QNAP首創QuAI NAS搖身變成黃斑部病變分析加速器

現今人工智慧(AI)已是頭號顯學，各行各業都亟欲運用AI強化營運效能、翻轉商業模式。但無論藉助雲端或高階工作站來建立、訓練與優化AI模型，皆有不低門檻，一則相關軟硬體的安裝配置過程極其繁瑣，二則因需要消耗大量電力或頻寬，導致用戶承受沈重成本負擔，在在影響AI發展普及速度。

為此威聯通(QNAP)與威強電(IEI)基於「加速邁向未來」的願景，致力研發高效能、易部署的AI深度學習訓練與推論方案，期使更多人享受AI效益，其中尤以QNAP首創的QuAI方案最受矚目；QNAP偕同IEI在2018年台北國際電腦展期間，對外揭示QuAI的奧妙之處，並透過黃斑部病變的診斷分析情境，鋪陳相關實作案例。

威聯通AI產品經理張瑞德表示，QuAI的設計初衷，即是協助資料科學家、工程師甚或學生，人人都可輕鬆駕馭這些過程，不再需要耗時安裝／處理驅動程式、函式庫、容器或虛擬機，也不必為了資料備份、資料共享及網路設定等作業而苦惱。

QNAP NAS加QuAI 形成低TCO的深度學習方案

張瑞德認為深度學習得以成功，必須倚賴資料、運算能力與演算法等三大關鍵要素，其中資料正是這道勝利方程式的源頭；NAS向來是資料儲存的絕佳場域，如今QNAP利用此項先天優勢，結合QTS支援深度學習加速卡之特性，讓NAS得以具備運算能力，俾使用戶輕易利用QNAP NAS展現GPU加速運算動能，大幅提升AI模型的訓練與推論效能。

綜觀QuAI架構，底層是QNAP NAS，上有QTS作業系統、內含Container Station(軟體容器工作站)，可支援Docker等容器技術，用戶只要善用容器，不論想要選用TensorFlow、Caffe、MXNet、Neon、CNTK、Torch等任何AI演算法架構或套件，皆能得心應手。

張瑞德透露，不少人曾好奇提問，用QNAP NAS來開發AI的益處為何？他強調欲發展AI應用，必須以建立、訓練與優化AI模型為前提，其中關鍵元件在於深度學習加速卡，無論工作站、雲端乃至QNAP NAS，都是承載加速卡的載體，只求方便好用即可；QNAP NAS相對優勢在於距離資料最近，有助於用戶省卻資料搬移的痛苦過程，加上內含壓縮、重複刪除、自動分層儲存、SSD快取等完整資料管理功能，並支援全方位資料保護技術，及快速簡單的建置過程，整體來看無疑是最符合經濟效益的選項。

QNAP深知單憑QuAI及高性價比 NAS，欲促成AI 發展落地，還欠缺臨門一腳，即是基於垂直應用的實作歷練；為此QNAP瞄準醫療領域，以QNAP NAS為基礎結合QuAI輔助，成功發展出老年性黃斑部病變診斷系統，大幅縮短OCT 影像的判讀流程，可謂令人驚艷的成功案例。

威強電產品管理處資深處長余柏宏補充，除QNAP已針對資料分析、影像分類／物件偵測、影像分割等不同應用目的，備妥多元化QuAI 產品，IEI亦提供Bare Metal AI方案，用戶可藉此搭載QuAI 套件，滿足多樣性AI模型訓練需求；目前針對推論系統部分已提供支援Intel OpenVINO的TANK AIoT Dev.Kit，支援NVIDIA高階顯示卡的RACK-500AI、PAC-400，訓練系統方面則有搭載Intel Xeon W的GRAND-C422，另針對CPU(Intel Kabylake ULT)、Intel FPGA、Intel VPU等不同架構推出對應的AI加速卡。