从科学发现到人工智能，高性能计算 (HPC) 都是促进人类进步的重要中坚力量。现代化研究中心正攻克当今世界所面临的部分超级挑战。 传统的 CPU 已不再能提供过去的性能提升，而解决这一问题的出路就是 GPU 加速计算。

NVIDIA Tesla 是加速计算领域的先进平台，也是世界部分超大型研究中心的动力源，能够在提供超高吞吐量的同时，节约成本。NVIDIA Tesla V100 采用 NVIDIA Volta架构，是科学计算和人工智能时代的理想计算引擎。为您的研究中心部署 NVIDIA Tesla V100 GPU 有三大理由。

理由一

HPC + AI = 前所未有的机遇

AI 革命已近在咫尺，每个研究中心都应该做好准备。AI 可让研究人员分析大量数据，在仅凭模拟无法完全预测各专业领域（如医学成像、生物信息、药物发现和高能物理等）的真实情况下快速获取见解，从而扩展传统的高性能计算。

Tesla V100 是能够推动 AI 革命和实现 HPC 突破的计算引擎。例如，梅奥医院的研究人员正在借助深度学习研究放射基因组学，并利用多参数磁共振 (MR) 图像等多模态图像中内含的丰富信息精确判定肿瘤的基因组特性。

AI 正在助力检测儿童生长发育问题为助力检测儿童生长发育问题

MGH 和 BWH临床数据科学中心已研发出一台骨龄自动分析仪；该分析仪器短短数秒即可产生准确度高达 99% 的分析结果，而之前则需要数日。

AI 预测和预防疾病

西奈山医学院使用深度学习可在病情确诊前确认高危险患者，从而为医生提供拯救性命的潜在先机。

理由二

常用应用程序都支持 GPU 加速

多个领域超过 500 款 HPC 应用程序已得到 GPU优化，包括量子化学、分子动力学和生物信息学等。事实上，Intersect360 Research 的一份独立研究显示，70% 的超热门 HPC 应用程序，包括前 10的所有应用，都有内置对 GPU 的支持。

大多数热门 HPC 应用程序和所有的深度学习框架都支持 GPU 加速，因此每位研究人员都会发现数据中心大部分工作负载均受益于 GPU 加速计算。

理由三

提升研究中心的生产效率和吞吐量

数据中心管理者都面临着同样的挑战：如何满足常常会超过系统可用周期的研究计算资源需求。

NVIDIA Tesla V100 可显著提升您所在机构数据中心的吞吐量并减少节点数量，完成更多项任务和提升数据中心效率。

配有 V100 GPU 的单个服务器节点最多可抵 50 个CPU 节点。例如，对于 HOOMD-BLUE，配有四块V100 的单个节点可以抵上 43 个双插槽CPU 节点，而对于 MILC 而言，单个 V100 节点可抵 14 个 CPU节点。在降低网络、电力和机架空间方面开销而大幅降低成本的同时，加速节点还能提供更高的应用程序吞吐量。