中国人工智能发展如何？华为推出AI训练集群Atlas 900，说是全球最快的人工智能平台，想了解下
随着政策的推动以及资本的关注，人工智能产业仍将保持迅猛发展态势，2020年中国人工智能核心产业规模将超1500亿元。当前人工智能的商业化主要是基于计算机视觉、智能语音、自然语言处理等技术，技术应用面广泛，涉及智能医疗、智能驾驶、智能家居等多场景。2018年中国人工智能领域共融资1311亿元，增长率超过100%，投资者看好人工智能行业的发展前景，资本将助力行业更好地发展。在人工智能与出行结合领域，路径规划、网络约车、交通管理、自动驾驶等技术的研发解决了传统出行不便的痛点，其中深兰科技深耕智能交通、智能环境、智能城市等细分领域，已实现人工智能产品落地。其深兰科技熊猫智能公交车已实现在广州、天津等国内多个城市试运行。而人工智能与安防、医疗、零售等产业的结合，均解决了一定行业痛点，利用机器学习算法、深度学习和NLP促进行业发展。随着5G商用时代的逐渐来临，人工智能技术连接效率也将进一步提升，深度学习、数据挖掘、自动程序设计等领域也将在更多的应用领域得到实现。中国人工智能发展迅速 中国人工智能技术起步较晚，但是发展迅速，目前在专利数量以及企业数量等指标上已经处于世界领先地位。2013-2018年，全球人工智能领域的论文文献产出共30.5万篇，其中，中国发表7.4万篇，美国发表5.2万篇。在数量占比方面，2017年中国人工智能论文数量占比全球已经达27.7%。当前中美两国之间人工智能科研论文合作规模最大，是全球人工智能合作网络的中心，中美两国合作深刻影响全球人工智能发展。2019中国人工智能发展新动向2019中国人工智能发展热点中国人工智能核心产业规模规划 国务院印发的《新一代人工智能发展规划》提出，到2020年人工智能总体技术和应用与世界先进水平同步，核心产业规模超过1500亿元，到2025年人工智能核心产业规模超过4000亿元，到2030年人工智能理论、技术与应用总体达到世界领先水平，核心产业规模超过1万亿元。随着政策的进一步推动以及技术的进一步成熟，人工智能产业落地速度将明显提速。中国人工智能未来热度持续 艾媒咨询分析师认为，目前中国整个人工智能产业规模仍在保持增长，同时国家也在不断出台各类人工智能产业扶持政策，资本市场对人工智能行业的投资热情不减，技术方面不断突破是产业增长的核心驱动力。 未来人工智能产业的走向取决于算法的进步，由于算法的技术突破是决定人工智能上限的，所以未来人工智能企业拉开差距就在算法的技术突破上，谁能先在算法上取得成功，谁就能取得资本市场青睐，同时产业落地也会进一步提速。在算法方面，目前已经有深度学习和神经网络这样优秀的模型，但就目前国内人工智能算法的总体发展而言，工程学算法虽已取得阶段性突破，但基于认知层面的算法水平还亟待提高，这也是未来竞争的核心领域。 虽然算法决定人工智能上限，但是目前的算法短时间内可能很难有所突破，所以算力也是目前人工智能企业竞争的一个重点方向，以目前的算力水平，主要实现商业化的人工智能技术为计算机视觉、智能语音等，未来若算力进一步突破包括算力的提升、生产成本的降低都会使人工智能技术的产业化进一步深入。以上内容摘自艾媒咨询最新发布的《艾媒报告 |2019上半年中国人工智能产业研究报告》
华为发布最强AI训练集群Atlas 900的意义何在？
日前，在华为全联接2019大会上，华为副董事长胡厚昆发布了Atlas 900 AI训练集群。 此次发布的Atlas 900 AI训练集群由数千颗升腾910 AI处理器互联构成，每颗升腾910 AI处理器内置32个达芬奇AI Core，单芯片提供比业界高一倍的算力。集群总算力达到256P～1024P FLOPS @FP16，相当于50万台PC的计算能力。 华为已在华为云上部署了一个Atlas 900 AI训练集群，集群规模为1024颗升腾910 AI处理器。华为以极优惠的价格，面向全球科研机构和大学，即刻开放申请使用。 传统上，我们对华为的认知是一个做基站的通讯业厂商，后来华为开始做手机，是一个手机厂商，而事实上，华为还有一个企业业务BG，为企业服务也是华为的重要业务。 那么，华为搞这个Atlas 900 AI训练集群的目的是什么?