这几天

打开任何一个

短视频平台

你都会被“蚂蚁呀嘿”

的动态视频刷屏

于是幕后小伙伴也做了一个

▼

或许是因为太火爆了，许多官媒和明星也加入了这魔性的视频特效当中，仅仅在抖音平台搜索上关于这个特效的播放数量就达到了21亿，制作教程也有1.3亿的播放量（这还不包括“蚂蚁呀嘿”或者“吗咿呀嘿”等关键词）。

之所以能够在短时间普及，一方面因为这个特效太搞笑，另一方面该特效的上手也比较容易，只需要剪映（剪辑软件）、Avatarify（核心特效制作）、腾讯加速器（防止软件里素材过少）3款软件，甚至连根本没接触过特效的小白也只要十分钟就能做出满意的视频。

这并非是特效第一次走进我们的生活。早在前年，抖音上“白娘子”的特效就曾一度引来无数女生的围观，而如今的“蚂蚁呀嘿”更是成为了全网的狂款，甚至在全球短视频平台也成为了热门。如果说“白娘子”还仅仅是AR特效胜利的话，那么这一次的“蚂蚁呀嘿”就是整个互联网对于AI特效的充分肯定。

视觉特效这个词并不新鲜，但是最近几年伴随着计算力的发展，几乎所有的影视作品都采用了特效制作。以今年春节档的几部电影来看，无论是主打悬疑的《唐人街探案3》还是高投入精细化的《刺杀小说家》，甚至就连《你好，李焕英》这样的怀旧电影也增加了不少特效。

鲜为人知的是，所有的特效都得益于工作站的加持。与我们常见的电脑不同，虽然在造型上家用电脑与工作站看起来颇为相近，但是工作站所采用的高性能处理器和视频卡却远非前者可比。而在实际应用中，工作站更多是进行视频的渲染，比如刚刚我们提到的电影就是如此。

“蚂蚁呀嘿”这个特效略有不同。虽然从表面看来，它同样是通过已经制作好的视频模板对原有图片细节进行替换，但进行过尝试的小伙伴都知道，制作单人和多人特效的难度是截然不同的——借助于APP的画中画功能，我们需要手动将每一张人脸对应到软件中，并选择对应的比例。这一过程非常繁琐，甚至仅是教程演示就能“劝退”好多人。

这时候就不仅仅需要一台只能“做特效”的工作站，更需要工作站具备智能化的分析能力。如果是这样，未来特效设计的时候就可以增加基于神经网络的深度学习能力，可以智能化的识别操作细节甚至个性化的应用体验，用户们也就不再需要繁琐的操作，而是可以“一键应用到全部”。

这并非不可能。相对于计算为主的服务器来说，兼顾计算与图形表现的工作站更能够升任这样的工作，日前来自美国斯坦福大学的Jure Leskovec教授就通过戴尔Precision 7920工作站实现了深度神经网络的研究，并将这项研究应用在医疗领域当中。

之所以选择戴尔Precision 7920工作站，因为它可以提供新一代的双路性能，高效地运行并且处理各种复杂严苛的应用程序，在研究中遭遇的各种应用运行难题，都能应付的游刃有余。与此同时，它所搭载全新英特尔®至强®博锐®可扩展系列处理器，在定制双处理器配置时每个处理器可配高达28个内核或总共56个内核，性能水准令人惊喜。

我相信许多人可能是第一次听说Jure Leskovec这个名字，但在人工智能领域他可谓是“大牛中的大牛”。在Google Scholar上，Jure有近45000篇论文被引用，H*指数为84。而一般的美国科学院院士的H*指数中位数为57。如此对比，你就能理解Jure在人工智能领域是多么厉害，甚至称之为“举足轻重”也不为过。

那么这种重量级的行业大咖为什么不选择传统服务器，转而使用戴尔工作站进行科研呢？在谈到这个问题的时候，Jure表示：“我们的人工智能研究独辟蹊径，我们开辟了新的思维方式，那就是使用戴尔Precision工作站和NVIDIA技术进行研究”。

Jure大神所研究的内容就是近年来特别火爆的图形神经网络（GNN）。与以往的人工智能应用不同，GNN在处理非结构化数据方面有着先天的优势，这也使其特别符合当下图像、视频等非结构化数据社会的需求，也让Jure在网络数据分析、推荐系统、物理建模、自然语言处理和图形组合优化等方面取得了新的突破。

基于多年的研究，Jure的团队提出了一个基于WL图同构测试的理论框架，这也给改变了多年来GNN研究缺乏理论框架的现实，可谓是开启了业内的先河。不仅如此，Jure提出并验证了GIN（graph isomorphism Networks）在图分类中的作用，这项研究甚至被业内认为有望成为人工智能的下一个拐点。

这些研究成果的背后也都有戴尔Precision工作站的支持，它所承担的任务就是找到一种表示或编码图形结构的方法，以便机器学习模型可以很容易地使用它。戴尔Precision 7920工作站采用新一代AMD Radeon Pro™和高性能NVIDIA Quadro®RTX™ 显卡，可以充分满足虚拟现实工作流程等复杂项目需求。还可支持高达900W的显卡性能和3个高达300W的双宽显卡，为研究做出了很大的帮助。而在实际应用中，Jure也将他的研究应用于从从药物设计到社交网络等多个领域，从而奠定了图形卷积网络的价值所在。

“原本我们能够进行研究的数据样本很小。但是得益于戴尔Precision工作站的支持，如今我们的样本容量可以达到1.5TB，这就使得我们可以探索更大、更多数据集中的复杂问题”，Jure的同事、斯坦福大学高级研究员Rok Sosič博士如是说。

更重要的是，Jure团队还使用了戴尔Precision 7920工作站具备了全集成的DSW开发平台，提供了一站式的AI硬件和软件服务能力，这也使得研究团队在重新开启某项研究的时候不需要进行更多的设置，大大简化用户设置，免去了多则几天长则几周的调优过程。

“在进行基准测试的时候，戴尔Precision工作站相对于我们传统的服务器节省了50%以上的时间”，Rok Sosič博士补充道。他同时表示，搭配了NVIDIA专业图形卡的戴尔Precision工作站使用起来就像是“法拉利跑车”，也代表了实验室的研发能力。“比（其他实验室的）破卡车可强多了”， Rok Sosič博士笑着说。

如今，Jure团队已经与戴尔达成了密切合作，并广泛采用了戴尔Precision 7920塔式工作站、戴尔Precision 7750移动工作站以及多款戴尔笔记本电脑，完全集成、AI就绪的戴尔工作站和笔记本产品也正通过强大的计算力帮助斯坦福数据实验室进行人工智能的更多研究。

如今，图形算法已经应用在我们生活的方方面面，人脸识别、自动驾驶等许多图形计算都取得了令人惊奇的进步，而这种进步的最大驱动力就是深度学习革命，话句话说也是深度学习技术的发展造就了这个时代。“现在的问题是我们该如何开发可广泛应用的神经网络，开发更复杂类型的神经网络”，Jure表示。

很显然，至少在生产力工具这方面，Jure找到了最佳答案。

想了解更多戴尔明星工作站

点击下方小程序即可

*H指数（Hindex）是一个混合量化指标，可用于评估研究人员的学术产出数量与学术产出水平

[责任编辑：霍锋]