QNAP首创QuAI NAS摇身变成黄斑部病变分析加速器

现今人工智能(AI)已是头号显学，各行各业都亟欲运用AI强化营运效能、翻转商业模式。但无论藉助云端或高端工作站来建立、训练与优化AI模型，皆有不低门槛，一则相关软硬件的安装配置过程极其繁琐，二则因需要消耗大量电力或带宽，导致用户承受沈重成本负担，在在影响AI发展普及速度。

为此威联通(QNAP)与威强电(IEI)基于「加速迈向未来」的愿景，致力研发高效能、易部署的AI深度学习训练与推论方案，期使更多人享受AI效益，其中尤以QNAP首创的QuAI方案最受瞩目；QNAP偕同IEI在2018年台北国际电脑展期间，对外揭示QuAI的奥妙之处，并透过黄斑部病变的诊断分析情境，铺陈相关实作案例。

威联通AI产品经理张瑞德表示，QuAI的设计初衷，即是协助数据科学家、工程师甚或学生，人人都可轻松驾驭这些过程，不再需要耗时安装／处理驱动程序、函式库、容器或虚拟机，也不必为了数据备份、数据共享及网络设定等作业而苦恼。

QNAP NAS加QuAI 形成低TCO的深度学习方案

张瑞德认为深度学习得以成功，必须倚赖数据、运算能力与演算法等三大关键要素，其中数据正是这道胜利方程序的源头；NAS向来是数据储存的绝佳场域，如今QNAP利用此项先天优势，结合QTS支持深度学习加速卡之特性，让NAS得以具备运算能力，俾使用户轻易利用QNAP NAS展现GPU加速运算动能，大幅提升AI模型的训练与推论效能。

综观QuAI架构，底层是QNAP NAS，上有QTS操作系统、内含Container Station(软件容器工作站)，可支持Docker等容器技术，用户只要善用容器，不论想要选用TensorFlow、Caffe、MXNet、Neon、CNTK、Torch等任何AI演算法架构或套件，皆能得心应手。

张瑞德透露，不少人曾好奇提问，用QNAP NAS来开发AI的益处为何？他强调欲发展AI应用，必须以建立、训练与优化AI模型为前提，其中关键元件在于深度学习加速卡，无论工作站、云端乃至QNAP NAS，都是承载加速卡的载体，只求方便好用即可；QNAP NAS相对优势在于距离数据最近，有助于用户省却数据搬移的痛苦过程，加上内含压缩、重复删除、自动分层储存、SSD快取等完整数据管理功能，并支持全方位数据保护技术，及快速简单的建置过程，整体来看无疑是最符合经济效益的选项。

QNAP深知单凭QuAI及高性价比 NAS，欲促成AI 发展落地，还欠缺临门一脚，即是基于垂直应用的实作历练；为此QNAP瞄准医疗领域，以QNAP NAS为基础结合QuAI辅助，成功发展出老年性黄斑部病变诊断系统，大幅缩短OCT 影像的判读流程，可谓令人惊艳的成功案例。

威强电产品管理处资深处长余柏宏补充，除QNAP已针对数据分析、影像分类／物件侦测、影像分割等不同应用目的，备妥多元化QuAI 产品，IEI亦提供Bare Metal AI方案，用户可借此搭载QuAI 套件，满足多样性AI模型训练需求；目前针对推论系统部分已提供支持Intel OpenVINO的TANK AIoT Dev.Kit，支持NVIDIA高端显示卡的RACK-500AI、PAC-400，训练系统方面则有搭载Intel Xeon W的GRAND-C422，另针对CPU(Intel Kabylake ULT)、Intel FPGA、Intel VPU等不同架构推出对应的AI加速卡。