不知道从什么时候开始，我们就早已迈入了AI时代。
他们说，进入这个新时代的标志就是电商服务、智能零售、工业制造、智能医疗、智能交通、智能农业、城市安全等百行百业无不开始AI化。
在电商服务领域，通过海量数据的机器学习，AI技术可实现货物自动识别、货物自动分类，优化货物管控的流程，有效提升物流基地的管控效率。
在智能零售领域，比如无人售卖商店、无人售卖机，通过人脸识别技术，借助背后大量的人工智能的算法，以及大数据与高性能设备的支撑，实现了消费者现场拿货品进行自动结算。
在智能生产线领域，智能化工厂应用AI后，可以自动监测到工业制造品的残缺点，并进行标注，有助于提升工业制造的良品率。
在智能医疗领域，依托于大数据的AI技术，通过机器学习分析医疗图像，可以实现快速诊断、癌症筛查。
在智能交通领域，特别是自动驾驶方面，已经贴近大家的生活，AI被充分用于道路识别，便于提升驾驶的安全性。
在智能农业领域，AI应用对农作物成熟度识别、病虫害维护等带来便利。
在城市安全领域，AI+人脸识别方案助力智慧城市建设，提升智慧城市治理能力，带来更好的城市安全。
值得注意的是，在AI应用普及上，行业创新精彩纷呈，同时也带来了大家对AI投资的重视。据相关报告显示，在未来三年，85%的CIO（首席信息官）将在未来3年内投资AI。数据科学家们依托大数据，通过AI加速器建立数据模型和算法，从而赋能百行百业的行业智能化进程。
其中，数据科学得以广泛发展，自然少不了AI的助力，更少不了来自新型基础架构技术、算力发展的贡献。
随着云计算的发展，在云上实现AI应用也成为现实。不过也有不少重点行业企业自己部署AI服务器集群，实现自己需要的AI处理工作。也有一部分用户采用PC来做一些AI简易工作。当然也有采用数据科学工作站来完成一系列AI事务处理。
云、服务器、PC、数据科学工作站，对于数据科学的AI实现，用户到底选择哪一个更加经济、高效和易用？
要做这样一个选择之前，需要对实现现代人工智能有一个清晰的认知。
对此，戴尔科技集团专业工作站产品经理汪志军分析认为，当今大数据时代，人工智能之所以很快发展起来，其主要靠三个基础条件相互给力。即大数据、算法、强大的基础架构与算力。
不管是深度学习还是机器学习，其最终实现都需要经历一个过程。
首先是准备数据。数据收集的准备过程其实最花时间，可能要占到整个人工智能开发里面80%到90%的时间。数据采集完成还需要做清理，进行分类、标识，这需要要大量的人力物力。当然，也有一些数据科学家可以通过算法来进行快速分配。其次就是AI训练，需要采用高性能设备，如工作站、服务器来实现。最后就是模型部署。
可见，AI的实现通常要经过数据准备、模型开发和训练、以及模型部署三个阶段，整个过程对平台的算力有很高的要求。普通PC无法满足数据量庞大的AI项目对设备算力和稳定性的需求。当收集的数据越来越多元，算法强度越来越高时，只有服务器、云端以及数据科学工作站可以提供对AI的技术支持。
况且工作站对处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面的要求远高于普通商用电脑。IDC分析认为，工作站区别于普通商用电脑的关键在于工作站具备了三大特性，即：广泛的软件认证、强大的计算能力和出色的稳定性。
为此，普通PC在这个层面首先就可能被用户pass掉了。
那么，云平台和服务器又如何呢？
俗话说，没有比较就没有鉴别，没有鉴别就没有更好的选择。
相较于工作站来说，在云平台和服务器上计算价格更加高昂，特别是向云平台上传海量数据时往往也需要漫长的时间，况且云平台的带宽资源并不是免费的而是按照流量收费，其网络传输成本不菲。同时AI服务器的设备成本也比工作站昂贵。
