根據Merrill Lynch 預估，全球深度學習訓練伺服器市場將從目前6.5億美金，成長至2020年70億美金，Gartner並指出企業及私有雲佔比60%，但台灣產業尚缺「跨平台」「多機互連」的AI系統「軟」「硬」整合技術，大幅提升整體AI運算能力之高效能DNN Training Systems軟體，及方便使用者自主發展業務所需之AI 模型的應用軟體整合開發環境。有鑑於此，台灣雲協特別於7月份成立「台灣AI系統聯盟（Taiwan AI System Alliance, TASA）」，並將於9月份召開第一次TASA工作會議，針對AI系統的訓練環境進行優化與客製化。

    台灣雲協秘書長闕志克表示，帶動人工智慧機會的關鍵技術就是基於「深度神經網路（Deep Neural Network, DNN）」演算法的機器學習，DNN是模仿生物神經系統的數學模型，能夠讓程式具自我學習功能，設計欲解決問題的數學模型，透過大量數據蒐集與標記，反覆訓練數據資料調整數學模型，完成具有可信準確度的數學模型來解決辨識、預測與分類等問題。

    目前大家在競爭的是資料的訓練（Training），重點在於有沒有足夠且標記正確的資料集來訓練模型，以及訓練模型的時間能不能縮短。預測模型要達到高準確率，需要經過一次又一次的訓練，若有足夠的數據，就能透過人工標示，讓程式準確地學習辨識的真實值，不僅模型要準確，產生模型的過程還得快速才行，若要加速訓練模型的時間，就要由了解資料且具有經驗的工程師調整系統參數，來降低每次訓練模型的次數。

    TASA聯盟提供的「深度學習訓練系統」搭載X86機器提供完整深度學習訓練軟體，深度學習的訓練仰賴高度平行運算來處理大量數據資料的訓練，除了利用GPU的高效能多核心的運算處理，「深度學習訓練系統」包含主流的深度學習框架與相關工具，以及提升訓練效能的進階功能，像是加速訓練時間且維持準確度、深度學習超參數自動調整、儲存設備與記憶體之間高速資料流動等技術，提供深度學習模型開發者一個方便且有效率的深度學習訓練環境，大幅提升訓練效能。

    「台灣AI系統聯盟」成員可享有測試硬體選定及規格探討、系統軟體安裝及整合測試、導入應用場域等服務，如欲加入聯盟，請聯絡台灣雲協會務組組長劉維珍小姐(02) 2321-3796/office@twcloud.org.tw。