<mark id="oztn4"></mark>
0
雷鋒網按：2018年浪潮服務器年度出貨量、銷售額全球前三，中國第一，全球增速第一。其中，人工智能服務器全球第一，云服務器全球第一。浪潮是人工智能產業鏈后端的“隱形”巨頭，處于人工智能產業鏈后端的公司存在感總是不那么明顯，每個產業都如此，但借鑒過往，往往是后端決定了行業發展的上限。
浪潮是服務器廠商，IDC數據顯示，在2018年上半年中國人工智能基礎架構市場，浪潮以51.4%市場份額位居第一。但如果浪潮僅僅是一家服務器廠商，我們也不必對其特別研究，在4月16日舉辦的IPF2019浪潮云數據中心合作伙伴大會上，浪潮用它的方式闡述了人工智能生態質變。
在人工智能爆發之前，計算力主要來自于x86服務器，圍繞x86架構，產業生態已經是一個分工明確，各司其職的完整生態，但是人工智能是個“闖入者”，圍繞人工智能的計算力生態需要重構。
浪潮AI&HPC總經理劉軍表示，在之前的生態，不管是系統平臺廠商、操作系統和數據庫廠商，還是上層應用開發商的定位都是非常清晰的，邊界明晰，分工明確，各行業都是很成熟的業務生態，大家有一些競爭，但大部分是合作，競爭非常少。
目前基于人工智能的生態則有兩個特點，第一個核心主要是在于生態的多樣性和不成熟。從數據清理開始，導入算法，通過框架建模，形成一個人工智能的應用，傳統客戶沒辦法直接使用人工智能應用，整合復雜性更高。
第二，不確定性更多，現在大部分算法公司脫離實驗室和互聯網ToC的業務，他們在產品上并不成熟，包括頂尖的CSP公司提供產品依然不成熟，對于商業化公司是不能忍受的。
浪潮認為，人工智能最大的機會是兩大塊組成，一個是人工智能產業化，另一個是產業人工智能化。
人工智能的產業化，智能音箱屬于最典型的代表，人工智能產業化的領導公司主要是百度、阿里、騰訊、科大訊飛、商湯等，把深度學習演化出來的能力應用到語音、圖像、視頻等識別上，演化出一個新產業的機會。
劉軍強調，現有的人工智能產業化并不代表整個人工智能產業的全部，只是冰山浮出海面上的一點，海面下的90%是產業的人工智能化，也就是傳統行業用戶怎么實現人工智能的轉型，這才是最大的市場。
在人工智能領導企業和人工智能使能傳統行業轉型之間有著巨大的鴻溝，如上圖所示，人工智能領域的leader公司有很好的算法能力和人工智能能力，他們在引領人工智能產業化向前。金字塔底是產業人工智能化潛在的市場。
“我們看到現實的情況，在這些傳統的行業里，客戶對于人工智能的渴望是非常高的，想要人工智能幫助行業轉型，但是他們遇到了很大的困難，卻沒人來告訴你，這個行業應用的人工智能怎么建立，所以他很多時候沒有辦法直接找到最上游的人工智能領導公司幫他一起做，找百度、阿里、商湯，這是很好的事情，但大家一討論會發現這個事情沒有辦法做大，因為大家沒有辦法少數幾家公司應對成千上萬的客戶，這是大家面臨很大的問題”，劉軍直言。
為什么會出現一個巨大的反差？原來所有的行業智慧化轉型都有一個已經成體系的服務商，完全成體系的服務匹配市場需求，但到了人工智能時代，原來的這些市場角色并沒有被人工智能化，所以導致了我們在供給和需求端發生重大偏差，他只好跑到最前面找，最前面的人工智能領導公司本質上并不具備服務成千上萬用戶的能力，這是一個巨大的鴻溝。
浪潮所要構建的生態，目的就是希望把中間巨大的鴻溝填平，真正使人工智能的能力有機會使能到最終的行業人工智能。
“這是我們看到的非常重要的機會，同時也有比較大的挑戰”。機會在于這一市場仍有很大的可塑空間，先行者將得到獎勵；挑戰在于浪潮如何扮演在生態中的角色，增長自己的價值，以及如何讓合作伙伴愿意投入到這個生態，而非其他生態。
我們正處于第三次人工智能浪潮，也是公認最靠譜的一次，人工智能的三要素中，數據是行業客戶的，算法的差距在縮小，越來越多的聲音認為，算力才是人工智能產業發展的瓶頸。
在第三波人工智能浪潮之前的數年，受制于計算力，傳統神經網絡的層數一般只有幾十層，要提高深度學習模型的精度就要增加層數，層數的提高意味著算力增加，不是線性增長，而是指數級增長，當下算力已經能滿足層數幾千層的神經網絡。
人工智能需要強大計算力來連接芯片提供商、應用提供商、服務提供商和算法提供商，計算力是一切人工智能產業發展的核心，是人工智能產業發展的基石。
有沒有一個服務提供商能提供人工智能全棧能力，既包含場景化人工智能基礎設施、深度學習框架與工具以及人工智能 PaaS平臺和算法層等“有形”產品，同時也凝聚人工智能算法優化、系統優化服務等“無形”能力？
基于此考慮，浪潮集團副總裁彭震正式發布了浪潮元腦，由如下幾部分組成。
超強人工智能計算系統：通過浪潮人工智能計算平臺、人工智能超高速計算加速卡、極低延遲RDMA網絡與超高帶寬并行存儲，共同提供極致人工智能計算性能。
敏捷人工智能Paas平臺：由極致優化的人工智能資源平臺、極速流程化人工智能開發平臺、開放兼容的人工智能生態平臺和秒速構建人工智能軟件棧。
