是時候讓企業(yè)擁有“AI自由”了

  文章來源：虎嗅

  作者：錢德虎

2024年，中國在全球人工智能市場的占比將達到15.6%。

這是IDC發(fā)布的《2020-2021中國人工智能計算力發(fā)展評估報告》中的預測數(shù)據(jù)。報告還預言：中國人工智能產(chǎn)業(yè)將成為全球市場增長的重要驅(qū)動力。

這樣的數(shù)據(jù)無疑反映了未來趨勢中樂觀的一面，即人工智能正逐漸成為企業(yè)智能化轉(zhuǎn)型的核心。在大數(shù)據(jù)和人工智能等技術的加持下，企業(yè)決策的邏輯將被重構，產(chǎn)業(yè)智能化轉(zhuǎn)型的步伐也將進一步加速。

可另一面，則是智能化轉(zhuǎn)型正對企業(yè)基礎設施的建設提出種種挑戰(zhàn)，讓人工智能落地這件事“說是一回事，做起來卻成了另一回事”。

這也是為什么，在虎嗅攜手英特爾特邀第四范式打造的人工智能觀察式直播“至強非凡現(xiàn)場”中，如何克服人工智能落地過程中的種種門檻、中國人工智能落地前景如何，成為了我們熱議的話題。

“人工智能前兩年喧囂一時，這一兩年逐漸平靜——平靜是一個好事，能夠真正地讓那些做人工智能的人脫穎而出?！?/p>

正如在直播訪談環(huán)節(jié)，英特爾（中國）行業(yè)解決方案集團公共管理行業(yè)總經(jīng)理余哲所說的那樣，智能化轉(zhuǎn)型正逐漸步入深水區(qū)，越早面對轉(zhuǎn)型的困難，也將越早認識到人工智能的價值。

復雜的人工智能落地

“現(xiàn)在是一個強人工智能不強，弱人工智能不弱的時代。”

伊紅衛(wèi)來自人工智能行業(yè)基礎設施平臺供應方英特爾，作為英特爾亞洲人工智能銷售技術總監(jiān)，她親歷了過去數(shù)年來人工智能行業(yè)的起起伏伏，她認為：“如今的人工智能在各個方面都有了長足的進步，如互聯(lián)網(wǎng)、金融、政務、能源、醫(yī)療等特定場景下，已經(jīng)有了很好的落地實踐案例。但另一方面，適用各行各業(yè)的強人工智能時代，也就是像科幻片中那樣的人工智能應用場景還遠遠沒有到來，還有更多的行業(yè)面臨著人工智能落地難的困境?！?/p>

“究其原因，人工智能的三要素，應用、數(shù)據(jù)、算力，對應到企業(yè)落地的過程中每一個都是挑戰(zhàn)?！?/p>

鄭曌對此深有感觸，他就職于人工智能企業(yè)第四范式，在服務客戶的過程中，看到企業(yè)人工智能落地過程中出現(xiàn)的諸多問題。他將落地難題總結(jié)為了三個層面，也分別對應著應用、數(shù)據(jù)、算力：

• 諸如反欺詐、內(nèi)容推薦這類人工智能應用的落地，推動了企業(yè)的智能化轉(zhuǎn)型，但對企業(yè)自身而言，人工智能應用構建需要很多的技術環(huán)節(jié)，應用速度遠追不上飛速增長的數(shù)據(jù)量和算力。

• 數(shù)據(jù)是整個人工智能系統(tǒng)的“輸入”，但數(shù)據(jù)治理的過程復雜，平均需要耗費數(shù)據(jù)科學家95%的時間，治理周期長。

• 大部分企業(yè)難以承擔起人工智能規(guī)?；瘞淼乃懔Τ杀尽?span style="outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;">人工智能面臨多樣化的異構算力，讓軟件與算力有效匹配以及實現(xiàn)異構算力的管理調(diào)度是一個挑戰(zhàn)。

