人工智慧在海洋中的應用：俄勒岡州立大學揚帆起航，即時研究海洋

by 布賴恩·比勒 on 2025 年 11 月 12 日

AI ◇ 企業

“我們關注的是能夠改變科學的技術。”

——克里斯多福‧沙利文，俄勒岡州立大學地球、海洋與大氣科學學院研究與學術計算主任

在俄勒岡州立大學哈特菲爾德海洋科學中心內的浮游生物生態實驗室，關於基礎設施的討論始於一個科學目標：如何利用技術幫助研究人員更快更好地了解海洋，同時又能保存他們在海上收集到的每一個獨特的數據點？答案越來越依賴運算能力、GPU加速和高密度NVMe存儲，讓這些技術服務科學，而不是反過來。

該實驗室透過採集高解析度影像和環境遙測數據，研究海洋食物網的基礎，並將這些數據轉化為深刻見解。這項工作並非抽象的理論，而是依賴船舶、感測器和無法重現的時間窗口的實地科學。資料遺失並非小麻煩，而是海洋中一段永遠不再現的珍貴瞬間的遺失。

解答龐大的科學問題需要強大的硬體。我們一直與俄亥俄州立大學 (OSU) 攜手合作，共同驗證戴爾 PowerEdge XE7745 伺服器。這台伺服器將 GPU 與高密度 NVMe SSD 結合，使研究人員能夠無損地分析、保存和共享資料。其核心在於首先確保資料的完整性和可靠性，其次才是大規模運行的速度。這正是人工智慧如何改變科學實踐而非僅僅停留在理論層面。

系統內部

服務器： 戴爾 PowerEdge XE7745 (4U)

處理器： 雙路 AMD EPYC 9555 64 核

內存： 24x32GB – 768GB

GPU： 4 × NVIDIA RTX Pro 6000 伺服器

貯存： 8 × Solidigm D5-P5336 E3.S 30.72 TB

網絡： 100Gb乙太網路卸載

“所有技術本身都對科學產生偏見。真正的挑戰在於找到能夠消除這些偏見的技術。”

浮游生物是地球生命無形的創造者。這些微小的生物驅動著地球的生物引擎，產生全球約一半的氧氣，並構成所有海洋食物網的基礎。它們吸收大量的二氧化碳，影響全球氣候循環，並作為生態系統變遷的早期指標。了解浮游生物意味著了解海洋的健康狀況、在調節大氣中的作用，以及最終地球未來的穩定性。

浮游動物，圖片來源：Matt Wilson/Jay Clark，NOAA NMFS AFSC。

幾十年來，浮游生物研究依賴用漁網採集大量樣本，然後在顯微鏡下進行分析。這些方法只能提供瞬時影像，並且常常導致人們誤以為捕食者和獵物始終在同一水體區域內相互作用。而能夠垂直穿過海洋的高解析度成像系統則揭示了截然不同的景象。許多浮游生物及其捕食者佔據著不同的水層，這些水層由深度、溫度和營養梯度分隔開來。這種結構先前是無法觀測到的。現代成像技術使研究人員不僅能夠觀察到物種的存在，還能觀察到它們的分佈、相互作用以及這些相互作用的演化過程。

原位魚卵浮游生物影像系統（ISIIS），圖片來源：俄勒岡州立大學

俄勒岡州立大學擁有多種研究浮游生物的工具，但其主要儀器為原位魚卵浮游生物成像系統（ISIIS）。 ISIIS是一個拖曳平台，可在海洋中航行，並透過銅/光纖海洋電纜傳輸資訊。兩台8K攝影機在海水流經系統時捕捉浮游生物的輪廓，成像速度高達每秒160公升，同時記錄溫度、鹽度和深度資料以提供背景資訊。

這個過程每天會產生數TB的資料。俄亥俄州立大學的科學家希望近乎即時地分析這些數據，以便船員能夠根據水下觀測到的情況調整採樣路線。

長遠願景是使人工智慧模型能夠自動識別生物體並檢測浮游生物族群的變化，這些變化可能預示著更大的環境變化。大規模捕捉這些模式既需要先進的成像系統，也需要能夠將視覺上的混亂轉化為可量化洞察的運算基礎設施。

