智算中心在AI算法、应用领域的探索和实践

2020年4月9日，中国工程院士、浪潮集团首席科学家王恩东在IPF 2020（2020年浪潮云数据中心合作伙伴大会的简称）上通过“智慧计算 源动新基建”的演讲表示，智算中心是智慧时代最主要的计算力生产中心和供应中心。并指出：

"计算力就是生产力，智慧计算改造升级了生产力三要素，最终驱动了人类社会的转型升级。智慧计算将劳动者由人变成了人加上人工智能，劳动者可以呈现指数增长；智慧计算将数据变成了一种新的生产资料，从有形到无形，生生不息，越用越多；智慧计算将计算力驱动的信息化设备变成了生产工具，也是指数增长，生产力得到了前所未有的解放"。

我们可以看到，以AI为核心的技术及其生态，成为新形态生产力发展的决定性因素，且将助力新基建和抗疫的深入。

同一天，浪潮存储产品线总经理李辉表示“在人工智能、大数据、5G新技术驱动下，数据发生本质改变，从过去‘人工采集、人工干预’过渡到现在‘机器产生、机器处理’的新时代，数据不仅要存好、管好，更要用好，体现出来的浪潮存储理念就是：云存智用，运筹新数据“。

在分布式存储领域，浪潮存储的AS13000-H可用于包含AI在内的HPC存储场景，能够应对AI训练，也即海量小文件并发所需的高Ops的需求，AS13000-H单节点能支持高达数万Ops的性能。

李辉指出：“浪潮存储面向分布式存储和集中式存储两大平台，升级七大极致能力——除了基于iTurbo智能引擎实现极速性能，还围绕极简架构，升级自动感知风险的极致安全、六重保护的极致稳定、EB级最优利用率的极致容量、基于iSCMI云对接技术的极致云化、融合AIOps智能运维的极易管理等等，从而为智算中心带来安全可靠、经济高效、易用易管的存储平台”。

在集中式存储领域，浪潮存储在SPC-1这样一个全球存储基础性能测试里面，AS5600G2 这一型号的16控存储的性能在全球排名第一，高达752万IOPS的负载下，延时不到0.5毫秒。这表明，AS5000系列存储，能够很好地满足AI推理对于混合读写、超低延时的性能需求。

下面分享一些来自浪潮侯延露翻译的2万多字长文《CB Insights ：2019人工智能趋势》中的部分内容，为大家揭示智算中心这一理念在AI算法、应用领域的探索和实践。

2019人工智能趋势

首先，我们使用CB Insights NExTT框架评估每个趋势。

NExTT框架告知企业了解新出现的趋势，并根据他们对风险的承受能力指导他们的决策。
NExTT使用数据驱动的信号，从概念到成熟再到广泛采用，来评估技术，产品和商业模型的趋势。

NExTT框架X轴、Y轴的含义：
行业采用（Y轴）：包括该领域中的初创公司的发展势头，媒体的关注度，客户采用率（合作伙伴关系，客户，许可交易）。
市场实力（X轴）：包括市场规模预测，投资者和资本的质量和数量，研发投资，盈利记录分析，竞争强度，当下交易（并购，战略投资）。

X轴、Y轴覆盖的区域分成了四个象限：

分别是：

1、必要的（坐标右上角，NECESSARY）

行业和客户的实施/采用情况以及对市场和应用的了解都在不断出现趋势。对于这些趋势，在位者应制定清晰，明确的战略和举措。

2、实验的（坐标左下角，NECESSARY）

功能性产品很少的概念或早期趋势，尚未得到广泛采用。实验趋势已经激发了早期媒体的兴趣和概念验证。

3、威胁的（坐标左下角，THREATENING）

大型可预测的市场预测和显著的投资活动。这一趋势已被早期采用者所接受，并可能即将获得广泛的行业或客户的采纳。

4、过渡的（坐标左上角，TRANSITORY）

趋势正在被采用，但市场机会存在不确定性。随着暂时趋势得到越来越广泛的理解，它们可能会揭示更多的机会和市场。

我们把发现的25个趋势，放入到NExTT框中，得到如下概述图。

按趋势所在的四个象限，共计25个。其中：必要的6个；实验的12个；威胁的4个；过渡的3个。 这25个趋势按场景分：计算机视觉：7个；自然语音处理/合成：5个；智能预测：6个；架构：4个；基础设施：3个。

