- N +

加速AI初创企业商业化落地,浪潮请了半个科技圈的公司来这开了场会

导读 : [导读]计算驱动了人工智能发展,人工智能也反向促进了计算的变革与创新,两者相辅相成。人工智能已逐渐成为量子计算、高性能计算、边缘计算等最重要的应用场景,人工智能与计算的融合发展趋势不断加强。图片来自“网”9月12日,由中... [...]


加速AI初创企业商业化落地,浪潮请了半个科技圈的公司来这开了场会


[ 导读 ] 计算驱动了人工智能发展,人工智能也反向促进了计算的变革与创新,两者相辅相成。人工智能已逐渐成为量子计算、高性能计算、边缘计算等最重要的应用场景,人工智能与计算的融合发展趋势不断加强。

图片来自“网”

9月12日,由中国工程院信息与电子工程学部主办,浪潮集团承办的2018人工智能计算大会在北京国际饭店召开。包括中美工程院院士、北京大学、百度、阿里、商汤等大学或公司的50余位AI领域资深人士出席本次大会,受邀报道本次大会。

本次大会围绕人工智能的产业需求探讨了AI计算的发展创新,以及相关产业的协同发展,同时还围绕五大AI专题论坛,深入探讨了AI场景落地的诸多领域。

此外,本次人工智能计算大会还发布了《中国 AI 计算力发展报告》,分别对我国AI计算力的区域分布、行业分布等状况做出了评估,更展望了我国未来的AI典型应用场景,并预测到2025 年即将出现成熟的AI行业应用。

第三波人工智能浪潮,人工智能与计算融合不断加强

人工智能正在加速经济结构优化及行业智慧化升级,是推动未来变革的科技创新力量。人工智能的蓬勃发展得益于计算、算法、数据的升级进化,计算力已成为人工智能价值释放的动力引擎,决定着人工智能发展的广度、速度与深度。

从历史的维度来看,人工智能发展至今经历了三个重要的阶段:

第一阶段在20世纪60-70年代,人工智能力图通过计算机来实现机器化的逻辑推理证明,但最终难以实现。

第二个阶段是20世纪80-90年代,计算机能力较之前有了长足的进步,并且试图通过建立基于计算机的专家系统来解决问题,但是由于数据较少并且太局限于经验知识和规则,难以构筑有效的系统。当时的CPU计算性能无法满足大规模神经网络高度并行运算的需求,缺乏足够的算力,同时也缺乏足够的数据来喂养神经网络,后来的很长时间基于神经网络算法的研究和应用一直处于低迷状态。

一直到近年来基于深度神经网络技术的第三波人工智能浪潮崛起,业界才看到了长足的发展迹象。这一轮人工智能爆发背后有三大驱动力:数据、算力与算法,它们都与计算息息相关。中国工程院院士、北京大学教授高文谈到“其实人工智能发展到现在,数据、算力这两项要素的突破是至关重要的,甚至于后来的深度学习都是建立在这两层技术的突破之上才慢慢形成的,这一波人工智能开始具备了真正走向智能化的可能性”。

一方面,互联网、信息化、数字化带来了大数据,另一方面,今年以来GPU等加速技术带来的计算力的跨越式发展给深度神经网络算法应用于大数据处理提供了可能性。

相关数据显示,2012年以来,AI训练中使用的计算力每3.5个月增长一倍,6年增长几十万倍以上,但是按照摩尔定律,每18个月芯片性能才能翻倍。在巨大需求的驱动下,GPU加速计算、可定制计算、异构计算架构得到快速发展,越来越多的公司使用FPGA、ASIC等定制芯片。这一背景之下,谷歌、寒武纪、百度等公司都推出了自主研发的芯片,AI芯片也成为了创业投资的热门领域。

计算驱动了人工智能发展,人工智能也反向促进了计算的变革与创新,两者相辅相成。人工智能已逐渐成为量子计算、高性能计算、边缘计算等最重要的应用场景,人工智能与计算的融合发展趋势不断加强。

《2018中国AI计算力发展报告》发布,人工智能将迈入商业运用成熟期

为清晰的呈现当下时期产业发展趋势,行业现状及典型应用,便于相关人员在AI发展战略制定,AI商业应用,AI架构选型,AI算力优化等方面寻找到可靠的参考依据。本次人工智能大会上浪潮联合IDC研究发布了《2018中国AI计算力发展报告》,提供了关于AI计算力发展研究比较权威的综合评估。

得益于数据量的爆发式增长、机器/深度学习新算法的出现和计算力的提升,本报告将2017年定义为AI商业化应用的元年,2017年人工智能开始进入爆发阶段,人工智能发展三大核心驱动力的算力、算法和数据在这一时期走向成熟并且与行业产生深度关联。与此同时,围绕AI的各类融资、投资和估值也达到了历史顶峰。

报告显示,算力方面,2017年AI硬件销售额同比增长235%,GPU、FPGA专用芯片和异构计算加速技术的快速发展,为人工智能的发展提供了充足的条件,给深度神经网络算法应用于大数据处理提供了可能性。

关于三大核心驱动力的数据层面,报告预测到2025年,全球数据总量将达到163ZB,年均复合增长率将达到29%左右。数据的爆发式增长将持续为人工智能提供了充分的“养料”。

算法方面,深度学习的出现突破了过去机器学习领域浅层学习算法的局限,颠覆了语音识别、语义理解、计算机视觉等基础应用领域的算法设计思路。

从空间维度来看,在AI计算力城市发展排名前五位的城市是杭州、北京、深圳、上海、合肥,处于AI计算发展的第一阵营。当地成熟的市场环境以及良好的产业政策为人工智能的发展奠定了坚实的基础,特别是位居前三位的杭州、北京、深圳已经聚集了一大批AI领域的高科技公司,形成了良好的AI创业创新氛围;成都、重庆、武汉、广州、贵阳位列AI发展的第二阵营,这批城市有较好的IT基础和AI培育环境,并结合当地产业优势,因地制宜的构建人工智能产业布局。

在具体运用场景方面,人工智能已经在金融、交通、教育、安防等多个垂直领域得到应用。预计未来2-3年,人工智能在生物识别和智慧城市建设领域的应用将会率先步入商业应用的成熟期;预计在未来5-10年,人工智能产业在智能家居和工业制造领域的应用也将逐步步入高速发展的产业窗口。

《2018中国AI计算力发展报告》报告综合考量了算力、算法、数据对于人工智能发展的影响,重点评估AI领域的投资和供给,行业和区域,需求和应用,潜力和趋势四个主要维度,并纳入了政府政策等宏观的因素考虑,有助于相关人士了解人工智能计算产业发展现状。

与此同时,为加速行业AI的市场落地,浪潮还在本次大会的创投分论坛上发布了《AI发展驱动计划》。主要针对AI初创公司在资金、平台、落地方面的三大挑战,为AI创新公司提供强大的AI计算平台,可快速验证应用,减少硬件购买、维护等成本。AI创新公司可依托浪潮AIStation深度学习集群管理软件,Caffe-MPI并行深度学习计算框架等平台测试优化能力,快速调优AI应用成果,与浪潮联合为行业客户提供针对性解决方案,加快行业协同发展。



返回列表
上一篇:古代化石提供了哺乳动物何时学会咀嚼的线索
下一篇:荣耀10GT 8+128GB首销秒磬,8月1日再开售