隨著人工智能快速發展，模型的準確性與復雜性變得越來越高，企業對計算的需求也不斷提高，因此新生海量數據的處理需求，如深度學習、語音識別、圖像處理等，對傳統CPU計算帶來了諸多挑戰。

UCloud GPU云主機可大幅提升圖形圖像處理及高性能計算能力，并能有效提升圖形處理、科學計算等領域的計算效率。搭配多種不同配置，性能達到***，滿足多種需求，可***融合UAI系列產品，為用戶提供更具差異化的AI云服務。

***計算性能

相對比于傳統CPU，UCloud GPU云主機的NVIDIA Tesla P40 GPU芯片的計算性能強于45倍之多。在深度學習場景下，基于Pascal架構的AI芯片更能夠加速65倍。

同時，UCloud GPU云主機搭配的Tesla P40提供極簡工作流程，因此可以使用相同的服務器進行迭代和部署。此外，NVIDIA官方提供TensorRT和Deep Stream SDK，能幫助用戶更高效編寫深度學習程序，是AI訓練不可替代的選擇。

在推理方面，用戶也可輕松順暢地利用P40強大的INT8運算能力和視頻轉碼等推理功能。其中，硬件解碼引擎能對35路高清視頻流進行實時轉碼和推理，仍然比CPU更高效，更具性價比。

兩款機型靈活配置

UCloud GPU型云主機提供G1(Tesla K80)和G2(Tesla P40)兩種機型。其中，G2機型的Telsa P40計算卡擁有3840個CUDA核心，可提供12 TFlops的單精度性能和47 TOPS的INT8性能。

許多AI公司對模型算法有大量不同應用場景的需求，但現在企業不再需要采購大量GPU資源，只要在UCloud上選擇合適的GPU云主機，按需購買，一鍵交付，這實際上免除了資源管理與維護成本。

多場景應用

UCloud GPU兩款機型能夠很好地應用在圖形數據庫、音視頻編解碼、高性能數據庫、計算流體動力學、計算金融、地震分析、分子建模、基因組學及其他服務器端的GPU計算工作負載中。

場景示例：DNA研究領域

面臨的挑戰

在DNA研究領域，如何解決海量數據的計算是一個問題。在利用GPU云主機之前，傳統CPU計算平臺不僅能耗高、占地多，而且無法承擔數據高速增長帶來的挑戰：任何一個小修改都要重新做一遍基因組比對，而每個人大約有30億個基因對，數據量動輒都以TB來衡量，做一對染色體的基因測序就需要半個月時間。

UCloud GPU解決方案

UCloud GPU云主機搭載的P40計算卡實現了CPU難以企及的密集并行計算，使超級計算機的能耗降低5倍，價格下降10倍，最重要的是能夠將運算速度大幅提高。一張P40 GPU的計算能力能夠達到每秒鐘四萬億次，并且基于NVIDIATesla平臺的BLAST軟件中的一個關鍵模塊，其運行速度要比單個CPU快35倍。因此，該種強勁的配置能夠有效幫助DNA研究領域處理海量數據計算問題。

UAI架構圖(包括GPU云主機、UAI-Train、UAI-Service)

在UCloud2017年初發布的“CBA”發展戰略中，人工智能占據了不可或缺的重要位置。結合早前已推出的UAI(人工智能)系列產品(包括AI-Service在線服務、AI-Train訓練服務)，UCloud已構筑起一站式AI服務，能夠為用戶提供更加優質、更具差異化的AI全服務。