<mark id="oztn4"></mark>
0
無論是國內的BAT、華為等巨頭在AI上的巨額投入，抑或是美國五角大樓也開始在AI項目上不斷引入新的資源，全球格局下，AI的吸金能力非常強勁。而最新的Gartner 企業AI案例研究報告也發布了它的預測：超過60%的中國大型企業在2022年前將開發自己的AI解決方案。
這意味著，眾多企業需要自己進行配置服務器、數據處理、模型調參、模型訓練等工作。但這實際上并不輕松。
沒有專業的實力和軟硬件基礎，想要部署屬于自己的機器學習和機器人過程自動化等能力，企業勢必面臨著采用這些技術并實現其利益的一些障礙，包括缺乏人才、難以確定目標和投資回報率，以及對如何影響工作的擔憂。
而眼下，第四范式似乎正在逐步意識到企業的這個“門檻”，并針對性的開始了一些新鮮的嘗試。
2018年9月10日，第四范式攜手浪潮商用機器在京聯合發布了AI軟硬件一體機產品“Prophet AIO”，雙方正式宣布成立AI一體機聯合實驗室，為行業用戶實現AI業務提供支撐與開發能力。
圖為：Prophet AIO
據產品線負責人告訴雷鋒網，部署“Prophet AIO”的實際應用效果表明，最明顯的效果是：在相同成本前提下，計算性能提升10倍以上，交付周期從以半年為單位縮短到周級別。從數據性能上來看，這款機器確實挺適合這些想部署AI能力的企業。
但這究竟是怎樣的機器？
據了解，雙方之所以將一體機取名為“AIO”，其寓意為打造“AI in One”的AI產業應用全閉環。實際上，這個產品設計基于第四范式先知（Prophet）企業AI核心系統與浪潮OpenPOWER硬件架構的融合集成。
圖為：Prophet AIO 產品架構
2016年，第四范式發布AI開發平臺“先知”，對先知設置了參數自動化的算法，并搭建了比Spark快數百倍的機器學習的基礎架構，降低了人工參與的特征工程和模型訓練過程，還能提供自動或半自動的特征工程、模型選擇調參工具，集成了高維機器學習、AutoML和AutoCV等算法技術，降低了對數據科學家的依賴。
而此次與先知平臺結合的OpenPOWER則是區別于x86的硬件架構體系，最新POWER9處理器是針對AI應用設計的全新架構。依托GPU、FPGA、DSP 以及 ASIC的優化加速能力和內存一致性等功能特點，在機器學習等領域應用中展現出較好的計算能力。
圖為：Prophet AIO 產品路線圖
第四范式創始人、首席執行官戴文淵在現場告訴雷鋒網：“Prophet AIO實現了AI商業落地五大要素完整覆蓋，賦予企業開箱即用的AI能力，未來企業接入AI像使用手機一樣簡單，只需插電、連接網絡、啟動等簡單幾步即可。”
Prophet AIO的應用場景在哪？
實際上，AI在各行業的應用基本遵循兩條線：
感知和認知層面，視覺識別、語音識別、機器翻譯、自動問答、情感分析、知識圖譜等技術應用于視頻監控、智能音箱、智能客服、實時翻譯等場景，這一些領域目前做的相對比較成熟；
算法層面，包括采用監督學習、非監督學習、強化學習等算法來解決實際應用中的問題，需要大規模的數據挖掘，對技術的要求非常高，此外還需要對各行業進行定制化，這使得AI的整體落地相對困難。
而綜合來看，Prophet AIO可能是目前為止業內首個針對超大規模數據挖掘與機器學習計算問題所推出的AI一體機產品，對于化解算法層面的尷尬困境有自己的優勢。眼下，Prophet AIO將在風險反欺詐、競爭營銷、個性化推薦、廣告計算、智能制造、客戶運營及產品定價等多個數據挖掘與決策場景中“首度嘗鮮使用”。
無論是POWER9的處理器片內交換速度、IO技術優化內存和顯存，還是“第四范式先知”的能力覆蓋AI應用開發、運行、管理等全生命周期，雙方的結合，其實也是補齊各自的短板。雷鋒網認為：
對成立于2018年5月的年輕的浪潮商用機器而言，急需軟件實力強勁的廠商合作背書，并加以檢驗硬件是穩定性和客戶反饋，探索AI性能的適用場景；
對于第四范式而言，計算資源層的最后一塊拼圖也亟待補齊，大數據存儲、模塊管理、計算任務智能調度和智能運維等多個核心組件急需升級，此外第四范式自研的大規模分布式高維機器學習框架（GDBT）和深度學習框架都需要進一步優化。
AI企業與服務器廠商的聯合將成“行業新景象”
雷鋒網了解到，對于服務器廠商而言，以往經常出現被客戶需求“推著走”的局面，很多服務器的功能急需適應大規模數據處理需求，并加入了很多AI的需求；另一方面AI企業長期從事軟件優化、算法優化工作，對硬件的調試等能力尚欠缺，因此在雙方的需求分析上，行業未來會出現一定程度上的“聯合趨勢”。
“第四范式服務的這些金融機構，已經占中國的金融總資產60%以上。可以看到，我們覆蓋面積已經很好了，但緊接著也會有痛點：當把服務裝到客戶那邊時，會遇到各種痛點，包括成本的問題、空間的問題等等。我們很多客戶都很有錢，但沒有空間放它的機器，如果把10臺機器變成一臺機器，是巨大的價值。除此之外，進一步降低部署、調試、升級的門檻，都是我們現在遇到的問題。從2018年上半年，我們從產品上開始在研究怎么解決這個問題，會發現硬件是繞不開的環節。”
戴文淵的這段話，不僅點明雙方牽手的原因，也談及了目前AI行業面臨的一些深層次問題。
圖為：第四范式創始人、首席執行官戴文淵
眼下，物聯網和大數據技術的發展，數據呈現指數級的增長，AI廠商需要正視的是這些日新月異的龐大數據，隨之而來的也會是數據資源的競爭、數據智能能力的競爭。服務器廠商牢牢把控了AI“最后一公里”的物理環境和物理條件，結合勢在必行。
第四范式聯合創始人、首席架構師胡時偉也從技術角度闡釋了這個話題，他覺得，隨著AI業務的發展，企業的IT從成本中心慢慢變成利潤中心。
“我們從原先做一件事情要花10元錢，怎么把它省到8塊錢，變成了我們如何能夠在這個業務上找到辦法再投入10元錢以獲得更多的收益。在這個過程當中，對于資源規劃和采購的過程，對于部署交付和系統運帷都提出了新要求。”
或許，AI的商業化才剛剛開始，現在談“收割”的確為時尚早。AI企業與服務器廠商的聯合，讓業界看到了新的趨勢，而在新的趨勢下，AI的落地又將以另一種方式呈現。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