显然，不是所有AI开发、深度学习等应用都适合部署在云或服务器上，因为设备成本、网络带宽传输成本的挑战，工作站可以带来在AI、深度学习数据处理上更好的经济成本。不过，成本也只是数据科学在AI实现上的用户选择之一。不仅成本优势，在AI项目的开发和部署阶段，数据科学工作站的优势更明显。
◆优势一，实现了灵活办公。数据科学工作站可以灵活支持用户随时随地的办公需求，不必前往服务器环境进行访问。
◆优势二，数据本地化访问。不少用户非常关心的数据本地化问题，数据科学工作站一直为本地化部署方式，强调数据本地化管理，轻松应对数据的本地访问和修改。不用担心数据在云上云下中产生传输成本。
◆优势三，设备按需配置。针对开发人员的不同需求，可以对数据科学工作站在处理器、图形加速器、内存、硬盘、显示器等硬件方面，进行按需配置，更具个性化，利于满足用户的AI不同应用需求。
◆优势四，开发软件按需安装。用户不仅可以在试验阶段，自行自由试验，而且对于容器开发包或平台软件，也可以轻松装载自由按照需求安装。
◆优势五，AI应用软件按需迭代。用户可以根据自己的AI应用需要，对数据科学工作站在算法、模型等方面进行随意迭代或修改，便于提供更加贴身的AI应用支持。
六大优势凸显，使得数据科学工作站对于用户数据科学的AI实现来说，就显得更为经济、高效和易用。
工欲善其事，必先利其器。因而，在AI助力下的数据科学，不断深入各行各业，必然少不了数据科学工作站这件好“利器”。
到如今，在工作站领域的创新与发展中，戴尔已经坚守了23年多。坚持不懈，创新不止。
从1997年发布第一款工作站产品，到现在戴尔已经推出了覆盖用户多样化需求的移动工作站、机架式工作站、塔式工作站和工作站一体机。
23年造器，实属罕见，戴尔数据科学工作站到底有着怎样的“器宇不凡”呢？
一是·强算力
一方面，戴尔Precision工作站拥有广泛的产品线，以及专门针对数据科学领域的数据科学工作站，采用英特尔CPU+NVIDIA GPU芯片强大算力来支撑数据的分析。包括拥有强大计算性能和GPU显卡的7000系列高端移动工作站、支持多GPU显卡的Precision 5820塔式工作站以及超强性能与可扩展性的7000系列塔式工作站和机架工作站。
另一方面，戴尔工作站从电源到散热的设计都能更极致地优化高端GPU性能，因此拥有更强的算力。对于用户来说，配备戴尔塔式工作站，既拥有了强大GPU算力，又能享受到工作环境的静音，也不用放在机房里，使用更加灵活。
如Precision 7550和Precision 7750移动工作站可选英特尔至强处理器、NVIDIA RTX5000专业显卡，Precision 7540移动工作站采用第九代英特尔处理器、NVIDIA Quadro RTX显卡，拥有业界突出的高性能。同时，配备了全新Dell Precision Optimizer高级版的AI性能优化软件。
二是·强性能
戴尔Precision工作站针对高端GPU做了相应的散热和主板优化，采用高性能显卡支持多个同步计算和模型，使交易商和分析师能够运行速度更快的软件。
戴尔Precision数据科学工作站搭载企业级高性能专业组件和NVIDIA GPU，其硬件加速的速度比普通CPU快一个数量级，大大节省了数据科学家训练模型的时间。
戴尔Precision数据科学工作站搭载NVIDIA Quadro RTX GPU，并支持预装 NVIDIA CUDA-X AI加速数据科学软件资源合集，以及支持快速部署带容器的人工智能框架，大力加速人工智能计算。
