算力进阶,谁主沉浮?

  • 来源: 驱动号 作者: 智能相对论   2022-01-27/09:29
  • 文|智能相对论

    作者|陈选滨

    在上海临港新片区,一座规模宏大且颇具科技感的建筑拔地而起。

    这便是由商汤科技打造的人工智能计算中心(AIDC),同时也是亚洲最大的超算中心之一,建成投入运营后,算力可达到每秒3740 Petaflops(1 Petaflops为每秒千万亿次浮点运算)。

    这是一个什么样的概念?

    目前,我国顶级人工智能计算中心“鹏城实验室”的算力为1000 Petaflops,已是世界人工智能算力500排行中蝉联两年首位的绝对领军者。

    如今,算力的上限再度迎来突破,一个人工智能“大算力”时代似乎正在迎面而来。

    那么,站在产业发展的角度来看,这意味着什么?

    众所周知,人工智能有三驾马车,即“大数据、算法、算力”。其中,算力之间的差距是最不容易快速追赶的,但同时也是目前产业发展最欠缺的能力。

    在2021东湖国际人工智能高峰论坛上,清华大学郑纬民院士就直言,算力的落后严重制约了我国人工智能领域的发展。

    若要打破这个制约,关键需要有大算力基础设施建设,也就是人工智能计算中心,把底层的基础打牢。

    目前,我国已有20多个城市正在规划或建设人工智能计算中心。在这一片热潮之中,人工智能产业与其他产业又将迎来什么样的变革?与传统的数据中心(IDC)相比,AIDC的出现,将伴随着怎样的本质区别?

    在此,我们不妨就AIDC的全国落地来谈一谈人工智能“大算力”时代。

    IDC与AIDC:从“仓库”到“工厂”的跨越

    今天,人工智能产业正在加速走向更大规模化的发展阶段,无论是科研创新还是产业应用,对算力的支持都提出了更高的要求。

    在科研创新层面,以通用预大模型为例,随着人工智能技术深入推进,处理的问题参数越来越多,比如GPT3为1750亿个参数,Google Switch ransformer达到1.6万亿个参数。对此,郑纬民院士判断,差不多每3、4个月需要的计算机算力就得翻一倍。

    由此,在今天的技术进程上,算力很大程度决定了人工智能技术创新的上限。若是没有足够的算力支持,很多通用大模型根本无法完成预训练,推动技术应用。

    在产业应用层面,以智慧城市为例,在我们的城市生活中,存在许许多多的细分场景以及长尾应用,大到智慧交通、智慧环保、智慧能源等,小到对一辆共享单车、一个井盖、一段水域的监测等等,都离不开人工智能技术应用。

    随着人工智能技术在产业端的普遍应用,计算无处不在,而对算力的需求也随之增长。根据艾媒咨询数据显示,2020年人工智能带动相关产业的规模就已经超过5700亿元,预计未来5年年复合增长率超过27%,带动相关产业规模预计更将超16000亿元。

    在万亿级的产业背后,我们很难去估量未来产业发展对算力的需求量。

    但,重视算力“缺口”,积极建设大算力基础设施,特别是推动AIDC落地,夯实人工智能基础,确是一条看得见也做得到的路径。

    对于商汤科技一类的AI企业而言,这一路径或许看得更早,也更清晰。

    从成立之初,商汤科技就已经在构思相关的规划。直到2020年,耗时仅168天,商汤AIDC便以以前所未有的速度落地上海临港,成为商汤科技的又一张AI王牌——基于AIDC的支持,商汤科技可以将SenseCore商汤AI大装置的技术能力开放给学术界和产业界的合作伙伴,提供更全面、深度的AI-as-a-Service,大幅提高AI生产力。

    值得注意的是,从这一表现来看,AIDC与传统的IDC是有本质区别的。

    尽管,从产业应用的角度来说,IDC与AIDC都是面向数字时代的基础设施,提供着最基础的底层支持,但侧重点实际上又各有不同。

    传统的IDC是一个海量数据库,负责数据的存储、分发等功能,在简易的理解中,可将其定位为生产流程上的“仓库”,主要负责生产资料(即数据)的管理。

    但,AIDC则完全不同,其落地的主要能力在于提供大规模数据处理及高性能计算能力。对比传统IDC而言,其侧重点更偏向于生产力(即算力)的提升,定位也更接近于生产流程中的“工厂”。

    如何理解这里的“工厂”?

    从商汤AIDC的定位来看,或许更好理解——在商汤打造的的软硬一体的超大型通用AI基础设施“SenseCore商汤AI大装置”中,AIDC属于计算基础设施,整合了AI芯片及AI传感器等,主要通过提供强大的算力支持,来支撑对海量数据和算法模型的分析、训练和推理。

    简单来说,AIDC的产业价值更多体现在算力的提升以及对数据的进阶处理能力,而非传统IDC纯粹的存储或分发功能,也就相当于多了一道工厂的职能及生产程序。

    AIDC,如何打开AIaaS模式的新局面?

