若往前推十年,AI大多是存在于科幻作品的概念,而现在,AI全面融入到企业的发展蓝图之中,已成为产品设计优化之“智匠”、质量检测之“慧眼”、预测维修之“先知”、战略规划之“舵手”,AI的时代势不可挡!然而,并非所有设备都能支持开发和应用AI,什么样的工作站才能担起重任?为此,e-works评测组以AI应用场景为核心,深度整合巅峰表现(上海)科技有限公司(以下简称“巅峰表现”)的AI声学检测技术,对惠普Z系列HP Z4 G5台式工作站(以下简称“HP Z4 G5台式工作站”)进行了整机性能评测,目的是通过实际应用评测来综合分析HP Z4 G5台式工作站的特性。
一、认识:HP Z4 G5台式工作站开箱评测
HP Z4 G5台式工作站是工作站中的人气款,在外观设计方面兼顾了美观与实用性,在性能处理方面能力也同样卓越,是从事设计与AI计算工作者的理想选择。
1.外观体验
HP Z4 G5台式工作站在外形上融合了惠普许多设计理念和优良创意——经典的蜂窝开孔面板、坚固牢靠的金属侧板、磨砂处理的机箱、免工具拆卸以及一体化设计等,惠普Z系列工作站家族所有的经典元素都在HP Z4 G5台式工作站上得到了延续。专业、现代、简约、耐用是HP Z4 G5台式工作站给人的第一印象。
HP Z4 G5台式工作站的尺寸设计恰到好处,机身体积既保证了内部组件的充足空间,又便于用户搬运和部署。机箱的前置面板以简约美学呈现,展示着惠普经典LOGO和Z系列标识,集成电源按钮、耳机插孔及多个USB常用接口,贴合使用习惯,使得用户可以快速方便地接入各种外部设备,极大提升了工作站的实用性与操作便捷性。机箱四周精心布局大量散热孔,确保卓越通风性能,即便面对高负载挑战,亦能维持内部硬件于理想温度区间,有效延长硬件寿命。
图1 惠普Z系列HP Z4 G5台式工作站(外观)
打开机箱,其内部结构尽显匠心独运,布局严谨而合理,不仅确保了系统的高效运行,更在视觉上呈现出和谐统一的美感。宽敞的内部空间预留充足,为各类硬件扩展提供可能,无论是增设硬盘,升级内存,还是安装高性能显卡,皆能轻松应对,满足用户各种需求。机箱内部配备了20个温度传感器,联动智能风扇控制系统,能够实时监测并调整风扇转速,确保系统静谧运行同时,兼顾散热需求。此外,机箱内部的通风孔和通风导管布局精妙,进一步优化了气流和散热效率,确保了整个系统的稳定和高效运行。
图2 惠普Z系列HP Z4 G5台式工作站(内部)
2.基准测试
本次评测的HP Z4 G5台式工作站,搭载了高性能的英特尔®至强®W3-2435 处理器(3.1GHz 8个内核),英特尔®至强®为专业提供卓越。该处理器凭借先进的多核心和多线程技术,能够高效处理复杂的计算任务和多任务操作。其基本频率为3.10 GHz,并且支持英特尔睿频加速技术2.0,使得最大单核睿频能够达到4.30 GHz。此外,英特尔睿频加速 Max 技术 3.0 进一步提升了处理器的频率,最高可达4.50 GHz。这种高频率和大缓存的设计,为AI训练与大数据分析等高强度任务提供高效动力,确保性能卓越,游刃有余。
表1:惠普Z系列HP Z4 G5 台式测试机配置表(可支持更高配置)
为了进一步检验HP Z4 G5台式工作站性能,我们首先进行了基准测试。所谓基准测试,是指通过设计科学的测试方法、测试工具和测试系统,完成对一类测试对象的某项性能指标的定量和可对比测试。本次工作站性能基准测试工具选用SPECviewperf,一款专门针对图形工作站整机综合性能进行测试的专业工具,能测量工作站在OpenGL和Direct X应用程序编程接口下运行的3D图形性能。此次评测组选用的是SPECviewperf13,基准测试包括3DSMax、CATIA、CREO、ENERGY、MAYA、MEDICAL、SHOWCASE、NX、SolidWorks等9类软件工作负载测试环境,能真实地反映工作站在实际应用场景中的性能表现。本次主要选取了CATIA、CREO、NX、SolidWorks四个较为常用的工业设计软件进行基准测试,SPECviewperf 13通过应用程序或使用模型测量帧速率,即每秒帧数,总分为多个不同场景和渲染模式的加权几何平均值。
