全球最大AI伺服器廠商浪潮：為什麼AI需要新型生態？

雷鋒網按：2018年浪潮伺服器年度出貨量、銷售額全球前三，中國第一，全球增速第一。其中，人工智慧伺服器全球第一，雲伺服器全球第一。浪潮是人工智慧產業鏈後端的「隱形」巨頭，處於人工智慧產業鏈後端的公司存在感總是不那麼明顯，每個產業都如此，但借鑒過往，往往是後端決定了行業發展的上限。

浪潮是伺服器廠商，IDC數據顯示，在2018年上半年中國人工智慧基礎架構市場，浪潮以51.4%市場份額位居第一。但如果浪潮僅僅是一家伺服器廠商，我們也不必對其特別研究，在4月16日舉辦的IPF2019浪潮雲數據中心合作夥伴大會上，浪潮用它的方式闡述了人工智慧生態質變。

在人工智慧爆發之前，計算力主要來自於x86伺服器，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，但是人工智慧是個「闖入者」，圍繞人工智慧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，不管是系統平台廠商、操作系統和資料庫廠商，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。

目前基於人工智慧的生態則有兩個特點，第一個核心主要是在於生態的多樣性和不成熟。從數據清理開始，導入演算法，通過框架建模，形成一個人工智慧的應用，傳統客戶沒辦法直接使用人工智慧應用，整合複雜性更高。

第二，不確定性更多，現在大部分演算法公司脫離實驗室和互聯網ToC的業務，他們在產品上並不成熟，包括頂尖的CSP公司提供產品依然不成熟，對於商業化公司是不能忍受的。

浪潮認為，人工智慧最大的機會是兩大塊組成，一個是人工智慧產業化，另一個是產業人工智慧化。

人工智慧的產業化，智能音箱屬於最典型的代表，人工智慧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，現有的人工智慧產業化並不代表整個人工智慧產業的全部，只是冰山浮出海面上的一點，海面下的90%是產業的人工智慧化，也就是傳統行業用戶怎麼實現人工智慧的轉型，這才是最大的市場。

在人工智慧領導企業和人工智慧使能傳統行業轉型之間有著巨大的鴻溝，如上圖所示，人工智慧領域的leader公司有很好的演算法能力和人工智慧能力，他們在引領人工智慧產業化向前。金字塔底是產業人工智慧化潛在的市場。

「我們看到現實的情況，在這些傳統的行業里，客戶對於人工智慧的渴望是非常高的，想要人工智慧幫助行業轉型，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慧怎麼建立，所以他很多時候沒有辦法直接找到最上游的人工智慧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。

為什麼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，但到了人工智慧時代，原來的這些市場角色並沒有被人工智慧化，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，最前面的人工智慧領導公司本質上並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，真正使人工智慧的能力有機會使能到最終的行業人工智慧。

「這是我們看到的非常重要的機會，同時也有比較大的挑戰」。機會在於這一市場仍有很大的可塑空間，先行者將得到獎勵；挑戰在於浪潮如何扮演在生態中的角色，增長自己的價值，以及如何讓合作夥伴願意投入到這個生態，而非其他生態。

我們正處於第三次人工智慧浪潮，也是公認最靠譜的一次，人工智慧的三要素中，數據是行業客戶的，演算法的差距在縮小，越來越多的聲音認為，算力才是人工智慧產業發展的瓶頸。

在第三波人工智慧浪潮之前的數年，受制於計算力，傳統神經網路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路。

人工智慧需要強大計算力來連接晶元提供商、應用提供商、服務提供商和演算法提供商，計算力是一切人工智慧產業發展的核心，是人工智慧產業發展的基石。

有沒有一個服務提供商能提供人工智慧全棧能力，既包含場景化人工智慧基礎設施、深度學習框架與工具以及人工智慧 PaaS平台和演算法層等「有形」產品，同時也凝聚人工智慧演算法優化、系統優化服務等「無形」能力？

基於此考慮，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。

• 超強人工智慧計算系統：通過浪潮人工智慧計算平台、人工智慧超高速計算加速卡、極低延遲RDMA網路與超高帶寬並行存儲，共同提供極致人工智慧計算性能。

• 敏捷人工智慧Paas平台：由極致優化的人工智慧資源平台、極速流程化人工智慧開發平台、開放兼容的人工智慧生態平台和秒速構建人工智慧軟體棧。

• 最新開發的人工智慧PaaS平台AIStation面向人工智慧企業訓練場景，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路模型並獲得高精度，極大降低了人工智慧開發、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/網路一體化、內置人工智慧 Paas平台、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慧計算系統，本次浪潮進一步豐富了人工智慧計算產品。浪潮擁有業界最全的人工智慧產品線，覆蓋從單機4卡到64卡集群的不同人工智慧計算平台，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，能夠滿足人工智慧雲、深度學習模型訓練和線上推理等各類人工智慧應用場景，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慧創新產品，包括計算性能高達每秒2千萬億次的人工智慧超級伺服器AGX-5，專為智能視頻分析優化設計的人工智慧伺服器NF5280M5-V，全球首款集成HBM2的人工智慧計算可重構加速卡F37X，支持TensorFlow的FPGA計算加速引擎TF2，人工智慧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伺服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，伺服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慧計算最重要的三大發展趨勢，它們將對圍繞人工智慧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，隨著軟體定義技術的發展，計算、存儲和網路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體定義的通用伺服器來替代原有的存儲和網路設備，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，傳統的伺服器、網路和存儲廠商，如戴爾、EMC、HPE、思科、浪潮等，紛紛通過併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。

然後是產業的融合，2018年以來，互聯網和產業界巨頭加大了對人工智慧市場的投入，人工智慧產品和服務層出不窮，行業解決方案和應用場景快速落地。人工智慧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，人工智慧才釋放出更大的潛能。

開放——在人工智慧的時代里，開源的邊界越來越廣闊。技術層面，IT軟硬體技術正在從傳統的開放標準化向開源升級，在雲、大數據領域，VMware、SAP HANA等商用軟體還可以與Hadoop、KVM、Spark等開源軟體相抗爭，而到了人工智慧領域，TensorFlow、Caffe等所有的計算框架均為開源，沒有商用人工智慧框架存在。

在硬體領域，2012-2013年，OCP和ODCC成立以後，硬體開源已經成為趨勢，不僅是互聯網企業將開源硬體作為主要採購對象，連高盛、中國移動等傳統行業用戶，也在大量部署開源硬體，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，但並不封閉。

敏捷——技術層面，軟體定義技術隔離了應用與硬體，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，對於互聯網、電信運營商等大型用戶來講，軟體定義技術更多是保證基礎架構的高能效，而非靈活性，由於其業務規模超大、變化超快，基礎架構對於業務的保證需要廠商在運營方面的全面支持，提供全程定製化的產品和服務，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——生態發展滯後於應用需求。在人工智慧的產業鏈中，生態將呈現百花齊放。

在雷鋒網看來，不管產業人工智慧化，還是人工智慧產業化，人工智慧的目標都是驅動產業變革，技術最終要落地於行業，計算瓶頸的突破帶來的是人工智慧商用價值的提升，哪種生態更適於人工智慧在行業的普及，哪類廠商將最先收益。人工智慧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，擺在人工智慧從業廠商的一個現實問題，選擇哪個生態？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！