【观察】三大关键词解读AICC：发展趋势、创新计算与产业升级

几天前，以时政、民生内容见长的《南方周末》刊登了一组关于人工智能的文章，详细介绍了中国目前在人工智能领域的进展，以及人工智能对各行各业的影响，还探讨了未来如何与人工智能和谐共存等话题。

放在几年前，这似乎是不可想象的，人工智能的火爆程度由此可见一斑。确实如此，如今包括语音识别、人脸识别、自动驾驶、无人机、智能机器人在内的一大波以人工智能为依托的新技术以及新应用，好像一夜之间在中国迎来了爆炸式生长。

那么，在人工智能未来落地的过程中，中国如何利用技术创新走向新的制高点？同时，在人工智能的浪潮之下，计算领域将迎来哪些新的改变？哪些行业又将受到巨大的影响和冲击呢？

在这种大背景之下，由中国工程院信息与电子工程学部主办、浪潮集团承办的首届人工智能计算大会（AICC）将于9月7日在北京举行，来自人工智能各领域的领先科技公司、创业团队、研究应用机构的近千名专家和代表将参加大会。

据了解，本次大会将以“创新计算赋能AI”为主题，围绕AI当下需求及未来发展，从计算创新着眼，联合从事AI计算及应用的公司、用户、专家、开发者共同打造探讨促进AI计算的交流合作平台，推动AI产业的可持续发展。

毫无疑问，这是一场近距离了解和观察国内人工智能现状和趋势的重量级会议，值得共同的参与和期待，下面就让我们通过三大关键词，一起解读本次AICC的精彩看点和重要价值。

关键词之一：发展趋势

实际上，如果我们以政策、资本、技术这三个维度来看待中国的人工智能产业发展，不难得出这样一个结论，那就是人工智能确实已经登上了中国技术创新的舞台。

一是，从政策角度看，7月20日，国务院正式印发《新一代人工智能发展规划》，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，也说明了人工智能已经从国家战略层面登上了中国技术创新的舞台。

 

按照规划安排，未来中国要初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，并带动相关产业规模超过1万亿元。

二是，从资本角度看，根据乌镇智库发布《乌镇指数：全球人工智能发展报告（2017）》称，2000-2016年，中国人工智能企业数累计增长1477家，融资规模累计达27.6亿美元。

数据显示，人工智能市场正在越来越热，2014-2016年三年新增人工智能企业数量占累计总数的55.38%，融资规模占总数的93.59%。显然，这样的数据表现向我们传达出的信息是，人工智能的公司正受到资本的青睐。

三是，从技术角度看，不论是阿里巴巴、京东这样的互联网巨头还是众多的创业公司，中国的企业都在以最快的速度建设着自己的数据中心。同时，中国还涌现出包括浪潮在内的一大批计算力的提供商，为人工智能的发展提供了充足的计算能力。

此外，中国在数据领域还有着极为领先的优势。仅仅在日常生活中，中国近14亿的人口就能产生比全球所有其他国家更多的数据，即使是针对某种罕见疾病，中国也有足够的样本来供算法学习如何诊断等等。

由此可见，中国在发展人工智能方面无疑具备了领跑优势，为发展人工智能打下了坚实的基础。那么，它未来将如何改变中国？我们又将如何利用人工智能的技术创新走向新的创新制高点呢？

为此，在AICC大会上，包括中国工程院王恩东院士、李德毅院士、微软技术院士黄学东、集群超算架构创始人Thomas Sterling、浪潮副总裁胡雷钧、国家超算无锡中心主任杨广文，百度人工智能技术委员会主席朱勇、旷视科技首席科学家孙剑、香港浸会大学副教授褚晓文、Uber机器学习主任王鲁明等业界专家将出席本次大会，并带来人工智能计算与应用的精彩前沿报告，深度解读人工智能未来的发展趋势。

关键词之二：创新计算

我们知道，人工智能的三大要素是算法、数据和计算。过去，人工智能相对发展缓慢，重要的原因就是在上面三个领域一直无法实现突破。换句话说，大量数据无法有效利用、计算能力的不足以及算法的不完善是制约人工智能发展的“三座大山”。

首先，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。

更具体来说，从技术层面看，深度学习需要大量的样本进行训练，以图像分析为例，它的样本量级大约为百亿级，而语音分析也达到了十万小时级，随着AI的应用越来越广，训练数据的样本量越来越大，对并行存储容量和带宽提出了很大挑战。