跟大家心中無所不能的AlphaGo相比，落地端的困難造成了認知上的落差，企業(yè)決策者開始焦慮于人工智能能否帶來其所期望的價值。對人工智能的情緒，也從崇拜轉(zhuǎn)向了迷惑甚至是質(zhì)疑。

“根本就是浪費精力，就像你明明可以坐高鐵，卻非要騎自行車去上海?！?/p>

這是某制造業(yè)企業(yè)工程師的吐槽，也是無數(shù)產(chǎn)業(yè)從業(yè)者面對人工智能時的心聲。

來自南京大學人工智能學院的俞揚教授，在人工智能領域有著多年研究經(jīng)歷，他認為，當初AlphaGo登場時的登峰造極與今天人工智能產(chǎn)業(yè)落地面臨的焦慮，核心差異點來自實驗室人工智能與企業(yè)人工智能價值點的“錯位”：

“實驗室里是看什么樣的技術難，就去解決什么樣的技術，能解決這些問題就能夠帶來技術價值；但在企業(yè)里，要面向客戶創(chuàng)造價值，至于這個技術到底是難還是簡單，這可能不是第一位的?！?/p>

俞揚教授通過制造業(yè)舉了個例子：傳統(tǒng)工業(yè)企業(yè)的數(shù)字化水平參差不齊，沒有很好的數(shù)據(jù)提供給人工智能訓練。而對企業(yè)來說，如果數(shù)字化階段的成果不明顯，對于智能化的投入就會很猶豫。

正如俞揚教授所說，對更多企業(yè)來說，相比那些遠在天邊的愿景，更切實的需求是，讓人工智能給當下的企業(yè)系統(tǒng)運轉(zhuǎn)增效和變現(xiàn)。否則，就會像前文制造業(yè)企業(yè)工程師吐槽的那樣，人工智能落地之后，很可能會演變成一場大型的“自討苦吃”現(xiàn)場。

這也是為什么，這一輪以深度學習為代表的人工智能概念最初興起的兩三年里，很多公司都會宣傳算法的精準度與排名，而近兩年這樣的現(xiàn)象越來越少——只追求算法上的優(yōu)異，無法從根本上幫助企業(yè)解決實際問題，人工智能落地需要的是更加全面地解決問題的能力。

俞揚補充：

“應用層面，只有幫企業(yè)創(chuàng)造更多的利益，企業(yè)才會很愿意去投入，甚至愿意把前面的數(shù)字化缺口也給補上?！?/p>

這一切并不容易，在企業(yè)與老百姓享受到人工智能帶來的高效與價值之前，它需要接受底層硬件廠商的技術支持、中間人工智能公司對解決方案的集成、以及最終應用企業(yè)的驗證與修正。

而這也正是本次“英特爾至強非凡現(xiàn)場”直播中，代表底層硬件技術提供方的英特爾會與深耕人工智能一線市場的解決方案提供商第四范式坐在一起，共同談論這個話題的意義所在。

讓人工智能開箱即用

直播中，一臺豎立在直播臺后的人工智能軟硬件一體機，成了幾位嘉賓的討論焦點。

沒有對比就看不出差別，人工智能行業(yè)的流行背景依然是：大多數(shù)人工智能公司，都會將自己的業(yè)務集中在與算法密切相關的軟件和服務上，很少涉足硬件。而將軟硬件結(jié)合作為一個完整產(chǎn)品售賣的形式，在這個行業(yè)中還非常少見。

對于這臺設備，在第四范式擔任研發(fā)副總裁，負責基礎技術的鄭曌很有發(fā)言權。他認為，將軟硬件一體化集成，可以幫助企業(yè)減少在人工智能應用搭建環(huán)節(jié)的投入和彎路，并更快取得效果。

“絕大多數(shù)企業(yè)在人工智能轉(zhuǎn)型中并不具備像互聯(lián)網(wǎng)巨頭一樣端到端的能力。人工智能一體機將軟硬件進行協(xié)同優(yōu)化和設計，可以幫助企業(yè)高效率的完成人工智能應用的搭建，同時達到較高的性價比?！?/p>