采用多通道散热设计，散热性能和静音效果更佳，可使整个系统在繁重工作负载下更安静地工作。比如戴尔Precision 7820/7920塔式工作站采用FlexBay和多通道散热设计，对IO吞吐有着更好表现，对整体性能提升带来很好帮助。
FlexBay设计不仅对工作站性能带来好处，同时支持多个SATA/SAS驱动器或者更多的M.2或U.2 PCIe NVMe固态硬盘，因为M.2和U.2 PCIe NVMe固态硬盘具备热插拔功能，所以这样的设计可以让用户无需关闭工作站也可以拔掉SSD盘，让工作方式更为灵活。
三是·强稳定
对于任何一个数据科学的AI实现来说，稳定压倒一切。算力再强，性能再好，更需要更强的稳定支撑。
戴尔Precision工作站配备对数据科学极为重要的错误检查和纠正ECC内存，防止在软件、数据调用或是大数据并行计算时出现蓝屏或数据读取失败。
同时，戴尔自身的专利技术智能纠错内存（RMT），可以进一步防止因为硬件问题导致的内存错误。在硬件出现故障的时候，工作站主板上的一个芯片可以自动屏蔽硬件坏掉的部分，让内存继续稳定运行，减少宕机时间。
四是·强兼容
任何用户都不情愿为系统或软件的兼容性上花费时间，因而数据科学家在做AI项目时，工作站的兼容性往往是重要的考量要素。
目前，戴尔数据科学工作站拥有AI平台、操作系统、开发包以及广泛的软件认证。工作站自带的智能调优软件Dell Optimizer，可以根据用户使用习惯自动调优常用软件，提升性能，让系统运行更加流畅、稳定。强大的兼容性，这也是戴尔数据科学工作站赢得用户享受到更好AI体验的基础。
五是·强易用
算力强、性能强、稳定强、兼容强，什么都强，但是如大型机那样使用复杂的话，也必然很难得到百行百业的应用普及。
为此，通过与NVIDIA及操作系统和人工智能开发平台的厂家合作，戴尔Precision数据科学工作站在出厂前就经过硬件配置和系统预装载。采用了NVIDIA技术的戴尔Precision数据科学工作站配备NVIDIA Quadro RTX GPU 和 NVIDIA CUDA-X AI加速数据科学软件资源合集，包括如RAPIDS、TensorFlow、PyTorch和Caffe等AI开发软件，让现代计算应用从NVIDIA GPU的计算平台中受益。任何用户都可以开箱即用，随时进行数据模型的准备和AI开发。
强易用，解决了之前工作站配备一套新的AI平台费时费力的问题，为数据科学家们争取了大量可用于工作研究的宝贵时间。
当前，在新基建的大趋势下，来自5G、特高压、城际交通、新能源、大数据中心、人工智能、工业互联网多个领域的蓬勃发展，对工作站带来了新需求。不仅强调工作站的强大算力，而且还非常重视支持AI程序开发和应用的AI算力，以及高效渲染和实时仿真分析的图形图像处理能力，同对这一切运行的稳定可靠性也有着更高要求。
戴尔数据科学工作站以其强算力、强性能、强稳定、强兼容、强易用的能力，全面赋能数据科学的AI实现，助力数据科学家获得数据的真价值。帮助数据科学家从海量的数据中获得商业洞察，将数据价值应用到改善生活、社会以及整个大环境，提升数据科学家们的研究和科学探索能力。
虽然戴尔可以为用户提供强算力、强性能、强稳定、强兼容、强易用的数据科学工作站，但是对于用户来说，有两个问题尤为关注。
☟
一是，ECC内存基本上成了戴尔Precision工作站标配，目前来看，ECC对工作站性能影响如何？在性能和稳定性之间，戴尔Precision工作站如何实现技术权衡？
二是，工作站的处理能力与稳定性固然重要，但安全性也必不可少。特别是做数据科学研究的用户，数据早已成为了根本。戴尔Precision工作站在安全性的设计与考虑上，又是如何考虑的呢？