目前，俄勒岡州立大學的驗證工作在陸地上進行，戴爾PowerEdge XE7745系統正在處理ISIIS平台收集的大量影像資料集。這種環境使研究人員能夠改進模型、驗證資料完整性，並評估系統在科學工作負載下的表現。長遠目標是將這項能力轉移到海上，將相同的運算和儲存架構嵌入到研究船上，以便在海上進行資料處理和分析。這種從實驗室驗證到即時海洋部署的轉變，最終將實現數據收集、分析和發現之間的閉環。

“我們理想的工作流程是，當船隻抵達港口時，科學研究工作就已經完成了。”

俄勒岡州立大學的下一階段科研基礎設施建設將運算能力直接帶到了海上。該校新建的科學研究船隊，包括即將服役的區域級科學研究船「塔尼號」（R/V Taani），被設計成一個高效能、半自主資料收集和分析平台。這些船舶將作為行動實驗室，搭載科學儀器、感測器陣列，以及如今的GPU驅動運算系統，能夠在返回岸上之前分析TB級的數據。

3D船舶渲染圖圖片來源：俄勒岡州立大學

每次航行將同時進行多項實驗，涵蓋浮游生物成像、數位漁業監測、聲學測繪和環境建模等。海上挑戰並非電力，而是密度。鑑於海上IT支援人員有限，船上的每個機架單元都必須在確保最大性能的前提下，盡可能簡化配置。目前，我們正在評估戴爾PowerEdge XE7745伺服器搭配Solidigm E3.S固態硬碟和NVIDIA RTX Pro 6000顯示卡的成熟配置方案，將其作為船上資料中心策略的基石。透過近乎即時地處理數據，俄亥俄州立大學的研究人員能夠在航行途中調整採樣路線、檢測異常情況並做出明智的科學決策。

浮游生物分割影像，來源：俄勒岡州立大學

這種方法還能將人工智慧整合到工作流程中。基於歷史浮游生物影像訓練的人工智慧模型可以對生物體進行分類、識別環境趨勢，甚至預測目標物種高濃度出現的地點。這種能力將科考探險從被動的資料收集任務轉變為主動的、適應性強的探索行動。結合可靠的冗餘NVMe儲存和高速網絡，最終建構出一個專為探索而打造的彈性邊緣運算環境。

願景是將俄亥俄州立大學的每艘研究船都打造成一個獨立的、人工智慧賦能的觀測站。船上儀器收集的數據將直接流入船上計算集群，在那裡進行分析、存檔，並在船舶返回港口時透過100Gb以太網連接上傳。當船舶靠岸時，科學家將已經獲得可操作的洞見、經過驗證的結果，並且確信沒有一個位元組的資料在海上遺失。

“在海上採集環境數據時，每小時的成本高達數千美元。”

俄勒岡州立大學科考船收集的數據是科學界最寶貴的資訊之一。每一分鐘的運作都代表著船舶的時間、燃料、船員和設備協同工作，捕捉那些可能永遠不會再次出現的狀況。遺失哪怕一小部分資料都是不可接受的。蘇利文的團隊圍繞著一個原則設計了他們的基礎設施：在船舶返回碼頭之前，必須保存、驗證和分析每一份資料。

為了實現這一目標，俄亥俄州立大學正在驗證戴爾 PowerEdge XE7745伺服器，這是一款專為 GPU 加速工作負載而設計的 4U 風冷平台。該系統配備雙 AMD EPYC 處理器，並最多可搭載八塊（本例中為四塊）基於 Blackwell 架構的NVIDIA RTX Pro 6000 伺服器 GPU。每塊 GPU 均配備 96 GB 高速 GDDR7 顯存和先進的張量核心，專為 AI 推理和影像處理而設計，使研究人員能夠即時分析高解析度環境資料。