一、必要的

1、开源框架得益于开源软件，进入人工智能的壁垒比以往任何时候都要低。
Google在2015年开源了Tensor Flow机器学习库。
人工智能的开源框架是双向作用的：它使所有人都能使用人工智能，反过来，像Google这样的公司也从有助于加速其AI研究的贡献者社区中受益。

每月在GitHub上有数百名用户向TensorFlow做出贡献 （用户可以在其中进行协作的软件开发平台）。 以下是一些使用Tensor Flow的公司，从可口可乐到eBay到Airbnb（爱彼迎）。

在与Nvidia，高通，英特尔，微软等公司的研究人员合作创建了一个轻量级的模块化深度学习框架之后，Facebook于2017年发布了Caffe2。该框架可以扩展到云之外，还可以应用于移动应用。Facebook当时还经营PyTorch，一个适用于Python的开源机器学习平台。2018年5月18日，Facebook将两者合二为一，“将Caffe2和PyTorch的有益特性结合到一个包中，并实现从快速原型到快速执行的平稳过渡”。
近几个月来，PyTorch的GitHub贡献者数量有所增加。

Theano是蒙特利尔研究所的另一个开源库学习算法（MILA）。2017年9月，业界领先的AI研究员Yoshua Bengio宣布终止MILA对Theano的开发，因为这些工具已经变得更加普及。YOSHUA BENGIO，在一项MILA公告中说道： “支持深度学习研究的软件生态系统发展迅速，现已达到健康状态：开源软件已成为常态；提供了各种框架，满足了从探索新想法到将其部署到生产中的需求；强大的工业参与者正在刺激竞争中支持不同的软件栈”。
今天，有许多开源工具可供开发人员选择，包括Keras，Microsoft Cognitive Toolkit和Apache MXNet。

2、边缘人工智能实时决策的需要将AI推向了边缘。在智能手机，汽车或者可穿戴设备等边缘设备上运行AI算法，而无需与中央云或服务器进行通信，从而使设备能够处理在本地提供的信息，对情况做出更快的反应。
英伟达，高通和苹果以及许多新兴公司都致力于在“边缘”专门为AI工作负载构建芯片。从消费电子产品到电信到医学成像，边缘AI对每个主要行业都有影响。
例如，自动驾驶汽车针对旅途中发生的事情必须实时响应，能在没有互联网连接的区域发挥作用。决策对时间异常敏感，较大的延迟可能会致命。

大型科技公司在2017年至2018年之间在边缘AI方面取得了巨大飞跃。
苹果在2017年发布了带有“神经引擎”的A11芯片，适用于iPhone 8，iPhone8 Plus和X，声称可以每秒执行多达6000亿次操作的机器学习任务。它支持iPhone的新功能，例如Face ID，可在设备本身上运行面部识别以解锁手机。
高通在18年第四季度推出了1亿美元的AI基金以投资初创企业，“分享了设备端AI的愿景，让AI变得更加强大和广泛”，它的举动与5G愿景息息相关。
作为许多数据中心的主导处理器，英特尔不得不发挥作用，进行大规模收购。英特尔发布了设备端AI的愿景：处理芯片Myriad X（由Movidius最初开发，英特尔于2016年收购）。
英特尔在18年第4季度推出了英特尔NCS2（神经计算棒2），它由Myriad X视觉处理芯片提供支持，可在智能家居设备和工业机器人等边缘设备上运行计算机视觉应用程序。
CB Insights盈利记录分析工具显示了以下内容：
边缘AI在2018年的一部分中呈上升趋势

微软表示，仅在18年第三季度，它就推出了100种新的Azure功能，“同时关注安全性等现有工作负载以及IoT和Edge AI等新工作负载。” Nvidia最近发布了Jetson AGX Xavier计算芯片，用于跨机器人和工业IoT的边缘计算应用程序。虽然边缘的AI减少了延迟，但它也有局限性。与云不同，边缘具有存储和处理约束，将会出现更多的混合模型，这些模型允许智能边缘设备与中央服务器相互通信。