针对第一个问题，戴尔科技集团商用终端解决方案资深工程师黄亮分析指出，对于传统的图形工作站和视频工作站来说，更强调显示这个方面的优化。但对于数据科学工作站来说，自然对AI计算的要求会更高一些。
其一，通常来讲，越是计算密集的任务，其内存占用量会越大，内存的吞吐量也越大，一旦某个数据位出错，就会导致程序的结果错误或者崩溃的情况发生。所以，NVIDIA的高端GPU如Tesla和Quadro都支持ECC，毕竟计算密集型的应用会对ECC的要求会更高。
其二，ECC对性能会有一点影响。比如显卡开启ECC后，其容量会有一点损失，但对系统内存不会有影响。对于需要更高可靠性的用户来说，消耗一点显存容量换来更好的可靠性也是值得，况且内存、显存都会有配置冗余。
实际上，在石油、天然气、电力、工业制造等行业领域，其设计人员、研发人员需要长时间运行工作站，少则几个小时，多则7×24小时不停机，稳定性就显得尤其重要。如果工作站配置了ECC功能，那么就可以避免一些问题发生保障应用软件的可靠运行。
由此，在性能与稳定性之间，戴尔Precision科学工作站构建了强大的“平衡术”。
针对第二个问题，戴尔科技集团专业工作站产品经理汪志军分析指出，诸如影视制作、广告创意、医药研发、制造设计等领域，有着知识产权的严格要求，对安全有着共同的重视。
一方面，戴尔针对用户安全性需求高的领域，提供机架式Precision科学工作站与之匹配。
比如有部分用户，将机架式工作站部署在数据中心，借助Precision机架式工作站的远程登录卡配件，打造卓越的远程工作站体验。同时前端的研发人员、设计人员在工作站平台上只能进行研发工作，无法通过拷贝数据、拔掉硬盘去非工作站平台做研发和设计，这极大保护了相关用户的安全性。
另一方面，从产品设计上去考虑工作站的安全性。针对一部分安全性要求高的用户需要，戴尔Precision工作站支持硬盘锁、机箱锁、密码锁，以及带有开箱记录或开箱报警的设计。
此外，在全新戴尔Precision工作站里面，还设计了不同方式的安全功能，如登陆的人脸识别、开机的指纹识别，智能读卡的身份识别等，通过多种路径和方式，来保障工作站用户日常的安全性。
由此，在保护数据资产上，戴尔进一步强化了Precision工作站的安全性价值。
可见，工作站用户最为关心的这两个问题，也成为了戴尔长期的坚持与努力的方向。
数据科学工作站毕竟只是提供了适合数据科学的AI实现平台，最终要在百行百业中实现智能化升级，离不开产学研的体系打造。
目前，戴尔科技集团目前在中国已与10所双一流大学共同设立了创客联合实验室，参与了几十所大学的产学合作协同育人项目，连续4年获得教育部最佳合作伙伴奖。
近期，戴尔科技集团与复旦大学联合更开发了全国首个人工智能、自动驾驶线下实践课。课程汇集众多技术、行业专家，聚焦AI技术，手把手教学生从实操出发，联结自动驾驶基本理论框架和流程，打造沉浸式教学体验，践行产学研深度结合，帮助高校学子连接AI、大数据等前沿科技。
面向中国的数据科学未来，戴尔科技集团凭借自身的实力与能力，正在与产业链上下游合作伙伴、用户、科研院校协同发展，共同推进AI赋能数据科学，助力改善我们的生活、社会以及整个大环境的方方面面。
（by Aming）
- END-
你
怎
么
看
？
欢迎文末留言评论！
文章来源：Aming，全球云观察，著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。本文和作者回复仅代表个人观点，不构成任何投资建议。
都看到这里了，加个关注吧！
【阿明】：科技评论专栏作者、科技媒体从业22年、新闻评论年产出上百万字，用数据说话，带你看懂科技上市公司
