AICC 2021，人工智能计算大会成功召开

    提到AI,我们总会想起AlphaGo横扫围棋高手、波士顿机器狗逆天的运动能力、特斯拉人型机器人的炫酷炸天……
    这些固然能够吸引大家的眼球,但真实的AI产业如何?AI算力对于社会经济发展到底有何作用?AI呈现出哪些发展趋势?AI应用场景都有哪些落地?
    近日,2021人工智能计算大会(AICC 2021)成功召开,来自产业界的伙伴们对于目前AI产业中的热点话题进行了深度讨论,探讨了数字经济新格局下,AI如何赋能科技创新、社会治理及产业升级,以及如何加速数字中国、智慧社会建设。
    
    在本次大会上,不仅有各类AI公司带来了超过600项最新的人工智能产品与应用成果,还公布了《2021-2022中国人工智能计算力发展评估报告》,解读了目前国内AI算力发展和行业渗透情况。大数据在线也有幸与其中六位AI产业界代表深度交流,探讨了目前AI产业界的各种热门话题。
    智能助手的理想与现实
    如今,智能助手已经日益普遍,无论是各种手机,还是音箱,甚至汽车上,智能助手都成为标配,但智能助手使用体验跟人们的期望依然有一定的差距,如何看待这种情况?
    对此,OPPO小布助手首席架构师万玉龙认为,用户对于智能助手的评价是基于对它的期望和现状的判断,差距越大,用户失望就会越大;目前,智能助手在一些特定垂直场景中表现已经很贴近用户的期待,但是在更加宽泛的场景中,依然有很大的进步空间,而OPPO小布助手的目标就是成为全场景的全能型智能助手。
    
    据悉,自2018年12月份成立以来,OPPO小布助手已经成为搭载在OPPO、OnePlus和realme等智能手机和IoT设备上的智能助手,历时三年发展,累积激活近2．5亿设备量。在2021年2月,OPPO小布助手成为了国内首个月活突破一亿的手机语音助手。
    万玉龙介绍,小布助手定位是为OPPO全系智能硬件设备提供跨终端、全场景、多模态的智能交互体验,在技术难度和挑战性会比专业场景的助手高很多,“全场景交互的效果优化对算法方案和数据多样性都提出了更高的要求。其中,在算法层面,为了解决标注成本过高和数据多样性受限问题,我们会尝试从有监督训练方案逐渐往无监督训练方案发展;在算力层面,OPPO也在积极与国内外芯片和服务器厂商合作,不断提升AI算力,支撑起模型训练和多模态新算法演进。”
    目前,OPPO小布助手主要面对的场景包括手机、手表等可穿戴设备场景,智能家居场景和智慧出行场景等。面向未来,OPPO小布助手将会朝着虚拟数字人的方向不断发展,为每个用户提供个性化定制的千人千面智能助手服务。
    万物皆可算
    IDC预测,全球 AI 市场支出将在2021年达到850亿美元,并在2025年增至2000亿美元,五年复合增长率(CAGR)约为 24．5%。其中,到2025 年,全球约 8% 的AI 相关支出将来自于中国市场,市场规模在全球九个区域中位列第三。
    可以说,庞大的市场意味着庞大的机遇。为此,市场诞生了很多新的芯片公司,希望在算力市场中取得突破。其中,天数智芯就是目前国内的一家典型代表。
    