3、面部识别从解锁手机到登机飞行，人脸识别已成为主流。在人脸识别方面，中国对安全的推动力以及AI的雄心壮志已成为媒体关注的焦点。

随着政府在监控中增加了一层人工智能，初创企业在为政府提供基础技术方面发挥着关键作用。在CBInsights平台上快速搜索中国的人脸识别初创公司的交易，反映了对该技术的需求。

SenseTime，Face ++和最近的CloudWalk等独角兽已经从中国涌现。（这是我们有关中国的详细报告。）但根据CB Insights专利分析工具，即使在美国，对该技术的兴趣也在激增。

苹果公司通过在iOS 10中引入基于面部识别的登录技术，为日常消费者普及了这项技术。亚马逊正在将其技术出售给执法机构;卡内基梅隆大学等学术机构也在研究有助于增强视频监控的技术，获得了“使面部特征清晰化”的专利-一种方法，当只捕获面部的眼周区域时，可以通过重建整个面部来帮助执法机构识别被掩盖的嫌疑人，然后可以使用面部识别将“半透明脸”与实际脸部图像进行比较，以找到具有强相关性的脸部。 但是技术并非没有故障。据报道，亚马逊因误认一些国会议员为罪犯而备受新闻报道。当“笑脸解锁功能”被暂时禁用时，西雅图学校外的智能相机很容易遭到《华尔街日报》记者的欺骗，后者利用校长的照片进入该场所。“笑脸解锁”和其他此类“活动检测”方法提供了额外的身份验证层。 例如，亚马逊获得了一项专利，该专利可以探索更多安全层，包括要求用户执行某些操作，例如“微笑，眨眼或倾斜头部”。然后，可以将这些操作与“红外图像信息，热成像数据或其他此类信息”结合使用，以进行更可靠的身份验证。 早期的商业应用正在安全，零售和消费电子领域迅速发展，面部识别正迅速成为生物认证的一种主要形式。 4、医学影像及诊断FDA正在批准AI作为一种医疗设备。2018年4月，FDA批准了AI软件，该软件可以筛查患者的糖尿病性视网膜病变，而无需专家提出第二次意见。它被授予“突破性设备称号”，以加快将产品推向市场的过程。 IDx-DR软件可以在87.4％的时间内正确识别出“轻度糖尿病视网膜病变以上”的患者，而在89.5％的时间内识别出没有糖尿病的患者。IDx是最近几个月被FDA批准用于临床商业应用的众多AI软件产品之一。

FDA批准了初创公司Viz.ai的产品VizLVO，以分析CT扫描并通知医疗保健提供者患者中风的可能性。在获得FDA批准后，Viz.ai从Google Ventures和Kleiner Perkins Caufield＆Byers处获得了2100万美元的A轮融资。FDA还批准了GE Ventures支持的初创公司Arterys的Oncology AI套件，该套件最初专注于发现肺和肝脏病变。 自2014年以来，快速的监管审批为80多家自筹集了股权融资的AI影像和诊断公司开辟了新的商业途径，共计149笔交易。

在消费者方面，智能手机的普及和图像识别的进步正在将电话变成强大的家庭诊断工具。 Startup Healthy.io的第一款产品Dip.io使用传统的尿液分析试纸来监控一系列尿路感染。用户使用他们的智能手机拍摄试纸的照片，然后计算机视觉算法会校准结果以考虑不同的照明条件和相机质量，该测试可检测出感染和妊娠相关并发症，已被FDA批准的Dip.io，已在欧洲和以色列上市。
除此之外，许多ML（机器学习）即服务平台正在与FDA批准的家庭监控设备集成，在出现异常时提醒医生。

