、双面光照、3D动态剖切等等。更不会针对这些进行性能优化！
举个栗子🌰。当你对一个复杂模型进行旋转或者平移时，游戏显卡就会出现跳帧、不流畅，无法精确移动。而这些不流畅、不精准因素时时刻刻都在考研设计人员的耐心'都会极大的影响制作的速度，甚至影响制作者的心情！
而且，你用单位电脑打游戏的概率几乎是零，就算你能打游戏(估计也就是扫雷了)，凭借专业显卡的性能也足够应付大多数游戏了。
大家都说苹果本作设计怎么怎么好，倒是小编作为机械狗，真的没看出来这玩意在机械设计软件方面有什么强悍之处！🍎原来石家庄的一个同事一万多买了苹果本，满心欢喜的拿到单位装逼，没有两蛋拽着马上就能上天那种，可是结果呢？
Cad装不了、solidworks 装不了、catia 也装不了……我连软件都装不上你还跟我说设计好用……也可能是苹果对于机械领悟有偏见吧！人家在其他方面的设计性能一定都非常牛逼哄哄！
希望我的回答能为大家提供帮助，有其他想法的朋友可以评论区留言讨论！
GPU虚拟化和CPU虚拟化的区别？
侧重点不一样，gpu的虚拟化更偏向于需要一定3d性能的场景，比如桌面虚拟化，很多银行保险类公司都有这种虚拟化，每个人有一台电脑用于接入虚拟云桌面，而所有的数据都在虚拟机里面，好处就是防止数据泄露，这种应用场景就需要一定的3d性能，两家常见的厂商，ctrix和vmware，前者有一套自己的东西，不需要借助于gpu，后者则是有一套和英伟达合作基于硬件的gpu虚拟化，而cpu的虚拟化，更侧重于计算，目前最常见的各种云服务器，都是属于这种。
云计算是一个近些年被炒作的概念，很多公司对外宣传自己使用了云计算，其实仅仅是用了最低级的iaas，infrastructure as a service，就是虚拟机而已。
