近年来人工智能(AI)的发展日新月异，不仅可以下围棋，还能通过云将用户在医学影像、基因测试、蛋白质结构解析以及药物筛选等有效数据积累起来，再在云上对数据处理，用深度学习的方法对数据进行进一步学习，最后实现辅助诊断。

   这个故事要从5年前讲起。5年前NVIDIA结缘上海承蓝科技股份有限公司，当时NVIDIA的GPU给了上海承蓝科技股份有限公司总裁姜意一个大大的惊喜！

   在HPC China 2016期间，姜意接受采访时表示：”相比传统的CPU，GPU不但在图形处理速度上会更快，同时GPU的处理能力更强，占用机房空间更小，不但可以做到节约成本，还可以提升效率。目前上海承蓝自身采用的GPU规模已经超过CPU。“

   以蛋白质结构解析为例，采用GPU后，3D classification数据的处理时间比单纯采用CPU减少了16倍，而3D Auto-Refine的数据处理时间则减少了12倍。

   这样的实际应用案例让姜意看到了，GPU在数字化图像方面（效率还有成本）的天然优势让CPU望尘莫及，GPU虽然不会取代CPU，但是从承蓝科技解决方案中，能够看到GPU在数字化图像计算方面有着明显优势。

   英伟达中国区教育科研医疗行业总监袁永清表示：”深度学习主要是让机器，让计算机自主的去学习，而不是人去训练它。在医疗领域，深度学习会提取图像特征，然后影像专家先把上面做一个标注，等到标注有更大的样本的时候，就可以做到辅助医学诊断。”

   在医疗行业NVIDIA案例很多，但值得一提的是，与麻省总医院的合作。麻省总医院开展的医院研究项目是美国规模最大的项目，该医院还是今年《美国新闻与世界报道》“最佳医院”榜单上的一流医院。这家医院最近在波士顿成立了麻省总医院临床数据科学中心。该中心将利用麻省总医院大量的表型、遗传学以及成像数据来训练深度神经网络。麻省总医院的数据库包含 100 亿幅医学影像。

   针对这一案例，NVIDIA 首席执行官兼联合创始人黄仁勋 (Jen-Hsun Huang) 表示：“深度学习正在各个科学领域中掀起革命。在深度学习的诸多应用中，没有什么应用能够比改善医疗事业更加重要。通过利用强大的新型工具来扩展医生的能力，这一工作将来会让数百万人从中受益。”