5、预测性维护

从制造商到设备保险商，AI-IIoT可以为现有企业节省数百万美元的意外故障。现场和工厂设备产生了大量数据，但意外设备故障是制造中停机的主要原因之一。
GE最近对450位现场服务和IT决策者进行的一项调查发现，有70％的公司不知道什么时候进行设备升级或维护，计划外的停机时间可能使公司每小时损失25万美元。将使资产保险公司以及制造商的利益无法实现。
在预测性维护中，传感器和智能相机会从机器收集连续的数据流，例如温度和压力生成的实时数据的数量和各种格式使机器学习成为IIoT不可分割的组成部分。随着时间的流逝，这些算法可以在故障发生之前进行预测。
工业传感器成本的下降，机器学习算法的进步以及对边缘计算的推动使预测性维护得到了更广泛的应用。对该领域感兴趣的一个主要指标是这里的大型高科技公司和创业公司数量众多。

与专注于工业和能源的AI公司的交易正在增加，其中包括用于IIoT的ML即服务平台。较新的初创公司正在与C3 IoT和Uptake Technologies等独角兽竞争。 GE风险投资于2016年成为这里的积极投资者，支持包括Foghorn Systems，Sight Machine，Maana和Bit Stew Systems（后来被其收购）在内的公司。GE凭借其Predix分析平台是IIoT的主要参与者。
竞争对手包括西门子和SAP，它们已经推出了自己的IIoT产品（Mindsphere和Hana）。 印度塔塔咨询公司（TataConsultancy）宣布，它将为能源公用事业公司推出预测性维护和基于AI的解决方案。 塔塔（Tata）声称，其“数字孪生”技术的早期版本-以数字格式复制地面运营或有形资产以对其进行监控，帮助发电厂每年每吉瓦节省约150万美元。 甚至像Microsoft这样的大型科技公司都在扩展其云和边缘分析解决方案，以包括预测性维护。

6、电子商务搜索

对搜索词的上下文理解正在脱离“实验阶段”，但是广泛采用仍然遥遥无期。
自2002年以来，亚马逊已申请了超过35项与“搜索结果”相关的美国专利。它拥有一家独家子公司A9，专注于亚马逊的产品和视觉搜索。A9在美国拥有近400项专利申请（并非全部与搜索优化有关）。

一些与搜索相关的专利包括使用卷积神经网络“确定其图像与查询图像具有视觉相似性的一组项目……”，以及使用机器学习来分析图像的视觉特征并基于这些特征构建搜索查询。 亚马逊正专门在其搜索部门招聘150多个职位，包括自然语言理解，混沌工程和机器学习等。 但是，亚马逊在电子商务搜索中的运营规模和研发规模是零售商中的例外。很少有零售商讨论与AI有关的电话会议策略，而许多零售商尚未扩展或优化其电子商务业务。 但是最早这样做的品牌之一是eBay。该公司在其15年第三季度的收益电话中首先提到了“机器学习”，那时，eBay刚开始强制要求卖方必须写产品说明，并且正在使用机器学习来处理该数据以在目录中找到相似的产品。 在使用电子商务搜索显示相关搜索结果时，使用适当的元数据描述网站上的产品是一个开端。但是仅描述和索引是不够的，许多用户以自然语言搜索产品（例如“没有按钮的洋红色衬衫”），或者可能不知道如何描述他们要寻找的东西。这使得电子商务搜索的自然语言成为一个挑战。 早期的SaaS初创公司正在兴起，将搜索技术出售给第三方零售商。 图像搜索创业公司ViSenze与Uniqlo，Myntra和日本电子商务巨头Rakuten等客户合作。ViSenze允许店内客户在商店中拍摄他们喜欢的东西的照片，然后上传照片以在线查找确切的产品。 它在加利福尼亚和新加坡设有办事处，并在2016年从包括乐天风险投资公司在内的投资者那里筹集了1,050万美元的B轮融资。它于2017年进入联合利华铸造厂（Unilever Foundry），这使东南亚的初创企业可以用其品牌测试试点项目。 另一家为在线搜索推荐开发AI的初创公司是总部位于以色列的Twiggle。 阿里巴巴支持的公司正在开发一种语义API，该API位于现有的电子商务搜索引擎之上，以响应买方非常具体的搜索。Twiggle在2017年的B轮融资中筹集了1500万美元，并于去年加入即插即用加速器。 ......