华为ai训练集群

时间:2024-08-13 01:23:22编辑:小早

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。

上一篇:李子树

下一篇:漯河高中吧