缩短训练时间：TensorFlow 的分布式计算版本，这是由 Google 首创且在业内非常流行的开源机器学习框架。这种分布式版本的 TensorFlow 利用了 GPU 加速服务器的虚拟化集群，这些集群采用经济、高性能的计算方法，将深度学习的训练时间从数周缩短到数小时。
模型开发更轻松：一款名为“DL Insight”的新软件工具，可帮助数据科学家提升深度学习模型的准确度。该工具能够监控深度学习训练进程，并在性能高峰时段自动调整参数。
解锁IBM企业级AI商业密码
IBM在人工智能领域一直处于领先地位，那么IBM到底能给用户提供什么呢？对此，施东峰总结说，IBM提供的不是机器，而是好的认知系统架构以及丰富的产业应用。IBM看认知计算或者人工智能有两个角度：对于希望使用现有引擎的用户，Watson是迄今为止人工智能领域最好的公有云引擎；对于希望建立自有引擎的用户，在大数据与人工智能等方面IBM都能给出非常好的建议和方案。
IBM全球副总裁、IBM中国系统开发中心总经理谢东博士也谈到，算力的大幅提高、数据的大幅积累，以及人工智能算法的重要突破，使得人工智能领域不断有新成果、新应用出现在大家的面前。
现在很多企业开始思考如何把人工智能的能力与自己的业务应用结合起来，但是，人工智能的研究成果应用到企业实际业务中还存在着一些的沟沟坎坎需要跨过。
首先，科研的环境相对简单，只要找出一个好算法或者解决一个特定的问题就行了，而实际业务中的问题会更加具体和复杂，而且还取决于能够采集到什么质量的数据；其次，每个模型都有自己的专业性，围棋下好了不等于下象棋也行，用到自动驾驶上更是行不通的。
所以，IBM推出认知系统（Cognitive Systems），包括BlueMind深度学习云平台，PowerAI深度学习框架，以及使用NVLink 技术的IBM Power System S822LC（Minsky 服务器）提供一个硬件+软件整合的解决方案，目的是帮助用户建立起自己的AI能力，能够进行AI应用的开发，总结起来有五个特点：
第一，可以帮助用户完成从前端的数据收集、清洗，到后端模型训练、应用实施等整个生命周期的管理。例如，应用人工智能进行癌细胞的图像识别时，数据标注、模型训练都不是现成的；再如人工智能实施的时候可能是一个云端服务，也可能会成为一个嵌入式系统。对于这些问题，IBM都有端到端的解决方案帮助到用户。
第二，帮助用户选择模型并进行调优。建立一个模型，选择什么样的神经元网络？采用机器学习的模型还是深度学习的网络？模型在哪个领域有了成功应用？人工智能在设计阶段有很多的讲究；选定模型以后，参数调优又是一项巨大的工程，有时需要花费几个月的时间。IBM在这些方面拥有经验丰富的专家和一些自动化调优工具。
第三，更好地根据业务实际场景对模型进行训练与实施。企业进行模型训练的时候，希望系统的功能强，训练快，经济易用，不同人工智能小组在训练不同的模型时能够并行协同，有效进行资源管理，最短时间内在业务部门运用起来。这些都是IBM所擅长的。
第四，保持开放性，兼容不同的模型与框架。现在越来越多的模型、各种各样的训练框架不断推出，IBM的平台不是封闭的，而是以一种开放的设计，在未来更多新算法出现的时候，能够让用户很快集成到平台中应用起来。
第五，丰富的模板。IBM设计了很多针对金融、医疗等具有行业特色的模板，也有面向图象处理、语音识别等方面的技术模板，帮助用户利用这些模板更快地设计出自己的系统。
除了以上五个方面，谢东还指出，企业的CIO和CTO以前更多考虑的是数据架构、云的架构，现在要考虑人工智能的架构应该怎么设计才能更好地和原来的架构相结合为业务提供服务，还要需要组建一支包括数据科学家、人工智能科学家等各方面人才的团队，IBM在这些方面都能提供良好的咨询服务和技术支持。
脑洞大开，AI在制造业中怎么用
制造业是国民经济的主体，是立国之本、兴国之器、强国之基。