如何构建下一代的分布式AI计算平台?

人工智能计算平台的本质是通过数据与算法训练出一个可以预知未来的模型，一个好的计算平台需要为用户在数据以及算法方面提供极大的便利。因此如何为人工智能计算平台提供更高效的加速能力是当前研究的热点与难点。

CPU作为一种通用型处理器，是计算机中不可或缺的计算核心，结合指令集，可以完成工作中各种各样的计算和处理任务。然而近年来，随着海量数据和分布式人工智能计算平台的高并发应用的涌现，现有体系架构的CPU、网络、存储处理遇到了瓶颈，以CPU为中心的分布式计算架构很难满足需求。

尤其在以CNN为代表的深度学习领域，准确率的提升伴随着模型深度的增加，对计算平台的性能要求也大幅增长。相比于CPU面对的通用多任务计算，深度学习计算的任务单一、计算密度大、有较高的数据可复用率等特点，对计算构架的要求在于大规模的计算逻辑和数据带宽，而不在于复杂的任务调度，因此在CPU上并不能跑出较好的性能。

面对当前AI行业的需求，到底该如何构建下一代的分布式人工智能计算平台呢？10月16日晚7点，「浪潮元脑专场」第3讲邀请到高效能服务器和存储技术国家重点实验室首席科学家阚宏伟参与。这一讲定名为人工智能分布式加速技术公开课，阚宏伟也将从人工智能加速平台研究现状出发，分析现有人工智能平台的痛点与挑战，详解分布式人工智能平台的核心技术，最后也将向大家透析未来计算架构的趋势。

阚宏伟是高效能服务器和存储技术国家重点实验室首席科学家，主要从事面向人工智能和数据中心等领域的可重构分布式异构加速平台的研究，人工智能原创性基础研究，聚焦在硬件加速平台、CPU&FPGA&xPU全栈加速、数据中心资源池化/云化/热迁移等方向，和人工智能算法模型与特征度量方向。他先后主持“国家重点研发计划：面向大规模分布式人工智能应用的关键网络技术”等重大国内外研究6项，论文专利50余项，多项成果应用于重大装备或国内外TOP10知名企业中，并填补国内外空白。

高效能服务器和存储技术实验室是国内唯一面向服务器和存储技术研究的国家重点实验室，也是国家首批依托企业设立的国家重点实验室之一。其以解决高速、高效、海量、高可用性等高效能计算与存储问题为主要研究内容。
责任编辑:tzh