一般来说,刷新率越高,代表视频越流畅,对工作站来说,这意味着每秒钟对图像或图形的渲染次数,考验的是计算能力、内存处理能力和硬盘读写能力。所以在使用SPECviewperf 13进行基准测试得出结果数据时,显示的就是每秒钟对同一图像的渲染次数。通常情况下,当视频或动画的帧率达到24帧每秒(FPS)时,人眼观看起来会感觉到比较流畅,不会有明显的卡顿现象。
从本次测试总得分看,HP Z4 G5台式工作站所有的测试结果都远高于24FPS,这意味着测试的整个过程HP Z4 G5台式工作站都表现的极为流畅,最高的NX工作负载测试环境达到了492FPS,即每秒图形刷新率达到了492次,足见惠普Z系列HP Z4 G5台式工作站性能之强悍。(以下动图为增强视觉展示效果,已调整至0.5倍速播放)
图3 SPECviewperf 13测试结果
图4 建筑模型(着色)运行状态图
catia-05视图集是根据达索系统的CATIA V6 R2012应用程序生成的图形工作负载的轨迹创建的。模型大小从510万到2100万个顶点(构成三维模型或网格模型的基本单元之一,模型中的顶点数量是衡量模型复杂度的一个重要指标,顶点数量越多,模型通常越精细、越逼真,但同时也会增加渲染和处理的负担)不等。视图集包括应用程序支持的多种渲染模式,包括线框、抗锯齿、着色、带边着色、景深和环境光遮挡。从测试结果看,HP Z4 G5台式工作站得分最低的模型(14)为70FPS,得分最高的模型(5)为1958 FPS,展现极快的渲染速度。
图5 catia-05视图集测试结果
图6 CATIA V6 R2012工作负载模型运行状态图(飞机线框)
creo-02视图集是根据PTC creo 3生成的图形工作负载的轨迹创建的和Creo 4 PTC的应用程序。模型大小从2000万到4800万个顶点不等。视图集包括应用程序支持的多种渲染模式。所有具有透明组件的模型都启用了与顺序无关的透明度。测试结果显示,HP Z4 G5台式工作站针对(1)、(2)、(3)三个模型测试得分相对较低,基本在83—100FPS之间,但仍然远高于24FPS;模型(15)测试最高,达到了937FPS。
图7 Creo-02视图集测试结果
图8 PTC creo 3工作负载模型运行状态图(隐藏线模式下的Worldcar)
snx-03视图集是根据西门子PLM的NX 8.0应用程序生成的图形工作负载的轨迹创建的。模型大小从715万到845万个顶点不等。视图集包括应用程序支持的多种渲染模式,包括线框、抗锯齿、着色、带边着色和工作室模式。测试结果显示,HP Z4 G5台式工作站针对模型(4)得分最低为331 FPS;模型(7)测试最高为787 FPS。
图9 Snx-03视图集测试结果
图10 NX 8.0工作负载模型运行状态图(动力传动系统)
sw-04视图集是根据达索系统的SolidWorks 2013SP1应用程序的痕迹创建的。视图集中使用的模型大小从210万到2100万个顶点不等。视图集包括应用程序支持的多种渲染模式,包括着色模式、带边着色、环境光遮挡、着色器和环境贴图。测试结果显示,HP Z4 G5台式工作站针对模型(5)得分最低为29 FPS;模型(1)测试最高为1358FPS。
图11 sw-04视图集测试结果
图12 SolidWorks 2013SP1工作负载模型运行状态图(带边缘着色模式下的特斯拉塔)
通过本次的基准测试,可以看出HP Z4 G5台式工作站在设计领域的性能表现非常出色。其强大的处理器、专业级的图形处理能力以及高速的存储解决方案,为设计师们提供了一个稳定而高效的创作环境。无论是进行3D建模、渲染复杂的视觉效果,还是处理大规模的数据集,HP Z4 G5台式工作站都能够轻松应对,确保了设计工作的流畅性和高效性。此外,惠普工作站通过了21,000+软硬件组合认证,满足了企业对于多款专业设计软件(如西门子NX、CATIA、Solidworks、Creo等)应用和协同工作需求,使得设计师能够在一个统一的平台上完成概念设计到详细设计的全过程,无惧软件兼容性风险。这不仅提升了设计师的工作效率,也使得他们能够将更多的精力投入到创意和创新中,推动设计领域的持续进步和发展。
二、探索:AI声学检测是智能的耳朵
在测试了HP Z4 G5台式工作站在设计领域的卓越性能后,评测组将其转向智能技术的前沿探索——AI声学检测技术。中国有句古话叫“眼观六路,耳听八方”,在机器视觉已广泛应用的今天,AI声学检测技术的出现,正是对智能制造领域智能感知能力的一次重要补充和深化。