正如前文所說，人工智能的落地，遠遠沒有“在電腦上裝個軟件”那樣簡單，而是需要應用、數(shù)據(jù)、算力各個環(huán)節(jié)的聯(lián)接。在這樣的情況下，與技術合作伙伴一起構建“生態(tài)級支持”，要比只開展點對點的技術合作更容易實現(xiàn)應用的落地。換句話說，生態(tài)級的難題，也需要生態(tài)級的解決方案。

而人工智能軟硬件一體機中這些技術與產(chǎn)品的整合，正是從這種生態(tài)級解決方案的角度出發(fā)，正是為了填平人工智能，從走出實驗室到走入企業(yè)過程中的那些“落差”。

在這其中，如：至強可擴展處理器、傲騰持久內(nèi)存、FPGA芯片、白牌服務器等，這些核心組件所凝聚的、源自英特爾整個硬件生態(tài)的優(yōu)勢，為第四范式提供了強大的助力。作為在芯片領域有著多年技術投入的英特爾來說，這些產(chǎn)品涉及了數(shù)據(jù)的采集、傳輸、計算、存儲等多個領域，在智能化轉(zhuǎn)型的過程中，也就意味著對整個數(shù)據(jù)生命周期的覆蓋。

在這樣一套完整的、能力全方位的基礎設施平臺上，CPU的應用價值成為了討論的重點。伊紅衛(wèi)向我們揭示了CPU在機器學習系統(tǒng)中的重要性：

“有些人并不知道CPU也可以做人工智能，事實上英特爾至強可擴展處理器內(nèi)置了深度學習的指令，我們稱之為深度學習加速技術，能夠勝任很多人工智能的工作，第四范式一體機是一個很好的樣本，我們還有很多的客戶都在用?！?/p>

與“提到人工智能的訓練必提或只提加速卡和GPU”不同，CPU在第四范式整個軟硬一體系統(tǒng)中扮演了重要角色。在至強的幫助下，單位計算密度下的計算效率和計算精度也得到保障。

這個觀點在俞揚教授口中得到了印證，他認為，CPU在機器學習中扮演了重要的運算角色，但或許因為其基礎性，CPU經(jīng)常被忽視。

“上世紀90年代打贏國際象棋冠軍的“深藍”，其實里面使用的全是CPU，南京大學實驗室里面也在把深度學習和邏輯進行結(jié)合，也會遇到大量需要用CPU來計算的場景。而且深度神經(jīng)網(wǎng)絡只是機器學習的一部分，其它的機器學習方面的研究，例如南京大學提出的深度森林，也需要用到大量的CPU算力。”

“可以這么說，CPU實際上是整個人工智能的計算、訓練的一個基礎設施。但就是因為它可能太基礎了，所以大家不太經(jīng)常會提到這樣的一個設備。”

無論是軟硬一體的系統(tǒng)還是采用CPU作為算力基礎，三位人工智能領域的從業(yè)者，都在以自己的經(jīng)驗，告訴大家什么才是最為實際的轉(zhuǎn)型方式。也正因其深入產(chǎn)業(yè)，才有機會直面轉(zhuǎn)型痛點，對癥下藥。

當然，英特爾與第四范式的合作是以CPU為起點，但并不是只會繞著CPU轉(zhuǎn)，比如英特爾提供的FPGA通過面向特定應用的編程后，也可以為一些人工智能任務提供性能功耗比更優(yōu)的算力支持。而在不遠的未來，借助英特爾XPU這種“將CPU、GPU、VPU、FPGA和ASIC等芯片集合在一起”的方案，第四范式或其他人工智能解決方案提供商的產(chǎn)品藍圖也會變得更加多樣化，進而能更好滿足更多企業(yè)在算力、功耗，以及靈活性、通用性上的差異化需求。

