Dell PowerEdge服務(wù)器其中的一類產(chǎn)品，就是用于AI加速計算，它們通常提供類似GPU的異構(gòu)加速芯片支持。PowerEdge服務(wù)器自身也有集成AI技術(shù)用于比如監(jiān)控和系統(tǒng)管理，像CloudIQ軟件是通過AI技術(shù)對服務(wù)器的運行狀態(tài)進行主動監(jiān)控和預(yù)防性維護，通過AI機器學(xué)習(xí)技術(shù)對風(fēng)扇轉(zhuǎn)速及聲學(xué)特性進行智能調(diào)節(jié) 等。

Dell服務(wù)器的CPU、內(nèi)存、硬盤、是否需要GPU這些選項，都可以按照需求靈活配置。

除了AI，數(shù)字孿生、工業(yè)互聯(lián)網(wǎng)、工業(yè)大數(shù)據(jù)都是目前制造行業(yè)數(shù)字化轉(zhuǎn)型的比較熱門的技術(shù)方向與技術(shù)手段。

AI異構(gòu)計算，我們通常是指除了CPU計算芯片外，采用其他計算芯片來加速AI計算的計算架構(gòu)，我們目前可以支持的AI異構(gòu)加速芯片包括GPU、FPGA以及戴爾科技參與投資的Graphcore IPU AI專用加速芯片。

例如在AI領(lǐng)域，我們在應(yīng)用AI技術(shù)在工業(yè)產(chǎn)品缺陷檢測、良品率提升、預(yù)測性維護等工業(yè)生產(chǎn)領(lǐng)域，戴爾自身的工廠也在應(yīng)用AI機器學(xué)習(xí)技術(shù)在自動化生產(chǎn)及質(zhì)檢等環(huán)節(jié)。

在制造行業(yè)，我們一般建議在傳統(tǒng)IT基礎(chǔ)架構(gòu)（虛擬化、數(shù)據(jù)庫加速、數(shù)據(jù)存儲、數(shù)據(jù)保護等），通過增加對新型IT技術(shù)基礎(chǔ)設(shè)施的支持，比如工業(yè)AI、工業(yè)大數(shù)據(jù)、工業(yè)IoT等，來擴展對新業(yè)務(wù)的支持能力，而不是完全摒棄原有的基礎(chǔ)架構(gòu)及運維經(jīng)驗。我們?yōu)橹圃煨袠I(yè)用戶提供的例如AI平臺解決方案，也盡量可以做到對現(xiàn)有行業(yè)習(xí)慣使用的軟件及硬件工具的延續(xù)性支持。

AI在制造行業(yè)場景化落地，我們建議一是針對具體場景選擇最適合的AI技術(shù)手段和算法，二是針對AI選擇技術(shù)匹配，可以為企業(yè)帶來比較高的投入產(chǎn)出成效的場景。

施耐德電氣在AI方面的優(yōu)勢主要是對行業(yè)的理解和數(shù)十年的行業(yè)積累。同時，施耐德電氣在機器學(xué)習(xí)和運籌學(xué)領(lǐng)域有非常豐富的實際經(jīng)驗，無論是在自己工廠中的實踐，還是和客戶共創(chuàng)的項目，都是經(jīng)過了時間的考驗。

首先，AI和OT的結(jié)合面臨的最大挑戰(zhàn)依然是如何找到最適合的AI技術(shù)去支持OT場景，我們在生產(chǎn)工藝上應(yīng)用AI的場景一般會比較具體，比如說某種食品的生產(chǎn)工藝中，對于鹽度的設(shè)定要準(zhǔn)確到千分之幾的誤差，那么AI技術(shù)如何去控制繁雜的設(shè)備來達到這個目標(biāo)？ 其次，數(shù)據(jù)采集依然是AI和OT結(jié)合的挑戰(zhàn)，因為，AI需要大量的數(shù)據(jù)支持，相比to C的場景，工業(yè)領(lǐng)域的數(shù)據(jù)類型更加復(fù)雜，使用的協(xié)議各不相同，數(shù)據(jù)的質(zhì)量參差不齊，采集的頻率到秒級甚至毫秒級，這些都是會影響AI和OT完美結(jié)合的困難點。

仿真計算通常采用單機或多機HPC集群計算架構(gòu)，之前主要是采用CPU計算，現(xiàn)在Ansys、Altair的工業(yè)仿真軟件，也越來越多使用GPU來計算。具體使用CPU或者GPU來加速仿真計算，取決于仿真軟件及具體的求解器。

