深度学习复杂计算分析的挑战有哪些？

蓝海大脑深度学习液冷工作站研究人员表示：

底层计算的资源主要是CPU、内存、网络和存储等I/O，以及GPU、DSA等加速器。复杂计算的核心挑战在于：如何把种类繁多并且架构/接口不一致的资源汇集成池。

个体的硬件，需要支持非常好的扩展性。个体硬件包括各种异构的处理器资源，可以形成小的资源池；并且支持数以万计的个体资源连成一片，形成更大的资源池。

硬件个体需要支持系统的连接和融合，根据程度的高低，分为四个阶段：

阶段一，孤岛。所有设备各自独立的工作；

阶段二，互联。把设备连到一起，设备和设备之间可以通信；

阶段三，协同。C/S架构是典型的协同；有了协同，也就有了云网边端。

阶段四，融合。协同通常是静态的，随着时间推移，初始任务划分不一定能适应系统的发展；融合代表着动态以及更多自适应性；协同代表着多个系统的协同，而融合代表了多个系统融合成一个大系统。

站在宏观大系统的视角，云服务器、边缘服务器、终端设备，以及网络设备，都是一致性的硬件。通过软件编排，选择尽可能最优的资源，组成最适合软件运行的逻辑平台。

算力芯片是水滴，算力网络是海洋。我们要思考的是，这滴水如何设计的更好，更好地融入到这片海洋，让海洋更加浩瀚宏大。