人工智能的下一個爆發(fā)點在哪里？

“加快人工智能核心技術突破，促進人工智能的推廣應用，培育若干引領全球人工智能發(fā)展的骨干企業(yè)和創(chuàng)新團隊，形成創(chuàng)新活躍、開放合作、協(xié)同發(fā)展的產(chǎn)業(yè)生態(tài)?！?/p>

早在2015年，國務院出臺的《關于積極推進“互聯(lián)網(wǎng)+”行動的指導意見》，便將人工智能納入重點任務。

六年之間，當初的指導方向被驗證切實有效，國家、地方紛紛出臺政策加強對人工智能落地支持，也誕生了今天行業(yè)內(nèi)無數(shù)開放合作、協(xié)同發(fā)展的案例?，F(xiàn)在，人工智能已經(jīng)走到了積累“量變”，即將達成“質(zhì)變”的階段。

“今天我們可以看到：人工智能雖然做了非常多很有用的東西，但還沒有什么‘大用’——在企業(yè)內(nèi)還不夠關鍵?！痹卩崟卓磥恚芏嗥髽I(yè)已經(jīng)不滿足于一兩個場景的提升。對于從業(yè)者來說要去思考，還有哪些場景足夠重要、足夠關鍵，可以被人工智能所重構，從而達到臨界點，實現(xiàn)質(zhì)變。

這些是今天人工智能面臨的問題，也是下一波人工智能浪潮的機會。

圖注，由左到右依次為：虎嗅科技組負責人 傅博，第四范式聯(lián)合創(chuàng)始人、首席研究科學家  陳雨強，英特爾（中國）行業(yè)解決方案集團公共管理行業(yè)總經(jīng)理 余哲

在直播的探營環(huán)節(jié)中，第四范式聯(lián)合創(chuàng)始人、首席研究科學家陳雨強認為，在企業(yè)智能化轉(zhuǎn)型這場長跑中，從業(yè)者需要踏踏實實解決更加實際的問題：

“人工智能的建設是一個持續(xù)的事情，也是一個互相促進的過程。需要有足夠多的算力和足夠好的數(shù)據(jù)，也需要為應用開發(fā)者提供豐富的土壤?！?/p>

第四范式正通過開源的方式，讓更多企業(yè)、開發(fā)者可以便捷、低門檻地去落地人工智能，并通過支持開源社區(qū)、舉辦比賽等方式，提升人工智能場景落地的效率。

正如英特爾（中國）行業(yè)解決方案集團公共管理行業(yè)總經(jīng)理余哲所說：

“最大的開源和開放是‘讓每一個人都能用得起人工智能’，從這方面而言，我們跟第四范式在軟硬件優(yōu)化技術及產(chǎn)品上開展了非常多的合作。降低了整個人工智能的使用門檻，讓更多的人能夠參與進來?！?/p>

當然，降低使用門檻并不是人工智能落地的終點，更根本的則是對我們思考方式的重塑，余哲說：“這些年的實踐讓我們覺得，人工智能不僅僅是一個工具，而是一種思維方式。”

目前大家還是將人工智能視為工具——對“工具”的期望自然是希望它簡單好用。但其實在這之上，人工智能更是一種全新的“解題思路”。這種從“工具”到“思路”的演變已有前車之鑒——很多人也曾經(jīng)只把“云計算”視為一種工具或業(yè)務平臺，但后來的實踐證明，誰能以”云原生“的思維去重塑IT系統(tǒng)，甚至是業(yè)務流程，誰才能成為云上的真正贏家。所以“ 對不同行業(yè)的人來說，通過人工智能的視角去思考業(yè)務問題，將成為人工智能未來建設過程中更加重要的課題?！?/p>

可以預見的是，隨著政策的長期支持、科技企業(yè)在底層算力和應用技術上的持續(xù)突破，以及更多企業(yè)管理者們人工智能思維方式的養(yǎng)成，人工智能還是會一步一個腳印地，為更多企業(yè)帶來更優(yōu)的收益。

種種跡象預示著，當人工智能成為企業(yè)的剛需，解決方案也足夠成熟之時，中國人工智能的下一個爆發(fā)點，就不遠了。