如果是渲染場景，在硬件不變的前提，減少模型的面數(shù)，減少drawcall?；蛘咄ㄟ^美術(shù)方面的優(yōu)化。

如果針對Deep learning的優(yōu)化，我們有Tensor和RT core的優(yōu)化。

1. Dell正在提供面向邊緣計算的服務(wù)器以及Edge Gateway產(chǎn)品，像我們已經(jīng)發(fā)布的XR4000、XR12、XR11等，它們的機箱更加緊湊，對環(huán)境適應(yīng)能力更強；2. 戴爾即將會發(fā)布的一個軟件運營平臺解決方案叫Frontier，旨在幫助企業(yè)大規(guī)模安全管理和協(xié)調(diào)邊緣計算基礎(chǔ)設(shè)施；3. 我們正在聯(lián)合更多的行業(yè)應(yīng)用合作伙伴生態(tài)，為我們的用戶提供邊緣應(yīng)用場景化解決方案，如面向制造企業(yè)的AI邊緣產(chǎn)品質(zhì)檢方案。在下個月，我們將會在上海揭牌戴爾中國邊緣計算展示中心。

在服務(wù)器設(shè)計上，我們選擇提供更高轉(zhuǎn)換效率的電源設(shè)施；在內(nèi)部主板風(fēng)道設(shè)計上，通過改變電源位置，增加機箱背部開孔，建立更加流暢的熱空氣通道，來提升散熱性能降低運行功耗。我們采用智能冷卻技術(shù)套件來提升氣流，風(fēng)扇功耗最高可以降低52%。Dell OpenManage Power Manager軟件，可以實時管理服務(wù)器的制冷策略與功率上限，對于僵尸虛擬機進行制動關(guān)閉；可以提供服務(wù)器碳排放檢測報告。對于有液冷需求的用戶，戴爾還可以提供冷板式和浸沒式兩種服務(wù)器液冷解決方案。

可以采用A800和H800的集群訓(xùn)練，如果使用程序比如ChatGPT，那就沒有限制。

首先可以設(shè)想到的應(yīng)用場景是客服系統(tǒng)；ChatGPT也提供代碼生成的功能，未來經(jīng)過充分良好的Prompting 提示工程優(yōu)化的類ChatGPT應(yīng)用，可能也會應(yīng)用到工業(yè)軟件的代碼生成。另外AI與RPA機器人流程自動化的結(jié)合，未來在制造行業(yè)也會有不少的應(yīng)用場景。

戴爾提供的動態(tài)矢量散熱技術(shù)，針對GPU這樣PCIe的部件，可以根據(jù)實際運行功耗動態(tài)條件冷卻風(fēng)的強度及風(fēng)扇聲學(xué)特性。另外，在機箱設(shè)計，GPU的布局，以及風(fēng)扇的選型上，我們也針對GPU有額外的優(yōu)化設(shè)計。比如高密度（4卡及更高密度的GPU加速服務(wù)器），我們通常會采用GPU前置方式，這樣GPU散熱效果更好。

目前比較集中的是三類：1. 采用深度學(xué)習(xí)、強化學(xué)習(xí)技術(shù)的AI訓(xùn)練及推理計算場景；2. 圖形計算場景，如VDI、渲染、云游戲、視頻轉(zhuǎn)碼等；3. 部分HPC科學(xué)計算，比如生命科學(xué)、分子動力學(xué)等。

在設(shè)備內(nèi)部，我們的計算服務(wù)器與數(shù)據(jù)存儲設(shè)備采用Zero Trust零信任的機制來設(shè)計我們服務(wù)器的安全特性；在系統(tǒng)解決方案，戴爾有專門的數(shù)據(jù)保護解決方案團隊，提供“本地備份+異地容災(zāi)+數(shù)據(jù)避風(fēng)港”三位一體的解決方案；戴爾“數(shù)據(jù)避風(fēng)港”解決方案，是專門針對勒索病毒攻擊的數(shù)據(jù)保護方案。

Omniverse需要用到GPU加速服務(wù)器，在GPU選型上和AI服務(wù)器的不同是，要求GPU需要有圖形計算功能，比如像A40這樣的GPU卡

AI與HPC有很大的交集，但不完全重疊。AI主要是服務(wù)于人工智能應(yīng)用的計算平臺，可以是HPC集群計算（AI GPU分布式訓(xùn)練，通常在較大模型的訓(xùn)練計算場景），如果對算力要求不高的比如小模型訓(xùn)練或者AI推理計算可以是單機計算；HPC高性能計算，目前有相當(dāng)部分的研究和算力投入是在AI領(lǐng)域，特別是大模型訓(xùn)練上，但是HPC也有很多其他的科學(xué)計算場景，比如分子動力學(xué)、生命科學(xué)的基因測序、蛋白質(zhì)結(jié)構(gòu)、分子篩選，新材料結(jié)構(gòu)計算，工業(yè)領(lǐng)域的CAE仿真計算，芯片領(lǐng)域的EDA電子設(shè)計自動化等。

在國內(nèi)還是處于領(lǐng)先的地方，但是能源管理細分領(lǐng)域很多，比如低壓，中壓，高壓，行業(yè)又細分為樓宇，工業(yè)自動化等，所以要看具體細分領(lǐng)域。