最新開發的人工智能PaaS平臺AIStation面向人工智能企業訓練場景，可實現容器化部署、可視化開發、集中化管理等，有效打通開發環境、計算資源與數據資源，提升開發效率。
高效的Auto ML Suite：最新開發的AutoML Suite可實現非專業人員亦能通過極少操作構建網絡模型并獲得高精度，極大降低了人工智能開發、應用的門檻和成本。在2018年的NeurIPS 的自動機器學習挑戰賽中，浪潮與北京郵電大學、中南大學團隊合作，獲得自動機器學習領域的國際頂尖賽事的全球第三佳績。
整合一體化交付：計算/存儲/網絡一體化、內置人工智能 Paas平臺、內置建模優化工具、預配置系統調優。
雖然元腦包含技術棧頗多，但是最重要且最基礎的還是超強的人工智能計算系統，本次浪潮進一步豐富了人工智能計算產品。浪潮擁有業界最全的人工智能產品線，覆蓋從單機4卡到64卡集群的不同人工智能計算平臺，產品涵蓋GPU/CPU/FPGA等所有計算技術，覆蓋了從小規模的樣本訓練到千億樣本、萬億參數級別的超大規模模型訓練需求，能夠滿足人工智能云、深度學習模型訓練和線上推理等各類人工智能應用場景，對計算架構性能、功耗的不同需求。從2018年以來浪潮持續發布多款人工智能創新產品，包括計算性能高達每秒2千萬億次的人工智能超級服務器AGX-5，專為智能視頻分析優化設計的人工智能服務器NF5280M5-V，全球首款集成HBM2的人工智能計算可重構加速卡F37X，支持TensorFlow的FPGA計算加速引擎TF2，人工智能開箱即用即開發的百度ABC一體機3.0。
據雷鋒網觀察，浪潮早在數年之前即開始向計算之上的領域擴展，浪潮元腦是浪潮綜合過往技術和能力的集合體，驅動浪潮推出元腦既有客戶需求，也有浪潮的戰略定位使然，目前業界有資源有條件的服務器廠商也在做同樣的事情，僅僅提供單一計算力就有被淘汰的危險，服務器行業的馬太效應正在顯現。
有變化就有應對，浪潮從計算力的角度出發，融合、開放與敏捷將是人工智能計算最重要的三大發展趨勢，它們將對圍繞人工智能計算構建而成的整個AI產業生態體系，提出新的變化和要求。
融合首先是技術的融合，隨著軟件定義技術的發展，計算、存儲和網絡三類設備開始融合為統一的融合架構模塊，越來越多的運營商用搭載軟件定義的通用服務器來替代原有的存儲和網絡設備，而一直封閉的傳統電信產業也在SDN、NFVI等技術的推動下，開始與計算產業融合，開始走向融合開放。在產業層面，傳統的服務器、網絡和存儲廠商，如戴爾、EMC、HPE、思科、浪潮等，紛紛通過并購或者拓展業務的方式，成為涵蓋三大領域的數據中心全棧方案供應商。
然后是產業的融合，2018年以來，互聯網和產業界巨頭加大了對人工智能市場的投入，人工智能產品和服務層出不窮，行業解決方案和應用場景快速落地。人工智能將深度融合傳統產業，只有通過這種大的融合、更大的產業機會，人工智能才釋放出更大的潛能。
開放——在人工智能的時代里，開源的邊界越來越廣闊。技術層面，IT軟硬件技術正在從傳統的開放標準化向開源升級，在云、大數據領域，VMware、SAP HANA等商用軟件還可以與Hadoop、KVM、Spark等開源軟件相抗爭，而到了人工智能領域，TensorFlow、Caffe等所有的計算框架均為開源，沒有商用人工智能框架存在。
在硬件領域，2012-2013年，OCP和ODCC成立以后，硬件開源已經成為趨勢，不僅是互聯網企業將開源硬件作為主要采購對象，連高盛、中國移動等傳統行業用戶，也在大量部署開源硬件，以提高整個基礎架構的效能。任何一個廠商都可以加入一個技術社區、企業聯盟，不同的生態群彼此之間雖有競爭，但并不封閉。
敏捷——技術層面，軟件定義技術隔離了應用與硬件，從而實現了基礎架構層面的敏捷，可以為應用按需提供資源支持，保證用戶應用的高度靈活性。
應用層面，對于互聯網、電信運營商等大型用戶來講，軟件定義技術更多是保證基礎架構的高能效，而非靈活性，由于其業務規模超大、變化超快，基礎架構對于業務的保證需要廠商在運營方面的全面支持，提供全程定制化的產品和服務，需要整個產業鏈以更為敏捷的形態運行。
技術開放融合推動了產業層面的開放融合，技術創新的加速讓產業的敏捷化程度不斷提高，但同時帶來了生態問題——生態發展滯后于應用需求。在人工智能的產業鏈中，生態將呈現百花齊放。
在雷鋒網看來，不管產業人工智能化，還是人工智能產業化，人工智能的目標都是驅動產業變革，技術最終要落地于行業，計算瓶頸的突破帶來的是人工智能商用價值的提升，哪種生態更適于人工智能在行業的普及，哪類廠商將最先收益。人工智能基礎層已經品嘗到了市場的甜頭，下一步將逐漸傳導至中間的技術層和上層應用商，擺在人工智能從業廠商的一個現實問題，選擇哪個生態？
相關文章：
平安科技首席醫療科學家謝國彤：布局醫療AI生態，我們如何落子？
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
