Kimberly加入英伟达，负责将英伟达GPU开发为可应用于医疗成像仪器的加速器平台。此前，她曾表示，医疗领域是英伟达规模最大、也是最为成熟的一个领域。“在放射学中，我们可以利用人工智能大幅的降低成本，提升图像的质量，并且将医疗和人工智能整合到一起。”

作为入局医疗的重要一步，2018年，英伟达发布了Clara平台。时隔一年，Clara的进展如何？Clara能否支撑起英伟达的医疗梦想？

医疗：算力需求最大的产业

实验室表现出色的AI迟迟难以在医院落地应用，很重要的一个原因就是“临床环境非常复杂”。

就以设备来说，很多医院还在用十几年前生产的成像设备，因为设备升级耗资巨大，医院的“改造动力”并不充足。这也是英伟达入局医疗的动力之一。

Kimberly说，在消费级AI当中，英伟达更关注的是数据训练、模型训练。医学影像的数据规模非常庞大，一些主流的消费级AI工具无法处理。如果没有更为先进的工具，AI就很难进入到下一个层级的应用。

现在，英伟达更关注的是规模可扩展的推理，以更快、更大规模的方式来进行推理。在Clara平台上，医生可以继续使用原来的超声、CT等成像设备，输入图像后，系统可以自动推理出更加清晰的图像。

医疗将会是世界上对于计算能力需求最大的产业。“模型和数据集的规模较大，而且很多都是3D数据。想象一下，我们有十几种医疗器械，身体结构、器官、疾病都有十几种分类。因此，针对各个细分领域的AI算法种类是指数级增长的。”

除此之外，考虑到医学数据的敏感性，医院对于数据本地化的要求比较苛刻，对于底层CPU、GPU性能的要求不断上升。

这些是英伟达决定开发Clara平台来满足医疗需求的原因。

一年来，Clara的四大进展

作为一个软硬件相结合的平台，Clara的核心是英伟达 Clara AGX，是一套以英伟达 Xavier 人工智能运算模块和英伟达 Turing 架构 GPU 为基础的运算架构。

2018年，Clara软件开发工具包（SDK）在北美放射学会会议上发布，定位于针对医疗行业分层的软件堆栈。

发布将近一年后，Kimberly也向雷锋网分享了Clara平台的成绩。

其中一个比较大的进展，是工具集的高度模块化。在Clara第一个版本当中，整个工作流是提前设定好的。也就是说，用现有的模型去训练现有的预定好的模型。

而在最新的版本当中，用户可以将自己的模型带到平台上来进行训练，“所以在使用层面，Clara变得更加友好了。”

其次，英伟达还整合了一些开源的工具。比如，新的医疗影像浏览器能从三个视角观察图像，相当于是一个AI助理分析工具，从用户的角度而言，使用更方便。