【观察】从人工智能的爆发与后劲 再看产业背后的中国力量
如果说去年人工智能还只是屏幕上“人机大战”中“人不如狗”的概念之争，今年人工智能已经成为了炙手可热的当红概念，甚至显得有些虚火上升。
实际上，人工智能之所以成为当下的风口和热点，最大的原因在于人工智能应用场景开始持续落地，让人工智能的商业想象史无前例地提升。这也是9月7日在北京举办的首届人工智能计算大会（AICC）上，带给众多参会者最直接印象。
正如中国工程院院士、浪潮集团首席科学家王恩东所言：“人工智能是目前人类社会面临的最重要的技术变革，也是国家发展的重大战略机遇。”
确实如此，近几年兴起的第三次人工智能浪潮，根本原因正是计算能力的快速发展，结合互联网、物联网带来的海量数据和深度学习等先进算法共同催生而成，其实际应用效果和社会影响力远远超出以往。
那么，中国的人工智能之路接下来要如何走出自己的特色？在这个过程中会面临哪些重大的挑战？特别是，已经走在市场前沿的人工智能企业，又将如何打造更为完善的产业生态，为赋能行业贡献更多的价值？毫无疑问，这些问题也是外界关注的方向和思考的重点。
人工智能的爆发与后劲
在AICC大会现场，仔细聆听完海内外数十位知名专家的主题报告，你能强烈的感受到，即将面对的人工智能新时代将会迎来一场翻天覆地的大变革，这其中有直面未来的激动与迫切，也有贴近机遇的兴奋与憧憬，更有唯恐被时代所抛弃的焦虑。
中国工程院院士、浪潮集团首席科学家
王恩东
对中国而言，人工智能真的是百年难得一遇的技术大变革，而中国的企业在这一波技术变革上反应速度也让人惊艳，这背后和当下所处的大环境无疑有着直接的联系，我们可以从三个维度来看：
一是，从市场规模看，毋庸置疑，中国已是人工智能目前最大的市场，也是最大规模的应用市场。无论是从互联网用户的规模，应用的规模，应用的先进程度，以及积累的数据程度，这种势能的积累让未来人工智能的爆发变得势不可挡。
根据IDC报告，未来三年，中国人工智能市场的复合年增产率将超过50%，到2020年中国人工智能市场的规模将到达150.2亿人民币，其中政府、金融、医疗、制造等行业将占整体人工智能应用市场规模的一半份额以上。
二是，从技术投入看，无论是在底层的硬件、高性能计算系统的发展，还是在应用层面软件的开发，以及在人工智能，特别是深度学习领域里面的算法，目前都处在世界最为前沿和领先的领域，整个市场十分的活跃。
来自清华大学教授、国家超级计算无锡中心主任杨广文就表示，目前正在运营的“神威·太湖之光”是世界首台峰值性能超过十亿亿次的超级计算机，三次获得世界第一，可以实现超过千万核心的并行规模，今后神威超算会面向深度学习平台进一步优化，希望能承载越来越多的语音图象识别、工业大数据、精准医疗、信息安全等深度学习应用。
清华大学教授、国家超级计算无锡中心主任杨广文
百度人工智能技术委员会主席、主任架构师朱勇也强调，百度在大数据方面，具有全网万亿级的网页，每天数十亿的搜索需求，同时拥有百亿级别的图像、视频及定位数据；在算法方面，构建了超大规模的神经网络，可以支持万亿级的参数，千亿级的样本训练。
三是，从宏观环境看，国家相关部门对此高度重视，今年7月20日公布的《新一代人工智能发展规划》就明确提出了中国人工智能“三步走”战略、八大关键技术研究、数十个产业落地、AI人才的培养和引进、以及成立人工智能规划推进办公室等战略规划等。
更为关键的是，目前中国人工智能的产业链条已初步完善，并形成了一股“中国力量”。涌现了包括阿里、腾讯、百度、科大讯飞、旷视科技、今日头条等诸多提供智能应用公司，以及包括浪潮在内提供计算力在内的企业，且这些公司的竞争力都处在业内第一梯队中。
由此可见，人工智能已经成为了当下中国产业升级和企业数字化转型中的新动能和驱动力。特别是由于线上线下生态及场景远比其他国家丰富、多元，中国经济中结构性的差异，以及细分行业中不同的应用场景需求，都给了以人工智能等新技术创新以巨大的想象力，可谓发展的后劲十足。
计算需求无上限的背后
众所周知，人工智能的三大要素是算法、数据和计算。随着人工智能深度神经网络的快速发展，更深更大的算法模型、更复杂的架构正在成为趋势。
浪潮集团副总裁胡雷钧
不过，当如此庞大的数据用于人工智能的训练学习时，数据量将超出内存和处理器的承载上限，如果计算力不能相应增长，整个学习过程将变得无比漫长，甚至完全无法实现最基本的人工智能。
对此，王恩东指出，尽管计算已经有了快速的发展，但面对人工智能这样一个蓬勃发展的需求，仍然面临着许多挑战，排在第一位的仍然是计算性能。
他说：“因此，我们需要加强计算芯片创新、可扩展平台架构、系统优化设计等基础技术研发和能力构建，同时也要从硬件、软件、应用、人才等多方面综合提升，避免短板效应带来的整体产业发展不良反应。”