在工业领域,声音异常作为设备故障的预警信号,其根源常可追溯至机器内部运动部件(诸如轴承、齿轮等)的磨损、松动等异常状态,准确识别与及时处理这些声音异常,对于保障生产安全、提升设备寿命具有重要意义。然而,传统检测手段主要依赖于质检员的经验判断与感官识别,存在主观性强、效率低、实时性差等弊端,难以满足现代工业对高精度、高效率、实时性监测的需求。
而融合了声学技术和AI算法的AI声学检测技术,能够自学习和自适应,不断优化检测结果,为传统检测设备赋予了“智慧大脑”。它具备超凡的细微声音分辨能力,通过捕捉机器运转时产生的声波,可以识别出轴承磨损、设备故障、电机异常等隐蔽声响,这些细微差异往往超越了人耳的感知极限,不仅能够大幅提升检测效率,使得原本需要数小时甚至数天的检测工作缩短到几分钟内完成,极大地提高了生产效率;还能够预测设备潜在的故障和性能退化,帮助企业实施预测性维护,减少意外停机时间,提高设备的可靠性和寿命。在电机、电驱、减速机、泵、电器组件、电梯、风力发电机、工业机器人、高压器件、汽车、高铁、飞机等工业领域中,AI声学检测技术以其独特的优势,成为推动工业智能化升级的新助力,引领行业迈向更高效、更智能的未来。
图13 AI声学检测技术在工业领域的应用
为了更深入地评测HP Z4 G5台式工作站在AI应用方面的性能,e-works记者特别采访了巅峰表现的资深专家,通过他们的专业视角,一窥HP Z4 G5台式工作站在处理复杂AI任务、支持大数据分析和执行深度学习模型训练等方面的具体表现。
三、创新:打造面向工业场景的AI声学检测系统
巅峰表现是一家专注于AI声学检测技术的科技型企业,凭借对深度学习体系的深入研究和应用,巅峰表现形成了全自研体系能力,实现了核心算法开发+智能硬件设计+业务系统集成的闭环交付能力。在工业领域,巅峰表现的AI声学检测技术以其卓越的实时分析能力脱颖而出。在产品质量检测方面,该技术通过监测产品制造过程中产生的声音模式,为品质控制提供了有力支撑,确保每一件产品都能严格符合既定的质量标准,为企业带来了实实在在的效益提升;在设备运维监控方面,该技术能够精准捕捉并分析设备运行时产生的声音,识别潜在故障或异常的声音特征,实现提前预警,大幅度降低了设备非计划停机时间,确保了生产线的连续高效运作。
图14 巅峰表现对设备运行状态进行实时在线监测
而在复杂多变的工业环境时,如何迅速而准确地从众多背景噪声中甄别并提取关键声音信号,并精准识别声音异常,成为了一项技术攻坚任务,这不仅考验着系统的噪声过滤和信号增强能力,也对算法的精细度和智能化水平提出了更高标准。
因此,在人工智能的浪潮席卷全球的当下,巅峰表现致力于高效的算法优化策略,旨在驾驭日益庞大的数据集,同时确保检测速度与精度的双重提升。
随着越来越多的企业开始将大量私有化的数据与AI大模型部署在边缘端,加剧了边缘端在处理大规模数据及运行深度学习模型时对计算能力的需求,这既是对算法设计智慧的深度挖掘,也是对硬件设施性能的挑战,需要计算能力更强、能长时间稳定可靠运行的工作站来支撑AI应用。在此背景下,巅峰表现不断探索计算效率与性能之间的最佳平衡点,以支撑起复杂分析任务的高效执行,为工业检测领域的智能化转型奠定坚实基础。
四、应用:HP Z4 G5台式工作站在巅峰表现的实践
基于此,巅峰表现引入了HP Z4 G5台式工作站,其搭载的高性能处理器和强劲的GPU,显著加快了深度学习模型的训练与推理速度,极大提升了声学检测的效率。此外,HP Z4 G5台式工作站所提供的高速存储系统和充裕的大容量内存,使得巅峰表现能够更加迅速地处理和分析庞大的声学数据集,为复杂算法和模型的运行提供了坚实的基础。在惠普Z系列HP Z4 G5台式工作站的助力下,巅峰表现不仅优化了算法的复杂度,还显著提高了检测结果的准确性和可靠性,确保了在各种应用场景中都能获得高质量的监测结果。
Step 1 部署边缘测,进行数据预处理
以电机为例,电机AI声学检测流程是一个高度专业化的技术过程,其核心在于边缘计算的部署与数据处理、分析,它涉及使用先进的传感器和麦克风采集电机运行时产生的声音信号,然后将信号进行数字化处理,接下来,利用机器学习算法对这些特征进行分析,以识别和分类电机的异响类型。一旦检测到异常声音,系统会进行异响判定,并结合智能诊断技术进一步分析故障原因,实现故障的自动诊断和预警。