这个东西到底有多先进?其意义何在呢? 一、 升腾910的实力 最近几年，随着深度学习算法的突破，人工智能开始热了起来。但是人工智能的计算模式与传统的CPU计算不太一样，这让算力成了瓶颈。 一开始，人们用很多CPU组成传统的超级计算机，做AI计算。 后来，人们用GPU并行计算的优势，把GPU做人工智能计算。我们熟悉的AlphaGO，就是在nVIDIA的GPU上训练的。 但是，从理论角度，GPU设计出来是跑 游戏 ，跑设计的，而不是为了计算的。后来nVIDIA的黄老板发现，这么强大的计算能力只用来玩 游戏 太浪费，搞出来通用计算，GPU才能跑计算。 而那个时候，深度学习还没突破，人工智能还没热闹起来，所以GPU跑AI计算其实也是兼职，不是专职。 最后，人们干脆搞专门的芯片用来做AI计算，谷歌在搞，百度在搞，中科院投资的寒武纪在搞。 华为一开始是买的寒武纪的IP，用在自己的麒麟970上面，但是很快华为发现这个东西自己也可以来，于是就开发出达芬奇架构，搞出来升腾910。 按照华为的数据，在7nm工艺上，升腾910相比Nvidia 12nm下的Tesla V100要快一倍。 因为Tesla V100不仅算AI，也要当超算的加速器用，阉割一下还得当显卡用，所以晶体管不能全部用在算AI上。 而升腾910是专用的，这个差别，类似于CPU挖矿，GPU挖矿和矿机芯片挖矿的区别。 从专用芯片比较，百度的昆仑，寒武纪公布的芯片算力效率也很强大。但是它们相比华为的硬件实力有很大差距。 所以，华为的产品已经流片上线，它们的产品还在PPT和流片实验阶段。 目前，你能用上的AI计算，华为的方案是最强的。 二、 华为的意图 目前，华为的升腾910和Atlas 900 AI训练集群对外不销售，而是通过网络提供廉价的算力。 从成本上看，Atlas 900 AI训练集群采用“HCCS、 PCIe 4.0、100G以太”三类高速互联方式，高速低延迟互联的另外一个涵义就是“贵!”。 而升腾910用7nm流片，7nm本身就很贵，nVIDIA还用便宜的12nm，华为用昂贵的7nm加上昂贵的高速互联，成本应该高很多。 但是，华为偏偏不高价卖。 nVIDIA的Tesla V100一个卖1万美元。谷歌对外租，但是你要租一个32核的算力一个小时24美元，租一年优惠价是37842美元。 华为的价格还没出来，但是华为说了会以极优惠的价格，面向全球科研机构和大学。 华为高成本搭建算力平台，低价出租，这是做慈善吗? 当然不是，华为的意图也很有意思。 现在人工智能热，相当于淘金。而华为，nVIDIA和谷歌(未来也许有百度、寒武纪)是卖水的。 在通讯行业，电信运营商是淘金的，华为、诺基亚，爱立信是卖水的。 华为知道卖水能发财，目前这个布局期，我卖便宜点，尽量让淘金者喝我的水，然后习惯用我的杯子，我的水桶(AI配套的软件框架)，等你习惯了，整个AI业界都用我的算力。我再舒舒服服的收费，淘金者就只能从我这买水了。 这个策略，和当年微软纵容盗版Windows一样，你习惯用Windows不是个系统问题，而是整个生态都在Windows下没法换了。X86处理器也没法换。 这是华为的意图。 三、 华为的AI大局缺一个百度 我们知道，当年在桌面计算上。是Wintel联盟，英特尔出硬件，微软出软件，搭建生态系统。 后来移动领域，是AA，ARM和安卓，ARM和苹果。 华为要搞这个，不仅是开放算力的问题，还需要有一个搞软件，搞应用的把算力需求放到华为平台上来。 这个人是谁呢?百度最合适 。 百度深耕AI的年头很长，布局时间和谷歌差不多，其他家的AI还在概念的时候，百度的AI已经落地到工业企业，用于质检，物流，客服很多领域了。 百度的做法是，前台服务结合行业，后台算力在百度的AI云上，百度提供软件框架，落地到解决方案。百度云端相当于AI的大系统。 华为的AI卖水要成功，需要和百度结合起来，华为AI提供算力，百度把华为的AI算力，做成AI云平台，让应用端直接调用，应用端解决实际问题。 最后是任何行业需要AI提高效率，那么它就用百度AI云平台的方案，直接调动功能。而百度AI再使用华为的AI计算硬件的算力。 华为与百度联手，或者能够变成AI时代的Wintel。