XE7745有限的硬碟位元使得每個插槽的容量成為關鍵因素，因此OSU整合了八個30.72TB的Solidigm D5-P5336 E3.S SSD。這在緊湊的空間內提供了近250TB的快閃記憶體容量，結合了Solidigm QLC NAND的高效性能和持續寫入效能和資料完整性最佳化的企業級韌體。對於空間和散熱都極為寶貴的R/V Taani而言，這種高密度使得整個平台、運算、GPU加速和冗餘儲存都能裝入一個4U機箱中。

“我們正在對這些系統進行深入研究，看看它們能走多遠。”

俄勒岡州立大學的驗證階段重點在於了解戴爾 PowerEdge XE7745 伺服器對完整的浮游生物成像工作流程（從頭到尾）的支援程度。目標不僅是測量速度，還要確認系統能夠可靠地處理船舶作業所需的資料規模和速度。

如今，該實驗室在典型的科研部署中，每天採集超過15TB的影像和環境資料。借助XE7745平台，團隊目前每天處理約2TB的原始視訊資料。此工作流程使用256個CPU核心進行分割，並使用四塊NVIDIA RTX Pro 6000 Server GPU進行推理。最終的處理流程速度比上一代流程快約三倍。

最顯著的發現是，目前的瓶頸在於 CPU 分段，而非儲存吞吐量或 GPU 處理能力。採用 RAID 10 的 Solidigm D5-P5336 SSD 能夠持續提供穩定的讀寫效能，而不會影響處理流程。 GPU 也保持了足夠的吞吐量餘裕，可以根據電力和散熱資源的允許進行橫向擴展。換句話說，硬體不再是瓶頸。該架構現在能夠展現實際的科學工作負載，使團隊能夠精確地調整分段階段。

30.72TB Solidigm P5336 固態硬碟

這項技術的應用對操作層面影響顯著。在以往的考察中，研究人員只能即時觀看視訊串流，無法確認他們採集的是富含浮游生物的水樣本，還是只是捕獲了懸浮顆粒物。浮游生物會隨水流移動，常常聚集在即時可見的細微水層中。如果沒有進行數據處理，一次為期十天的航行可能會產生數小時的數據，但這些數據幾乎沒有任何科學價值。

借助XE7745的半即時處理能力，科學團隊現在可以在資料收集過程中評估資料品質。如果影像顯示浮游生物稀少，船隻可以在海上航行時調整深度或移動到新的座標。這種根據實際情況進行調整的能力是人工智慧加速運算在科考船上應用的核心原因之一。它將科考活動從被動的數據收集轉變為主動的科學探索。

隨著更多 XE7745 系統的加入，處理能力可以擴展以應對每日全部資料量。這種擴展性與艦載科研的實際實際情況相平衡：能源消耗、散熱和機架密度。這些挑戰並非技術性的，而是環境性的，而正是因為運算平台已經證明其能夠滿足需求，這些挑戰才得以顯現。

“如果你的技術能夠改變科學，我們來談談。”

科學認知的進步源自於我們能夠看到先前隱藏的事物，而海洋中充滿了這樣的秘密。俄勒岡州立大學的成像工作流程如今揭示了在海洋食物網中扮演關鍵角色的稀有浮游生物物種，同時也展示了諸如海洋溫度上升等環境變化如何影響它們的生存。浮游生物對壓力反應迅速，因此它們是海洋和氣候系統發生更大變化的早期指標。對它們進行深入研究對於理解海洋如何維持生命以及這種平衡可能發生的變化至關重要。

這項進展依賴於能夠隨著科學問題而不斷發展的工具。現代研究需要能夠在資料產生的環境中收集、處理和解讀海量資料集。大容量 NVMe 儲存和 GPU 加速技術使得資料處理更接近資料擷取點，而無需完全依賴集中式資料中心。對於俄亥俄州立大學而言，這意味著在邊緣端進行即時或近距離即時分析，科學決策能夠直接影響資料收集過程。