人工智慧在「奔跑」，助跑器「計算」怎可缺席

GIF/1.7M

9月7日，也是農曆中的白露節氣，天氣漸涼，可北京還處處透著炎熱，陽光灼人，儘管如此，這也這絲毫沒有影響來自各行業的人們前來參加此次AICC大會的熱情。或來學習，或來解惑，或來交流分享，不管是出於哪種初衷，都反映人們對於人工智慧市場的強烈關注，而正如中國工程院院士、中國人工智慧學會理事長李德毅，在大會演講中所闡述的那般，「人工智慧在奔跑」，「AI+」的進程在加速向前，作為「助跑器」的計算怎樣才能夠更好地助跑AI呢？關於這些，在此次的AICC大會中各位專家、學者、行業領袖將一一給出答案。

中國工程院院士、中國人工智慧學會理事長李德毅

AICC，即人工智慧計算大會（AI Computing Conference）的簡稱，是由中國工程院信息與電子工程學部主辦、浪潮集團承辦，以「創新計算賦能AI」為主題，邀請海內外數十位知名專家圍繞AI計算創新主題進行研討報告，分享了AI在互聯網、雲計算、超算、安防、醫療、能源、電商和智慧城市等眾多行業的創新實例，而對於影響人工智慧發展三大因素之一的計算所面臨的機遇與挑戰，各位專家學者也給出了各自的專業看法。

大會現場

「AI+」進程在加速，而計算性能還不夠

從1956年誕生到現在，人工智慧已經走過一個甲子的時間了，但它真正走到大眾視野的時間卻要從AlphaGo戰勝圍棋高手李世石說起，從那之後，人工智慧就以燎原之勢將各行業帶進了AI進程中，圖像識別、語音識別、人臉識別、無人駕駛，這些從前都是科幻電影中出現的「高大上」辭彙現如今已然存在於人們日常生活中的各個角落中。今年7月，國務院正式印發《新一代人工智慧發展規劃》，提出了面向2030年我國新一代人工智慧發展的指導思想、戰略目標、重點任務和保障措施，更是進一步說明AI的發展已經處於國家發展戰略地位。而在互聯網、雲計算、超算、安防、醫療、能源、電商和智慧城市等眾多行業中也逐漸出現了AI的身影，「AI+」進程在不斷加速。其中，互聯網和物聯網的發展普及，數據的充足，演算法的成熟、精確度和複雜度在提高的同時也對計算提出了更高的要求。

中國工程院院士、浪潮集團首席科學家王恩東

中國工程院院士、浪潮集團首席科學家王恩東指出，人工智慧之父圖靈先發明的是計算機的模型，而後又提出了人工智慧，這就好像是「大兒子」和「二兒子」。「大兒子」成熟、穩重，秉持著摩爾定律的規律持續發展，而「二兒子」則更加偏向於創新和冒險，那麼，當「二兒子」遇到問題解決不了的時候還得依靠「大兒子」，依靠計算。「人工智慧的發展、人工智慧的支撐，離不開計算、演算法和數據，計算是基礎」。

「現在儘管計算已經有了快速的發展，但面對人工智慧這樣一個蓬勃發展的需求，仍然面臨著許多挑戰。」王恩東指出，這些挑戰的關鍵點是性能，現在的晶元層出不窮，CPU、GPU、TPU以及DPU等，一堆的PU，而之所以出現這種情況的原因就是因為計算性能還不夠。同時，現在還出現了一堆演算法框架，如伯克利的Caffe、谷歌的Tensorflow、微軟的CNTK、百度PaddlePaddle等，想要發展人工智慧的企業都推出一些演算法框架，人工智慧的發展也面臨著更多的挑戰，性能該怎樣提高呢？對於此，王恩東認為，一方面我們需要整合各種處理的晶元，提供一個先進的計算平台，整合這些框架，提供比較易用的應用開發的平台。

浪潮集團VP胡雷鈞

浪潮集團VP胡雷鈞認為，推動當前這輪人工智慧發展的最核心的是人工神經網路的發展和對計算能力的需求。人工神經網路進入快速發展產生出的新的模式，新的model對計算能力的需求主要是由網路深度、網路里節點單元的個數和節點單元連接的複雜度、處理數據集的規模這三個因素決定的，這三個因素加在一起來訓練模型所需要的計算能力是非常大的。

