本週參加 GPU 技術大會以色列場次的多間新創公司，展現出使用 NVIDIA DGX Station 提高其在深度學習方面研究工作的執行速度和效率。
開發出在 VR 環境裡測試自動駕駛車技術，同時也是去年 GTC Israel 大會十萬美元 Inception 獎項冠軍獎金得主的 Cognata，對於全球首款個人用人工智慧超級電腦 DGX Station 讚不絕口，這款裝置將他們的研究開展速度加快十倍。
使用雲端 GPU 實例打造出人工智慧購物車的另一間新創公司 TRACXPOiNT，光是節省下來的費用，在兩個月內便回收了購買 DGX Station 的成本。
Cognata 執行長 Danny Atsmon 說：「我們每天都要依靠 DGX Station，甚至有時候是無時無刻都要用到它，這真的一點都不誇張。它讓我們能加快研發腳步，還能更快上市，對於我們來說是一大優勢。」
歸功於四個 Tesla V100 GPUs、NVLink 互連技術和20,480個 NVIDIA CUDA 核心，使得 DGX Station 提供了龐大的運算能力及 500 teraflops 的深度學習能力
它提供了超過400個 CPU 的運算能力，耗電量卻只有使用 CPU 的二十分之一，而噪音量是工作站的十分之一，跟尋常辦公室通風系統一樣安靜。
專為人工智慧設計的整合式 DGX Station 系統，搭載全面優化的軟硬體，讓企業在一小時內就能開始使用，而打造相似系統可能需要花上一個月來準備。
DGX Station 擁有無與倫比的深度學習和分析表現，提供：
- 在深度學習方面的表現是 CPU 伺服器的72倍
- 跟有20個節點的 Spark 伺服器叢集相比，分析大型資料集的速度提高了百倍以上
- 每秒可處理超過三萬張圖片，適用於深度學習訓練和推斷等各種作業。
以下介紹以色列的四間熱門新創公司使用 DGX Station 的情況。
Cognata
據估算出的數字，自動駕駛車需要進行110億英里的試駕活動，才能達到與人類駕駛員相同的精確度。Cognata 則是使用最先進的深度學習模擬技術，在電腦生成出的虛擬實境路況環境裡對車輛進行測試，還加入其它車輛、行人、建築物和各種天候條件，同樣達到這項目標。
Cognata 使用 DGX Station 之後，大幅縮減了訓練時間，將研發速度提高了十倍（就算是跟搭載 GPU 的工作站相比）。Cognata 的研究團隊使用 DGX Station，可以同時運行數十項訓練工作，如此一來 Cognata 便能提供數百萬英里的虛擬里程數，可以利用這些里程數微調自動駕駛車對測試路況的回應情況。
AnyVision
短短四年內便發展到擁有170多名員工的 AnyVision，採用專有技術和卷積神經網路來提供臉部、人體和物體偵測功能，創造出透過臉部辨識以實施運動賽事無票入場，以及用於銀行應用程式雙因素身分驗證的視覺辨識等功能。
比起搭載 GPU 的精密工作站，AnyVision 在使用 DGX Station 後，訓練速度提高了八倍，在200毫秒內就能比對資料庫內的1.15億張面孔來偵測個人身分。
NovellusDx
位於耶路撒冷的新創公司 NovellusDx 監控突變和藥物對癌症患者所造成的影響，讓腫瘤學家能為患者提供量身打造的精準治療內容。
NovellusDX 在使用 DGX Station 後，便無需將大量資料傳到雲端，訓練速度加快了四倍，而在八個月的投資回收期裡，一年還能省下七萬美元。
NovellusDX 在使用自家深度學習框架，對數百萬個突變細胞影像的細胞內訊號通道活動水準進行量化方面的精準度提高了十倍。
TRACXPOiNT
這間新創公司開發出的人工智慧購物車，讓零售業也能享受到線上購物的便利性，像是以目視方式辨識店內商品、與供應商進行溝通以即時取得供貨，還有讓購物者能以數位方式購買購物車裡的物品，無需在收銀台停步排隊和掃描結帳。
TRACXPOiNT 的購物車與硬體及 GPU 加速軟體全面進行整合。在 DGX Station 上進行訓練的效能提高了三倍，而跟使用 GPU 加速雲端解決方案相比，TRACXPOiNT 一週七天、一天24小時進行訓練，只過了兩個月便已回本。該公司使用在 NVIDIA Jetson 嵌入式平台上運行的 TensorRT 軟體進行推斷作業，在不到一秒鐘的時間內便可辨識最多十萬件商品。
歡迎加入已有逾3,200名合作夥伴的 NVIDIA Inception 計畫，使用 DGX Station 開展你的人工智慧創新項目。