图15 HP Z4 G5台式工作站在巅峰表现的实践
在数据的预处理阶段,HP Z4 G5台式工作站凭借其强大算力,担当起边缘计算的核心角色,不仅负责收集来自生产线的实时数据,还可以针对电机产生的各种噪声类型,如机械噪声和电磁干扰,执行高效的滤波和去噪处理,确保了信号的质量。在边缘端,HP Z4 G5工作站无缝衔接进行数据的收集、标记、清洗与分割,这一过程是算法训练的基础,也是确保数据质量的关键,为后续的特征提取打下坚实基础。
图16 电机AI声学检测流程
Step 2 “小学徒替代老师傅”,深度学习模型训练
在特征提取和分析的关键阶段,面对特定型号电机检测初期的数据匮乏,所形成的算法尚不具备深入理解和判断能力,因此采用“小学徒替代老师傅”的模式进行深度学习模型的训练。
具体而言,预先收集大量涵盖电机正常运转、空响运行及由轴承故障引发的多种异常状态的音频样本,并对这些样本进行标记,作为“小学徒”学习“老师傅”经验的材料,随后不断吸收、理解并内化各类声音特征的正负样本知识,逐步构建起对电机声音的深刻理解,借助于HP Z4 G5台式工作站的搭载的英特尔®至强®W3-2435处理器、专业图形显卡GPU、大容量内存以及高速存储系统,确保了训练过程中数据的快速读取和写入,技术人员能够快速训练深度学习模型,“小学徒”模型不到一个月就能掌握“老师傅”的知识和经验,三个月就能超越“老师傅”。此外,通过在HP Z4 G5台式工作站上进行细致的参数调优和优化,不仅显著提升了模型识别电机异响的准确性,还增强了模型对多变环境的适应性和鲁棒性。
图17 电机各类音频特征提取和标记
图18 对声学AI系统进行细致的参数调优和优化
Step 3 AI算法应用,快速检测出结果
经过充分训练和验证的深度学习模型将被部署到生产环境旁的HP Z4 G5台式工作站中,实现与生产数据的无缝对接,实时监控电机的状态。
当产线工件流转到检测工位,麦克风自动就位准备采集,PLC联动自动启动数据采集,数据实时传输至HP Z4 G5台式工作站上进行即使处理,仅需1秒,HP Z4 G5台式工作站就将AI算法结果反馈至前端,为操作人员提供了关于工件状态的直观、准确的判断依据,无论是正常的“OK”还是异常的“NG”,都使得生产线能够迅速响应,进行必要的调整或维护。HP Z4 G5台式工作站不仅提高了算法运行的效率,也确保了深度学习模型训练的质量和精度,为电机的智能监测和故障诊断提供了强大的技术支持。
图19 基于HP Z4 G5台式工作站的AI声学检测结果
HP Z4 G5台式工作站部署在边缘端,其核心优势在于AI大模型的本地私有化与即时反馈能力,不仅大幅度缩短了从数据采集到决策制定的时间,为生产流程的敏捷性与效率奠定了基础,同时还保障了数据安全。并且,在工业环境中,搭载声学AI系统的工作站通常会面临高噪音、高温、高湿、油泥和振动、电磁干扰等挑战,为了在这样的恶劣条件下保持正常运作,工作站必须具备出色的耐用性和稳定性。由于HP Z4 G5台式工作站搭载了全新的散热系统,并经过了超360,000小时的不宕机测试和军工标准测试,保障了在恶劣环境中工作站的稳定性和可靠性。
同时,对于拥有更多生产线的客户,还可以按需配备HP Z4 G5台式工作站的数量,并通过双机热备机制确保系统的高可用性,即使面对网络故障或电源意外中断等突发情况,算法也能迅速迁移至备用工作站,保障生产的连续性与稳定性。
五、总结
通过本次评测可以看出,HP Z4 G5台式工作站具有安全性、高性能、高稳定性和高可靠性,其高效的计算性能、优化的数据处理能力和本地私有化的部署,不仅可以在设计领域的性能表现非常出色,为设计师们提供了一个稳定而高效的创作环境;还可以轻松驾驭不同的工业场景对于AI声学检测的应用需求,为深度学习模型的训练和推理提供了强有力的支持,加快了算法的运行速度,提高了模型的准确性,也增强了整个检测系统的稳定性和可靠性。
HP Z4 G5台式工作站的这些优势,使其成为研发创新和AI应用领域理想的硬件选择,而随着技术的持续进步和应用领域的不断拓宽,有理由相信,HP Z4 G5台式工作站将在未来的科技浪潮中继续引领潮流,为用户创造更加辉煌的价值和成就。
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。