在以数据为驱动的当下，高性能计算（HPC）正成为企业寻求深入了解基因组、计算化学、金融风险建模和地震成像等领域的首选平台，最初，高性能计算受到需要进行复杂数学计算的研究科学家们的欢迎，而随着信息化社会的飞速发展，云计算、大数据分析、深度学习等新技术的不断涌现，人们对计算机信息处理能力的要求越来越高，GPU作为推动高性能计算的驱动力，是高性能、低功耗的完美结合，并行计算技术已成为高性能计算领域的研究热点。
计算机图形处理器(GPU)的高速发展,不但促进了图像处理、虚拟现实、计算机仿真等应用领域的快速发展,同时也为人们利用GPU进行图形处理以外的通用计算提供了良好的运行平台。GPU强大的浮点计算能力,为大型科学计算和工程计算问题提供了良好的支撑。基于GPU的高性能计算不仅应用在石油勘探、航天国防、天气预报等传统领域，金融、生物医疗等领域对高性能计算的需求也飞速增长。
有孚AI智算集群就是依托稳定、安全的GPU资源，采用Kubernetes架构，通过集中调度、管理和可定制化的模板服务，为用户提供开箱即用的框架平台和算法工具，用户无需管理底层服务器，仅需专注于业务开发即可。
对于金融行业的客户，在客户提供对包括信用卡、银行、投资、贷款和保险在内的金融产品的审核和比较时，需要对采集的大量数据进行精细化处理，以便给终端客户提供客观的建议、专家信息和工具来帮助客户做出明智的理财决策。借助有孚云智算平台可以实现对海量数据的高效优质处理，加速的动力正是GPU在并行处理和计算密集型问题求解等方面所具有的诸多优势。使用GPU加速后，深度学习模型训练单次迭代时间能从数十分钟降低到几秒，只用几天就能完成机器学习模型的训练，直接将训练成本降低75%，使数据科学家能够将更多的时间花在战略追求上。
在用户服务方面，传统高性能计算面临着诸多问题:如何向用户提供灵活的服务模式,使用户能够自主管理计算资源;如何向用户提供可动态伸缩的计算资源,提升高性能计算设备的利用率。作为一种基于云计算的高性能计算资源管理和服务模式，有孚云智算平台能够完美解决这些用户服务问题。
生物基因、药品研发等领域对高性能、密集型计算的需求则更加显著，随着新药物分子的不断合成和筛选，AI不断需要训练新的数据。在生物医药行业，包括数据可重复性在内的数据质量问题一直存在。同时生物医药行业对成本较敏感，亟需低成本、免运维的计算平台给企业降本增效。通过灵活调度有孚云智算平台上的GPU资源，科研人员可以大幅加速分子生成、性质预测、结构预测模型的训练特别是对于分子动力学模拟，从而最大化发挥云计算的成本与效率优势，支持几十个新药研发项目同时进行。平台基于容器的serverless架构理念，用户不用担心服务器的运行状态，只需动态申请应用需要的资源，且只需为容器所使用的资源付费，极大节省了研发的资金成本。与仅使用CPU的系统相比，将实际应用程序的吞吐量提升10倍，大幅提高了训练模型的效率。
对于生物医药企业客户所需的资源弹性，有孚云智算平台秒级的资源准备与弹性，大幅减少了计算过程中的资源处理环节消耗，通过无需感知集群和服务器，将运维工作简化，降低了运维成本，使得用户可以专注于自身的研发与创新。
随着深度学习的推进，AI领域对算力的要求每年以数倍的速度增加。当前主流的AI训练和推理等应用（如Tensorflow、Pytorch）均采用容器化方式运行，并需要大量GPU、高性能网络和存储等硬件加速能力，并且都是任务型计算，需要快速申请大量资源，计算任务完成后快速释放。有孚云智算平台支持多种场景下的AI计算，包括半导体行业芯片设计与制造，药物研发设计，基因测序分析，CAE/CFD工业仿真，人工智能训练与推理，投资策略量化分析等场景。
长久以来，有孚网络始终本着以客户为中心的初心，贴近用户需求。数据驱动数字经济发展，在未来，有孚网络将持续推动产业数字化升级和数据经济增长。