NVIDIA GPU加速AI智能数据处理实现高效的数字化转型

案例简介

知识视觉在GPU的助力下，数据处理效率突破百倍提升，打造了行业领先的院外医疗大数据解决方案，助力医疗和保险领域的客户实现高效的数字化转型，赋能数字化医、药、险联动。

文中主要用到NVIDIA A100 GPU， NVIDIA TensorRT。

客户简介及应用背景

成都知识视觉是一家专注于数字化医药险联动的互联网医疗企业，结合OCR、NLP和图神经网络多种前沿人工智能技术打造了行业领先，包含医疗单证图像文本化、结构化、标准化和知识化子系统、完整的院外医疗大数据解决方案，助力医疗和保险领域的客户实现高效的数字化转型，赋能数字化医、药、险联动。

客户挑战

AI 技术使用门槛高，传统药企、保险、医疗等团队缺乏辅助开发工具、不熟悉相关算法，同时在底层框架及硬件驱动上也有重重困难。同样，在医疗保险行业搭建 AI 平台主要有以下几大挑战：

一是数据。在医疗、保险行业存在着海量非结构化图像数据，其多源异构的医疗数据涉及40多类的单据图像，保险公司很难将其所包含医疗信息进行有价值的提取和利用。同时，各医疗机构的单证模板制式不统一，医学术语使用不统一等问题。各医疗机构对于数据的结构化规则和精细度也完全不同。而且医疗领域知识专业、复杂且更新频繁，需要大量的专业技术人员来完成保险运营增值所需要的知识更新、数据清洗、数据分析、用户画像和健康建议。

二是算法。得到丰富的数据后，需要对数据进行分类、回归、时间序列和文本等处理，同时要用到深度学习、机器学习技术对数据进行再次加工，需要花费长期大量的研究投入。

三是算力。需要支持数千万数据的训练，只有 CPU 远远是不够的，要建立 CPU+GPU 异构计算，汇集数百台服务器的集群，同时根据 GPU 使用情况支持自动扩容缩容，实现资源的合理分配。

方案及效果

在NVIDIA A100 Tensor Core GPU和NVIDIA TensorRT强大的AI算力推动下，知识视觉极大的缩短了算法研发时间。

1、TensorRT加速 AI 推理：医疗、保险行业的数据密集型需要更快的速度、更高维度数据学习能力。知识视觉采用了NVIDIA TensorRT 加速框架，数据处理速度较原来提升了 10 倍，能高效地处理呈爆发式增长的医疗、保险数据。

2、极大地缩短算法开发时间：以往的AI算法开发者开发一个优质的AI算法往往耗时半年至一年甚至更长时间，在NVIDIA A100的助力下，知识视觉“AIVIEWER” 平台将AI算法研发周期缩短至一个月甚至更短，利于AI算法开发者将时间集中在算法研究上，而不是数据处理上。

3、支持数千万的数据训练：用户需要大量算力进行模型训练，在NVIDIA A100的加持下，平台能训练数千万的数据，助力于完成医疗、保险行业海量非结构化图像数据的处理。

知识视觉CEO向飞以及CTO王一哲均表示：“NVIDIA A100和TensorRT的AI计算平台，解决了数据处理速度以及算法算力资源合理分配的难题，使得我们在‘数愈医疗’领域能够不断创新，拓宽应用场景。通过AI技术让医院、药企、保险以及患者真正的享受AI所带来的便捷。用数据创造更多治愈疾病的希望，为我国医疗事业的发展贡献一份力量。”

审核编辑：郭婷