    上海天数智芯半导体有限公司产品副总裁邹翾认为,作为AI芯片公司天数智芯最大的优势主要在三个方面:
    第一,没有历史包袱,开发人员可以轻装上阵,天数智芯在芯片系统设计和软件设计时,可以将面向过去的部分抛弃,大幅提升客户购买的服务质量,甚至精细控制每一个瓦数所可以提供的算力。
    第二、天数智芯团队由一群在GPU、计算等领域深耕多年的技术专家组成,拥有深厚的行业经验,在每一个具体芯片单元的晶体管数量上面,均可以做到最优。
    第三、更加了解中国市场的需求,从应用、软件和芯片设计等角度,天数智芯都有自己独特的想法,未来是一个万物皆可算的时代,而这时候GPU更是大有可为。
    邹翾也认为,GPU市场不能否认的事实就是巨头已经在这个赛道耕耘多年,国内芯片企业在高端芯片设计、人才、IO、架构创新、应用迭代等方面刚刚摸到门道,还需要持续努力。
    对于如何弥补与巨头之间的技术差距,邹翾则表示, 需要在市场中持续去了解需求,形成技术在市场中的不断迭代,通过市场反馈再去修复技术。不过过程不是一两天就能够实现的,要大家脚踏实地的持续努力下去。
    最后,邹翾分享了对于AI算力未来发展趋势的洞察。他认为,随着AI在场景中不断落地,对于算力需求也在不断提升;对此,业界最通用的做法就是并行化,不过并行结构越来越大也会带来问题,而天数智芯就是致力于解决并行结构越来越大之后的通用可平衡性,让未来算力不断提升时,芯片的能效也能做到最好,同时配合行业伙伴,逐步建立通用计算的评测标准,持续为行业做出应有的贡献。
    软件定义算力价值几何
    数据中心过去十年最具影响的技术就是软件定义。
    从虚拟化时代,以VMware为代表的公司通过对服务器CPU资源进行虚拟化,使得数据中心的计算资源得以更高效地使用;之后,软件定义网络、软件定义存储等技术也先后兴起。现在,随着云计算技术与理念的深入人心,软件定义已经成为数据中心最重要的核心技术。
    如今进入到AI算力时代,在AI芯片领域,除了NVIDIA等巨头之外,还有很多各种类型的AI芯片公司、技术和产品,用户数据中心正在面临着一个异构计算的时代,随着GPU等AI芯片越来越多,如何让AI算力能够更加高效、快捷、灵活地为人们所用,这就是软件定义算力的初衷。
    在软件定义赛道上,趋动科技是目前国内创新的代表,致力于解决AI算力高效利用的挑战。
    相关数据显示,目前用户数据中心GPU利用率只有10%-30%,未来有着巨大的利用空间。趋动科技技术总监张增金认为,目前对于AI算力主要有三大难题:其一、很多业务对于GPU卡的需求非常弹性,如何为业务部门提供需求相匹配的算力是业界的一大难题;另一个就是如何将GPU能力集成到现有PaaS平台、云管平台中;第三,异构计算带来的各种卡,不同品牌、不同型号,这些卡的管理、监控和全生命周期管理都是挑战。
    “软件定义算力的核心价值就是降本增效。”张增金如是说。
    那么,软件定义算力到底在数据中心哪些场景可以很好地发挥价值?对此,张增金认为有四大场景非常适合软件定义算力。
    首先是隔空取物,例如用户一台服务器并没有GPU卡,但是又希望在该服务器上跑AI应用,这个时候需要通过网络去远程调用GPU服务上的资源;像很多训练场景会存在CPU资源和GPU资源并不匹配的情况,这个时候需要通过远程网络来调用GPU资源。
    其次是化整为零,像一些推理引用,并不需要消耗很多GPU资源,这个时候可以将GPU按照百分比切片,让多个业务应用叠加到一张GPU卡上,充分提高GPU卡的利用率。
    第三则是化零为整,将分布在不同GPU服务器上的资源进行整合,甚至一块GPU卡上的碎片资源都能够整合,然后为一个AI应用提供计算资源。
    最后则是随需应变,AI应用往往对资源需求是弹性化的,需要动态调整GPU资源,有些应用上午可能需要4张卡,下午则变成2张卡,而对于GPU资源调整需要做到实时、不关机、不重启应用,只需调整参数就能实现。
    AI与智能供应链的那些事儿
    在物流圈,有一个词跟人工智能息息相关,那就是智能供应链。
    事实上,无论是线上电商,还是线下零售,其背后最核心的能力就是供应链能力。所以,当我们称赞像京东物流送货快、购物体验好时,背后其实都是其强大供应链作为支撑。
    如今,人工智能技术正在深刻影响着供应链的发展,无论是深度数据挖掘还是AI自主学习,都对供应链各个环节的决策产生重要影响。京东物流人工智能与大数据部智能供应链高级总监庄晓天博士介绍,人工智能已经在供应链设计与规划、供应链计划与管理和供应链执行与运营三大环节中大量植入人工智能的方法,从端到端为供应链的效率保驾护航。
    例如,在供应链设计与规划方面,涉及到各种物流网络,需要从点、线、面去考虑,包括营业部末端站点、区域仓储等。以京东物流为例,其快递、快运、冷链等六大网络中,京东物流供应链团队会运用大量运筹学优化算法来在纷繁复杂的网络中寻求总体成本最优和用户体验最好。
    而在供应链计划与管理环节,最为核心的就是库存。庄晓天博士介绍到,整个供应链都是围绕如何将库存做得更好而展开,这其中有两大能力:一是预测能力,二是仿真能力;像京东会针对品类进行预测,从而知道消费者在哪里、消费者需求是什么,如何将库存根据消费者需求放到最合适的地方。
    而在供应链执行与运营环节,关键词则是包裹和订单,针对这部分的优化也是用户最能直观感受到的。以京东为例,用户双十一下单之后,京东物流会根据当前仓库商品的储备,推荐最合适的商品给拣货员,包括储备位置、客户要求,还会推荐最合适的拣货路径。
    同时,庄晓天博士也认为,供应链是一个非常复杂的场景,主要体现在链条参与者多,人货场等空间元素多,时间上需要做预测等,这些因素共同组成了供应链的复杂场景,而且随着业务颗粒度也越来越细,其复杂程度也越来越多,随之而来的就是对于算力需求越来越高。
    “本质上,运筹学是解决一个决策问题,需要根据不同场景来调整算法、技术的应用,对于算力有着极大的依赖。”庄晓天博士如是说。
    最后,庄晓天博士认为AI技术在物流、供应链未来拥有广阔的应用前景,不过也需要克服三个重要挑战:一是数据问题,如何将整个行业甚至社会的数据集合起来,发挥更大的效应;二是能耗的挑战,在双碳战略的大背景下,如何设计好更好的算法、架构来保证算力资源尽可能高效,以更精进的方式推动人工智能在行业落地;最后则是行业认知,需要深入行业问题和痛点,才能去考虑用技术去提升整个行业效率。
    隐私计算与数据价值
    进入到数字化时代,如何实现数据价值就成为头号话题。
    如今看,实现数据价值、释放数据生产力,让数据更好地打通、流动、共享和应用是必经之路。但最近几年数据泄露事件,让人们意识到数据隐私愈发重要。通常意义上,数据的流通与共享,意味着更多安全挑战;而愈发严格的数据安全措施,则会降低数据的流动性和消费,数据流通共享和数据安全似乎成为一对不可调和的“矛盾”。
    如何在确保数据安全的前提下,让数据更好地流动、共享与应用?从技术层面来看,近年来崛起的隐私计算被给予厚望。
    
