AI加速卡面临“禁售”，国内医疗AI们会被卡脖子吗？(4)

“训练端则是基于大量的医疗数据——这些数据可以是图像形式，也可以是其他形式进行训练，以期得到一个非常好的模型（算法）。随后，需要将完成的模型部署到推演端。这个训练的过程需要很强的算力，甚至需要搭建超算中心，从而提升模型训练和迭代的效率，或者可以节约开发成本。”宋捷介绍道。

根据英伟达官方的介绍，本次被限制销售的H100在基因测序上的性能比A100快7倍。简单来说，在A100上需要花费7天训练时间的模型，在H100上大概只需要1天即可完成，差别不可谓不大。

宋捷坦承在这一部分上，国内对国外加速卡的依赖较强。但他同时也表示，产品输入的限制暂时不会对国内医疗AI的发展造成太大的影响。

首先，即使在训练端，目前国内医疗AI的需求暂时不会用到这样高端的产品。

以希氏异构为例，其早在2018年就组建了当时国内算力最强的专用于AI影像研发平台——“神农1号”（SINOSEEDS）超算中心。“我们使用的是当时性能最强的V100，处理能力非常强。我们搭建的时候就做了很大的冗余，直到现在我们的算力在处理医疗数据时基本都是绰绰有余的。”他介绍道。

其次，他表示国内最近5年尤其注重算力等基础设施的建设，成效斐然。

一个最新的例子是2022年2月，我国启动了“东数西算”工程，通过构建数据中心、云计算、大数据一体化的新型算力网络体系，将东部算力需求有序引导到西部，优化数据中心建设布局，促进东西部协同联动。这一工程类似于著名的“西电东输”计划，不同的是其输送的主要是算力。

随后，国家在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。

“所以，即使不像我们一样自己搭建了专门的超算中心，也可以使用第三方的超算中心算力，或者云端的算力。相对医学影像数据处理要求而言，国内算力是足够的。除非最近出现颠覆性的技术，否则仅现有算力就足以满足未来几年行业对算力的需求。”宋捷表示道。

“当然，你要用前瞻性的眼光去看，这种技术限制也会导致我们用不到国外的新产品。如果有颠覆性的新技术出现我们就无法使用。另外，这种技术限制也会产生持续的影响——比如‘东数西算’工程，以及超算中心和云端算力等就会受到一些影响。这是另当别论的事情。”