在訓練一個模型的時候主要是CNN、RNN、DNN這類神經網路，它們有幾十層上百層甚至上千層的網路層級，每一層有上百上千上萬的節點，層與層之間有連接，連接的複雜度決定了進行一次計算的複雜度。而現在我們學習模型更多的是識別，訓練基本是監督式的學習，這種訓練的複雜度相對還要小一些。如果進一步去探索自動學習模型，它將推動產生一種神經網路，不但數據是變的，訓練的數據是變的，網路本身也是變的，網路的深度、每一層的節點的數量、每一層與每一層之間的連接都是變動的，在這些變動之下需要的計算規模比現在能用到的E級的規模還要大，可能要達到100個E級。總之，對於計算性能提出了很高的要求。

計算性能提高道阻且長，搭建生態系統勢在必行

作為中國AI領域最大的計算平台供應商，有著「冠軍伺服器」稱號的浪潮一直在人工智慧領域的發展有著自己的部署和規劃，而對於計算性能的提高問題，浪潮無疑是有發言權的。

胡雷鈞認為，要想推動人工智慧向前發展，就必須體系化、層次化地構建它的生態系統，有一個相對完整的生態系統的支撐，才能推動計算系統面嚮應用需求，特別是面向AI的應用需求持續往前發展。而在具體的實踐中，AI的計算平台、AI的系統管理、AI的計算框架、AI的應用方案是這個生態系統里不可或缺的重要環節。

胡雷鈞指出，在提高單位空間的計算能力的同時還要提高計算單元之間交互數據的能力，浪潮做的產品就是在2U空間內能集成8個以至可能更多的高性能GPU處理器，基於此，我們獲得了非常高的計算能力。我們通過伺服器與GPU BOX的分離，獲得更為靈活的計算組合，以便適應各種不同的神經網路模型。除此之外，浪潮還與百度聯合設計出在一個有限的空間內能夠集成一個非常緊密的計算空間的能力，在實際應用中取得了非常好的效果。

而在人工智慧的框架中，浪潮也有自己的更深一步的思考和探索。

浪潮在Caffe中進行了一個嘗試——Caffe-MPI。

胡雷鈞指出，這就是把Caffe的計算模型從原先的單機版擴展到了一個集群裡面，成為一個集群版，通過這個集群版在一個系統里運行更大尺寸的神經網路，同時通過MPI的編程使得我們能夠更有效的調動系統的資源來完成一個高性能計算，而在這樣的嘗試中，浪潮是首家。實際上就是把在高性能計算領域裡的應用模式和應用方法移植到了AI的平台上，通過原先應用在大規模計算平台上積累的經驗，提高AI應用或提高神經網路的訓練效率。而且目前來說，Caffe-MPI是一個開源項目。

而在面向AI的應用中，浪潮還提供了E2E的解決方案，即End to End，在其中，浪潮將提供創新的AI硬體平台，如AGX-2，它是目前世界上最高密度的AI計算平台，在2U空間之內支持NVLink，支持P100GPU，有基於FPGA的F10A加速卡，有高效的人工智慧管理平台AIstation，有高性能深度學習框架Caffe-MPI，同時還有經驗豐富的工程師隊伍幫助優化演算法。優化後的演算法能夠10倍的、幾十倍的、或者上百倍地提升性能功耗比。而基於此打造的一個面向AI的生態系統，在產業基礎的推動下將向前滾動發展，未來一定能更好的支持我們的AI應用。

計算助跑AI，未來可期

事物要想向前發展必定離開事物內部的協調配合，人工智慧也不例外。

今天，人工智慧在發展、普及，為我們帶來一個前所未有的智能社會，而怎樣才能讓這「智能」更智能？怎樣才能讓這「智能的果實」惠及更多人？最基礎的也是最關鍵的，是讓演算法、數據、計算這AI發展中三大關鍵因素協調配合，只有這三者的協作、相輔相成才能夠讓人工智慧這巨輪繼續前進，在歷史的長河中奮勇向前。而在此次AICC計算大會之後，我們更加相信，在AI加速向前奔跑的過程中，計算不會缺席，還會助力AI勇往直前，而對於未來，是值得期待的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！