    洞见数智联邦一体机
    洞见科技正是国内专注隐私计算领域的一家科技创新公司。洞见科技项目管理与交付中心总经理方东介绍,洞见科技的使命就是让数据价值安全释放,核心技术就是隐私计算。洞见科技正在与同行一起构建基于隐私计算的数据交换网络,通过数据交换网络,可以让数据在安全合规的前提下发挥更大的价值,挖掘“数据要素”这座金矿。
    隐私计算是以密码学基础,在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合,与传统数据使用方式相比,隐私计算的加密机制能够增强对于数据的保护、降低数据泄露风险。
    方东介绍,目前隐私计算主要有三大方向:第一类是以多方安全计算为代表的基于密码学的隐私计算技术;第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术;第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。
    “联邦学习其实是将模型分成片,在银行的部分由银行来做,在外部数据源的部分,与外部数据源建立连接之后,然后一起训练。比较通俗的比喻就是:模型动、数据不动,从而保证数据安全;另外就是数据可用不可见,数据不管是外部还是内部,都可以使用,但是不能看见,这些是保证数据安全最基本的方式。”方东表示道。
    此外,与其他学习相比,联邦学习对于算力需求更高,因为涉及到数据交换、数据加密、多方安全等技术。
    对于隐私计算适合的场景,方东认为目前看到三个非常合适的行业是:金融、医疗和政务。“金融的风控、反欺诈等场景非常适合落地隐私计算;而医疗领域,将不同医院的数据联结起来,通过隐私计算在不暴露病人隐私的情况下,将数据集成起来,对于医学发展大有裨益;而在政务场景,现在大家都在提的数据开放、共享与交易,如果有隐私计算,则可以开放和共享更多有价值的数据,而不用担心数据泄露等问题。”
    总体来看,本次AICC大会热点颇多,从AI成果展示到《2021-2022中国人工智能计算力发展评估报告》颁布,再说OPPO、京东、天数智芯等公司对于各种AI热点话题的解读。随着中国对于数字经济的重视,以及各界推动的数字化转型和智能化升级,中国已经成为AI创新的热土。面向未来,中国的AI大生态更有望迎来百花齐放百家争鸣的盛景。