因此，从高性能计算能力支撑来讲，深度学习需要高容量、高带宽的并行存储，高带宽、低延时的互联网络，需要更大规模的GPU集群，同时需要专用的神经网络芯片等等。

此外，对于线下训练平台，其数据量非常大，往往能够达到PB级，计算和通信十分密集，由于深度神经网络（DNN）、循环神经网络（RNN）、卷积神经网络（CNN）等算法往往可扩展性不高，那么就需要在节点内进行高效计算。因此，GPU/MIC异构并行计算的技术架构成为了高性能线下深度学习平台的未来方向。

而对于线上识别平台，常常伴随着亿万级别的用户和用户请求，需要成千上万个节点，实时响应，这就要求线上平台需要低功耗并且高性能，他们大多采用云计算方式运行。那么，FPGA的异构计算模式因低功耗、高性能、易编程等特点，就成为了深度学习的首选。而为了更好地应对不同的深度学习系统、不同用户的需求、不同的深度学习应用，就需要一个高性能服务平台等。

其次，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。同时，机器学习的算法框架有很多，比如TensorFlow、MxNet、Caffe、Torch、Theano等，这也需要因地制宜的进行选择。

针对这些难题，AICC大会特别开设了AI+计算创新分论坛，聚焦当前AI最前沿的计算创新技术，话题涉及AI计算系统、AI云、深度学习框架、存储技术、高速网络、终端芯片等方面，将由国内顶级AI企业的一线技术领袖带来出色分享。

不仅如此，AI+ HPC融合分论坛也邀请到了高校科研、医疗、AI企业的学者和专家，分享他们采用深度神经网络+数据+高性能计算的模式的应用经验，无疑值得外界期待。

关键词之三：产业升级

毫无疑问，今天，人类已经站在了第四次工业革命的起点之上，其主要的驱动力来自于信息技术的不断突破，特别是随着云计算，大数据、人工智能的大发展，将彻底改变人类的生活、生产和商业方式，进而驱动经济实现新一轮快速增长。

 

尤其是在中国，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。与此同时，一个进一步走向开放的中国，整个社会里仍然存在的各种信息和技术壁垒，也成为了人工智能技术创新的最大机遇期。

从这个角度来说，“人工智能+”将成为新业态。具体来说，在金融行业，人工智能的应用场景就包括风险监测、反欺诈、信用评估；在制造行业，工业物联网+实时数据分析则可用于故障诊断、个性化定制等。

 

不仅如此，在医疗行业，利用深度学习等技术可进行诊疗图像处理、辅助诊断应用，未来还可以从就诊前交互环节向下延伸至临床诊疗、精准用药，向上拓展至新药研发环节；在物流行业，仓储及物流环节的无人车、无人机也正在成为潮流等。

根据IDC的报告，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。

全球最大的咨询公司埃森哲也在一份报告中分析，人工智能将对中国15个行业带来经济影响。其中，制造业获益最多，其次为农林渔业和零售业。到2035年，人工智能将推动这三大行业的年增长率分别为2%、1.8%和1.7%。

关键的是，人工智能未来将全面影响企业的核心竞争力。例如，人工智能技术在企业中将全面应用到IT运营、OT运营自动化中，以数据和智能连接客户，连接产品，连接资产。更关键的是，随着智能硬件、智能家居、消费级机器人、智能驾驶汽车等大量新应用的出现，未来多种形态的人机交互方式也将带来更多的商机。

值得一提的是，AICC大会特别安排了阿里、腾讯、今日头条、科大讯飞、美团点评、苏宁、中国移动等企业嘉宾分享他们在人工智能计算领域的心得体会以及经验思考，对于那些希望借助人工智能实现转型和升级的企业而言，无疑有着重要的参考价值。

不仅如此，在正式会议的前一天9月6日，大会主办方和英特尔、英伟达展开合作，还将举办人工智能计算技术的专业培训，内容涉及OpenCL、CNN、FPGA、深度学习、GPU计算等技术应用以及ImageNet竞赛经典模型和TensorFlow图像识别实践，也是人工智能计算领域专业人士不可错过的一次综合培训机会。

总的来看，首届AICC大会将聚焦AI计算趋势分析和探讨，也将分享更多的成功案例，提供更多交流的机会，激发更多的商业合作，这为中国利用人工智能实现产业的升级和企业的数字化转型，真正提供了非常有价值的参考方向和路径。

点击阅读原文，立即报名！

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！