    很显然,从传统IDC到AIDC的建设,其背后的产业趋势与格局都面临着新的变化。而这一种趋势变化,聚焦到AIDC的落地,正呈现为三种不同场景的产业价值。

    1.在技术研发层面,传统的科研范式正在被颠覆。

    人工智能自诞生以来,就不断与传统科学技术交叉应用,碰撞出新的火花。如今,在大数据、大算力的支持下,更有颠覆传统科研范式的可能。

    目前,在生物学领域,这种颠覆有目共睹。

    谷歌的AlphaFold团队一改传统的蛋白质结构预测策略,通过使用蛋白质数据库中17万多个不同的蛋白质结构,以及几百个TB级别的包含未知结构的蛋白序列数据库对AlphaFold进行训练,由此不断迭代,最终使得AlphaFold AI网络获取了基于氨基酸序列精确预测蛋白结构的能力。

    而在这个过程中,算力是非常关键的一个支持。毕竟面向17万多个不同的蛋白质结构以及几百个TB级别的蛋白质序列数据库,若是没有大算力支持,很难展开训练。

    也正是有了这种大算力的支持,在相关领域的科研创新无须再按照传统路径进行展开,完全可以在新算法的基础下把所有的可能性“跑”一遍,来寻求最优解。

    这种科研新范式,随着AIDC的全国落地也将成为未来的共识。目前,国家蛋白质科学中心(上海)等科研机构及高校已经与商汤AIDC达成合作意向,有意借助商汤AIDC提供大规模弹性算力对传统科研范式进行创新颠覆。

    据了解,商汤AIDC可以提供大规模弹性算力,可完成10000亿参数模型的完整训练。在这种大算力的支持下,未来的科研创新也将拥有更多的可能性。

    2.在产业应用层面,企业“重复造轮子”的问题正在被缓解。

    除了在科研层面的交叉应用之外,人工智能的另一面便是与不同的产业进行融合应用。在这个过程中,人工智能愈发普遍,相关的应用和能力正在成为产业发展的标配。

    那么,如何源源不断地为传统产业提供人工智能支持,也就成为了当前面临且需要解决的关键问题。就犹如今天的工厂不再需要自建发电厂发电生产一样,AIDC的出现在很大程度上来说,所要解决的就是传统产业自建人工智能基础设施的问题。

    比方说,基于AIDC,商汤就有基础将SenseCore商汤AI大装置的能力作为通用的AI-as-a-Service提供给各大企业客户,帮助他们轻松生产出符合自身需求的人工智能模型,无须过多的资本投入、学习成本投入或是“重复造轮子”。

    由此,传统产业应用AI的门槛也就大大降低,让AI得以成为更多企业发展的助力。

    微信图片_20220126175527.jpg

    目前,商汤AIDC已经接入国家(上海)新型互联网交换中心,是上海的重点新基建项目,进阶成为“国家队”的一员,也就意味着其背后必要承担更大的产业责任与普惠价值。

    对此,我们可以看到商汤AIDC在算力成本和安全性上所摆出的“高低手”,一方面压低算力成本,通过算法优化来提高AIDC的效率为企业提供更低成本的算力,把产业路径走宽;另一方面抬高安全性,采用独立物理机房、隐私计算、多租户能力等提高AIDC的安全性,把产业路径走稳。

    3.在产业生态层面,产业链路逐步完善,上下协同形成驱动。

    至今,人工智能已经发展出一条相对完善的产业链条,以高性能计算能力为核心的AIDC更是其中不可欠缺的重要一环。随着AIDC的落地,整个人工智能产业链也将得到进一步完善,由此形成上下游的协同驱动。

    比如,AIDC的建设往往需要海量的算力芯片支持,由此国内兴起的AIDC建设热潮便能为国产芯片提供大规模应用的产业环境,从市场需求端拉动国产芯片的发展,为整个国产芯片市场构建一个良性发展的循环体系。

    根据了解,商汤AIDC到2024年所有服务器全部到位时,国产化硬件的比例将超过50%。不难发现,这将是一个庞大的场景需求,对于国产硬件厂商而言,越来越多的本土AIDC落地,市场的空间也就越大,由此形成的需求拉动也就越显著。

    同时,AIDC也备受科研机构和高校院所青睐。目前,商汤AIDC已复旦大学、上海交通大学、浙江大学、上海科技大学、上海海洋大学等高校及科研机构达成合作意向,双方将依托海量的算力资源与集群调度优势、以及完整的AI算法工具链打造出一个满足AI人才培养、AI技术研发等产业需求的大平台。

    可见,作为AI基础设施,AIDC的落地对于整个产业发展而言,存在多方面利好的驱动优势,是完善人工智能产业链的关键一环。

    AIDC的未来:走向融合

    在当前阶段,AIDC的价值是看得见的,对科研创新、产业应用以及生态完善都具备非常重要的补足能力。

    如此关键的一个基础设施,AIDC的未来又将如何发展?

