简单来说，IBM使用的“深度学习”技术是人工智能的其中一个分支，该技术使得电脑可以模仿人脑工作原理，并且已经成为了诸如微软、Facebook、亚马逊和谷歌(微博)这些科技企业的关注焦点。消息称，IBM的目标是将深度学习系统分析数据需要的时间从数天缩短到数小时。
“这些改进可以帮助放射学家根据医学图像更快、更准确地找到病变部位。”IBM研究所研究员、系统加速及记忆模块总监希拉里-亨特（Hillery Hunter）说道。
截至目前，深度学习主要依靠单一服务器运行，因为在不同计算机之间移动大量数据非常复杂。而且，如何处理在不同服务器和处理器之间的数据同步也是一个问题。
当地时间本周二，IBM宣布已经成功开发出了能够将这些任务分配到64台服务器的软件，而这些服务器最高配置有256个处理器，可在数据处理速度方面取得巨大进步。而且，只要是使用IBM Power系统服务器的客户以及其他参与测试的技术人员，均可获得这一技术的使用权限。
据悉，IBM使用了64个自主开发的Power 8服务器，每一个都将通用的英特尔微处理器和英伟达图形处理器连接起来，并使用快速的NVlink连接以促进两种芯片之间的数据流传输。
亨特在接受《财富》杂志采访时表示：“我们的想法是改变训练深度学习模式的速度，并真正提高人们的工作效率。”
对此，Pund-IT公司创始人查尔斯-金（Charles King）也表示，自己对IBM的这一项目印象深刻，他相信IBM已经找到了一种“等量扩大”深度学习系统的方法，并通过额外增加处理器的方式大幅提高运算性能。
简单来说就是，将设备的处理器扩容100%理论上应该可以获得100%的等量性能提升。但实际上，由于复杂的流量管理和连接问题，这种等量增长的效益永远不会发生。
不过IBM却表示，自己研发的这一软件系统通过由“加州大学伯克利分校”（University of California at Berkeley）创建的“咖啡因深度学习框架”（the Caffe deep learning framework），成功在256个处理器之间实现了95%的扩展效率。在此之前，这一等量扩容的记录是由Facebook人工智能研究公司创造的，其扩展效率达到了89%。
所谓的“咖啡因深度学习框架”是在2013年由加州大学伯克利分校的贾扬清博士在Github上发布。发布伊始，这一框架就得到了广泛关注，该框架以“Layer层”为单位对深度神经网络结构进行了高度抽象，通过一些精巧的设计显著优化了执行效率，并且在保持高效的基础上不失灵活性。