浪潮副總裁胡雷鈞：AI對計算能力的需求無上限

作為傳統高性能計算伺服器廠商的浪潮集團，在人工智慧時代起到銜接晶元廠商與 AI 企業的作用。為此，浪潮做出了新的嘗試。目前，除硬體層面以外，在框架層以及系統管理層，浪潮均有布局。

撰文 | 王藝

人工智慧深度學習是浪潮智慧計算的三大支柱業務之一。2017 新財年，浪潮宣布成立人工智慧部門，打造包括多樣化的硬體平台、管理調度與分析平台、以及深度學習框架的「平台組合」。實現前端承接多源數據、後端支撐智能應用，為人工智慧提供先進計算力的目標。

目前，浪潮已經是 BAT 的 AI 計算 GPU 伺服器的最主要供應商，並與科大訊飛、奇虎 360、搜狗、今日頭條、Face++ 等人工智慧公司保持在系統與應用方面的緊密合作，幫助 AI 公司在語音、圖像、視頻、搜索、網路等方面取得應用性能的提升。

9 月 7 日，在由中國工程院信息與電子工程學部主辦、浪潮集團承辦的人工智慧計算大會（AI Computing Conference，簡稱 AICC）大會現場，浪潮集團副總裁、高效能伺服器與存儲技術國家重點實驗室科學家胡雷鈞發表了《AI 計算挑戰與應對》主題演講。會後，我們對胡雷鈞進行了獨家專訪。

胡雷鈞在 AICC 上演講

演講中，胡雷鈞談到，近年來計算能力的發展為大規模系統的應用提供了可能。在未來，計算能力對 AI 技術的發展仍舊至關重要。他提到了兩個事實：

一、在目前億級計算機的計算能力下，若要用由 120 萬張圖片組成的數據集訓練一個 ResNet，需要進行 2200 億次的浮點操作（即 22 Exaflops），耗時 41 天，1 Exaflops 每秒的計算機預計在未來五年出現。

二、目前深度學習大部分是有監督學習，訓練複雜度相比無監督學習要小。無監督學習所涉及到的網路深度、節點數量、層與層之間的連接、訓練數據都在隨時變化。在這些變化之下，系統所需的計算規模將是現在的 100 倍。更進一步地，接近人腦的通用人工智慧的學習模型是一個層次式的稀疏結構，每一個節點向下鏈接的又是一個層次式的稀疏結構。在摩爾定律的約束下，目前還看不到人腦級運算能夠實現的具體時間節點。

因此，浪潮認為，未來對計算能力的需求在人工智慧方向上依然很強烈，且看上去沒有上限。AI 計算平台會遇到很多瓶頸，如數據的瓶頸、計算能力的瓶頸、延遲的瓶頸、通信能力的瓶頸。浪潮在其中看到了幾個核心問題。第一，處理單元能以多快的速度讀取到它需要處理的數據；第二，每次處理完成後能以多快的速度交換數據，這是通訊問題；第三，在單位的空間內能集成多少計算能力，這是約束著一個計算系統能夠達到的最大規模，也是約束著模型訓練的最大速度的問題。

為了使其硬體發揮更強大的效力，浪潮正在圍繞著 AI 進行一系列的生態布局。除卻其立身之本——硬體伺服器外，浪潮在人工智慧框架層以及系統管理層均有所涉獵。2015 年，浪潮發布全球首個集群並行版的 Caffe 深度學習計算框架——Caffe-MPI，它保留了伯克利版本 Caffe 架構的特性，同時又兼具高性能計算系統所需的良好並行擴展性。在系統管理層，浪潮 AIStation 提供從數據準備到分析訓練結果的完整深度學習業務流程，提高集群的可靠性。

在採訪中，胡雷鈞表示，計算是浪潮的根本，建設以計算為核心的生態系統是在為整個產業加速。他把計算比作發動機，把其他層級比作潤滑油。「如果我們是行業中的跟隨者或者挑戰者，那麼我們可以選擇依靠老大的力量。現在浪潮在整個市場中佔比這樣大，因此我們必須去做，不做的話首先是把自己拖慢了。」胡雷鈞說。

目前，針對人工智慧應用，浪潮已經推出十餘款產品，這些產品被 AI 公司廣泛使用。採訪中，胡雷鈞介紹到，以浪潮的視角，目前規模最大的人工智慧產業在互聯網行業，包括語音、圖像、面向運維數據、媒體數據的分析、類似今日頭條的推薦系統等。此外，在公安、交通、醫療等傳統行業中，人工智慧的應用也較為活躍。未來，在流通、零售領域的流量、交易大數據分析方面，人工智慧也能起到一定的作用。

胡雷鈞認為，目前人工智慧的應用領域缺乏已經訓練好的成熟的模型，用戶還不能像購買軟體 Licence 一樣購買人工智慧服務。並不是每一個有應用需求的客戶都有能力、財力訓練適合自身的 AI 模型。因此，如何真正釋放 AI 市場最大的能量，是業界需要共同解決的問題。浪潮希望能夠與更多的合作夥伴共同推動 AI 發展。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！