确实如此，微软全球资深技术院士黄学东在AICC大会现场，现场演示了Microsoft Powerpoint presentation translator实时翻译，并用苏格兰式英语、湖南口音的中英文互译，软件都呈现了很高的互译准确率。
但是他也认为，实时翻译核心是“实时”，因此未来还需要更强大的GPU，更多计算的助力，才能让更多人真正用上超人水平的语音识别。
香港浸会大学副教授褚晓文
香港浸会大学副教授褚晓文同样表示，在过去的11年里面内存带宽仅仅提升了15-16倍，而计算能力提升了30-50倍，这说明内存的性能跟计算的性能之间的距离在逐渐扩大，这也是GPU计算今天面临的一个巨大的挑战，这个挑战就是巨大的计算能力和相对薄弱的内存访问之间的一道鸿沟。
不仅如此，浪潮集团副总裁胡雷钧强调：“未来对计算能力的需求在人工智能这个方向上，或者在机器学习和神经网络识别的方向上，对计算能力的需求依然是很强烈的，且没有上限。”
首先，人工神经网络的训练对计算能力的需求由三个因素决定：一是网络深度；二是网络里节点单元的个数和节点单元连接的复杂度；三是处理数据集的规模。这三个因素加在一起使得神经网络训练模型需要的计算能力是非常大的。例如，用120万张图片的数据集来训练一个ResNet，需要的时间是41天，整个浮点运算操作的总量是2200亿亿次。
其次，监督式学习的训练复杂度相对要小一些，无监督学习不但训练的数据是变的，网络本身也是变的，网络的深度、每一层的节点的数量、每一层与每一层之间的连接都是变动的，在这些变动之下需要的计算规模可能要达到100个E级。而对于通用人工智能，以目前在摩尔定律约束下的专用化计算能力，还看不到在哪一天能够真正达到人脑级的运算。
从胡雷钧的判断中，不难发现在计算层面，人工智能对于计算的要求确实不同于以往的应用需求，如何为人工智能应用提供源源不断的“动力”是业界的一大挑战。与此同时，在算法和数据方面，我们处于一个大数据的时代，结构化数据、非机构化数据、互联网数据、业务数据等交织在一起，如何在人工智能时代挖掘数据价值也是一大挑战。
人工智能中国力量崛起
显然，人工智能要想继续往前发展，就必须体系化、层次化的构建它的生态系统。有一个相对完整的生态系统的支撑，人类才能推动计算系统能够面向应用需求。
因此，在具体的实践中，浪潮认为人工智能的计算平台、系统管理、计算框架、应用方案将是一个生态系统里不可或缺的几个重要环节，在滚动推动着人工智能的长远发展。基于此，浪潮在上面四个方向构建了自身的人工智能生态体系，具体来说：
第一，在计算平台方面，浪潮围绕数据、计算能力、延迟、通信能力领域的瓶颈，研发重点是提高单位空间之内的计算能力和计算单元之间交互数据的能力。
例如，浪潮在2U空间内能集成8个，甚至以后可能更多的GPU处理器，以获得最高的计算能力。浪潮还通过服务器与GPU BOX的分离，拥有了更灵活的计算组合，以便适应各种不同的神经网络的模型。
第二，在系统管理方面，浪潮把云计算调动大规模运算的技术应用到人工智能计算上，为人工智能的开发者、运维者面临的各种巨量的运算应用提供了一个管理模式，以及计算框架的分析工具。
这套分析工具被称之为浪潮AIStation，它可以支持多种深度学习框架，快速部署深度学习训练环境，全面管理深度学习训练任务，实现对计算集群的CPU、GPU资源进行统一的管理、调度及监控，有效的提高计算资源的利用率和生产率，为深度学习用户提供了高效易用的软件管理平台。
第三，在计算框架方面，浪潮是首个把Caffe的计算模型从原先的单机版扩展成为集群版，通过这个集群版可以做到在一个系统里运行更大尺寸的神经网络，同时通过MPI的编程能够更有效的调动系统的资源来完成一个高性能计算。
最新版本的浪潮Caffe-MPI，较谷歌TensorFlow 性能实现翻倍，Caffe-MPI之所以在性能上的出色表现，得益其在并行算法设计上的创新突破。
最后，在应用方案方面，浪潮在计算平台、系统管理、计算框架的不断创新，由此也形成了完善的端到端应用方案。包括浪潮高密度高性能的模型训练的平台AGX-2，它是目前世界上最高密度的AI计算平台，在2U空间之内支持NVLink，支持P100GPU，有基于FPGA的F10A加速卡。
同时，在此基础上，浪潮还提供了高效的人工智能管理平台AIStation，高性能深度学习框架Caffe-MPI。更重要的是，浪潮还有非常有经验的工程师队伍可以帮助优化算法，帮助用户把人工智能完成落地。
在我看来，浪潮在计算领域不断迭代和完善自身产品，同时面向人工智能积极构建自身的生态体系，这些能力在帮助人工智能真实落地的同时，还让浪潮完成了对人工智能价值的商业化闭环，其创新的价值意义重大。
申耀的科技观察（微信号：shenyao），由非著名科技媒体人申耀创办、10万公里公路自驾经验老斯基，在各大自媒体平台拥有专栏，致力于科技行业的观察和思考，在这里读懂科技行业，知趋势，赢未来！
