在人機交互、普適計算和計算機視覺領域中，人體行為識別已成為一個主要的研究領域。基于人體骨骼的行為識別技術是以關節為運動節點，利用高清網絡攝像機抓拍勾勒出人體骨骼圖形，分析計算并判斷出人的運動軌跡，通過后臺預警，達到基于骨骼的提前預判和主動防御，已成為人工智能、物聯網等多個領域中最具有挑戰和應用最廣泛的研究分支之一，在智能交互、安防監測、醫療護理和工業制造等領域中廣泛應用，并成為下一代智能家居、可穿戴和移動設備規劃的重要組成部分。
面對67,428個視頻樣本，6種不同的模態，4個人類行為理解任務和119個視頻主題的龐大視頻理解數據集，江南大學吳小俊教授團隊為爭取更多算法優化時間，提升模型性能，需對其現有底層算力進行升級，以實現測試訓練時間壓縮。
但是，隨著當下算力的高速升級，GPU功耗不斷攀升，傳統風冷工作站已很難實現多卡工作站的高效散熱，存在降頻風險，容易導致整體性能下降。并且，為承載多卡散熱，更大風量、更高風壓的多風扇堆疊，也促使多卡工作站噪音越來越高（滿載可達到65dB以上），已無法滿足團隊辦公環境下的使用要求。
為幫助吳小俊教授團隊解決目前面臨的工作站降頻及噪音問題，超益集倫為其提供了全液冷工作站解決方案 —— ServMAX® TL40-X2。整機采用CPU+GPU全液冷散熱設計，噪音低于55dB，且室溫條件下GPU核心穩定運行于72℃以下，有效規避了降頻風險。
ServMAX® TL40-X2最終選擇GPU兩兩并聯，系統整體串聯式散熱，CPU與GPU可實現單獨拆卸，利于維護。并且，相較四卡并聯，更小的流量與流組，降低了泵的整體功耗，可有效延長使用壽命。同時，其采用加固連接頭和止水閥設計，保證任意GPU靈活安裝或拆卸。其次，水體通過軟管傳輸，在不影響流速及散熱效果的前提下，避免了市場上大部分硬質水管隱含的斷裂和長期使用的漏液風險。
.png)
雙路處理器，四路旗艦GPU
整機可達56核心，112線程
4路GPU，整體顯存高達96GB
支持NVLink，帶寬高達112GB/s
并聯GPU，支持靈活拆卸
靈活配置，高拓展性
支持10 x 3.5"/2.5" + 2 x 2.5" SATA /SAS內置硬盤
支持NVMe M.2（2280/22110）SSD
配有多個USB 3.0和USB 2.0接口
板載雙10Gbps RJ45以太網端口和IPMI管理端口
全液冷散熱，極致降噪
滿負荷整機噪聲55dB以內
循環風道設計，散熱無死角
風扇轉速可調，尋求效率與靜音的平衡
智能液晶面板，實時狀態監測
掌控機內關鍵溫度
監測、調節風扇轉速
監測冷卻系統關鍵參數
在基于骨骼的行為識別中，團隊針對視覺角度變化大、部分樣本類別相似度高以及數據規模有限等難點，充分利用特征間、尺度間以及不同建模方式間的差異進行優勢互補，結合超益集倫高性能計算解決方案，通過分類特征的融合加強， 有效提升了模型分類性能。