    从目前相关的行业趋势来看,《智能相对论》认为,AIDC在未来或将会走向融合,表现在三个方向。

    其一,融“网”发展。

    这里的“网”即算力网络。2021年5月,国家四部门联合发布《全国一体化大数据中心协同创新体系算力枢纽实施方案》,明确提出将布局全国算力网络枢纽节点,构建国家级算力网络体系。

    AIDC作为大算力基础设施,在未来很有可能将随着全国算力网络体系的完善进一步融入算力网络,为全国产业提供更广泛的算力调度及服务。

    其二,融“城”发展。

    这里的“城”即智慧城市。在AIDC正式运营之后,商汤将融合AIDC与商汤方舟城市开放平台的能力,使得在智慧城市建设过程中只需输入少量数据即可在本地训练人工智能模型,进而可以解决更多的城市长尾应用问题。

    此外,商汤AIDC的低网络时延优势在面向上海与长三角地区也能得以放大,距离近,访问快,使得时延更低,从而支持城市范围内的高频服务,保证通畅服务。

    由此,依托较为强大的区域服务能力,AIDC也将演化升级成为一个“城市大脑”,持续融入智慧城市的建设中,不仅提供算力支持,还提供着更广泛的智慧服务。

    在这个过程中,我们可以看到,随着AIDC一类新型基础设施的建成落地,更将进一步推动传统基础设施如电网、水利设施等升级为智慧电网、智慧水利,实现更深度的融合趋势。

    其三,融“界”发展。

    这里的“界”泛指各类领域如产业界、学术界等。作为AI基础设施,AIDC的底层价值与人工智能技术相当,正在变革各类领域发展的基础逻辑。越来越多的学术研究、产业发展离不开人工智能,更离不开计算。

    在未来的数字时代,算力也就等同于生产力,由此贯穿到各个领域,融合发展的范畴与速度也扩大、加速。

    总的来说,AIDC在未来不仅仅只是人工智能的基础设施,还将随着AI技术的应用普及与深入赋能,成为万物百态的基础设施,就如同今天的发电厂一般,随着电成为当前时代的主要能源,发电厂已经是通用型的基础设施。

    当然,跨向通用型基础设施,对于AIDC而言,还有很长的一段路要走。

    其中,不仅仅是AI技术的普及与应用,还包括AIDC本身局限突破。比如,传统IDC建设就存在高耗能的问题,在AIDC上也同样存在。

    如何解决高耗能问题,是AIDC全国落地的一个关键挑战。在上海临港,商汤就为AIDC采取了各种能源优化措施,包括光伏发电、高效变频离心机、UPS Eco模式、LED照明及湿膜加湿,甚至还实施了离心系统,部署了工业冷却制冷剂。

    根据预期,商汤AIDC启动后的功耗将比中国其他数据中心的行业平均水平低约10%,每年可节省约4500万千瓦时功耗。同时在节能技术的支持下,商汤AIDC年均PUE可优化至1.28。

    但,又不得不承认,目前数据中心的行业平均水平仍然比较高,在践行“双碳”战略的指引下,AIDC仍需要不断优化、减少能耗,以推动更广泛的落地应用。

    由此,AIDC的发展路径,可谓任重而道远。

    结语

    AIDC的出现,意味着人工智能产业发展正在跨向一个关键阶段。在这一阶段,基础设施的明确与落地,必然也将为整个产业的发展格局带来一些新的变化。

    1882年,爱迪生在纽约建成世界第一座中央发电厂,自此电力第一次走入人们的日常生活,成为一种常态能源支持。

    以此来看人工智能领域AIDC的发展,或许我们也能看到类似的新格局吧!

    *本文图片均来源于网络

    深挖智能这口井,同好添加vx:zenghy2017

    此内容为【智能相对论】原创,

    仅代表个人观点,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

    部分图片来自网络,且未核实版权归属,不作为商业用途,如有侵犯,请作者与我们联系。

    智能相对论(微信ID:aixdlun):

    •AI产业新媒体;

    •今日头条青云计划获奖者TOP10;

    •澎湃新闻科技榜单月度top5;

    •文章长期“霸占”钛媒体热门文章排行榜TOP10;

    •著有《人工智能 十万个为什么》

    •【重点关注领域】智能家电(含白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。


    评论 {{userinfo.comments}}

    {{money}}

    {{question.question}}

    A {{question.A}}
    B {{question.B}}
    C {{question.C}}
    D {{question.D}}
    提交
    文章数: {{userinfo.count}}
    访问量: {{userinfo.zongrenqi}}

    驱动号 更多