智慧計算將對AI起到多大助力？

GIF/1.7M

圖：pixabay

人工智慧誕生60年了，我們現在每天都能夠看到不同新演算法、新架構、新工具在AI領域的應用。其實，數年前，AI還沒有現在這麼熱，當時的科學家提出各種不同的想法完全是對當時運行緩慢、體積臃腫，以及昂貴機器的妥協。

2006年，深度學習這一概念隨著Geoffrey Hinton等人發表的論文而大熱，深度信念網路（DBN）被提出，這種快速學習演算法可用於受限玻爾茲曼機（RBM），深度學習開始迅速騰飛。而該演算法需要在成千上萬的並行處理器上運行。而改變這一切的，正是計算機的運行速度，當然，還有價格因素。

從整體角度來看，計算力、大數據、演算法這三者對於人工智慧的助推作用是其加速發展的必要條件。具體來看，計算力的提升，隨著時間的推移，針對深度學習的計算機軟硬體設施都有所改善，深度學習模型的規模也隨之增長。

可以說，深度學習的出現、神經網路理論重新被人提及是與一個重要的定律分不開的，那就是「摩爾定律」。深度學習的訓練過程需要數百萬計，甚至億計的數據量，同時，神經網路無論是深度，還是複雜度都是幾十年前的數百倍，而這些在90年代以前是不可想像的。同時GPU性能的高速提升，以及其近幾年價格的迅速降低，亦促進了深度學習的大面積應用。

既然計算力對於人工智慧如此重要，那麼「智慧計算」便應運而生了。何為「智慧計算」？中國工程院院士、浪潮集團執行總裁王恩東曾表示，智慧計算「以雲計算為基礎平台、大數據為認知方法，深度學習為優化工具」。他認為，智慧計算的出現實際上是計算技術發展"分而後合"的一種選擇，最初的數學計算演變為科學計算和商業計算兩大分支，並在之後的60年中衍生出諸如高性能計算、資料庫、關鍵計算、雲計算、大數據、深度學習等眾多計算類型。而隨著雲計算、大數據和深度學習的相互促進、相互融合、共同發展，科學計算與商業計算再次"合二為一"，催生了智慧計算這種新的計算類型。

浪潮執行總裁王恩東

伴隨著傳統計算到大數據、深度學習等新興的智慧計算轉型，作為基本計算設備——伺服器的設計也迎來了升級挑戰。而就在近日，作為中國伺服器的領軍企業，浪潮M5伺服器的發布便進入了機器人圈的視野，而吸引機器人圈留意的，除了其豐富的AI產品線布局、針對深度學習優良的產品性能本身，更是浪潮大踏步開拓AI市場的決心，以及在智慧計算領域絕對的信心。

智慧計算與AI「相生相依」

今年年初，浪潮宣布成立人工智慧事業部，而在這背後，則是其立足行業的實力。根據Gartner和IDC2017Q1最新數據表明，浪潮伺服器的銷售額、銷售量在中國市場穩居第一，互聯網行業穩居第一，同時浪潮已成為中國AI領域最大的計算平台供應商。

浪潮集團副總裁彭震

實際上，為了應對人工智慧時代，智慧計算已經成為「逃不掉」的話題，我們現在經常探討的無人駕駛、AlphaGo、人臉識別等，都是智慧計算的具體呈現。浪潮集團副總裁彭震在現場表示：「智慧計算實際上它是以雲計算為計算的平台，以大數據為認知的方法，以深度學習為優化工具，未來的智慧計算都會構建在雲計算的平台之上，以更大規模、分布式的計算模式進行。同時，所有的東西都是基於大數據，基於大量的海量數據的統計、分析，基於深度學習這樣的一種學習方法使得我們具備了足夠的智慧計算能力。」

過去的伺服器主要面向通用市場設計，一個伺服器適用於多種場景，而隨著大規模部署的數據中心的出現，以及雲計算、大數據、人工智慧等應用場景的不斷深化，實際上伺服器也發生了非常大的、本質性的變化。基於以上三大場景，浪潮推出了新一代伺服器M5。

「最領先」我敢拍胸脯

在當天的媒體專訪環節，彭震表示：「從某種角度來說，我們現在在AI方面的產品應該是全球『最領先』的。我們敢拍著胸脯說這句話，可能雲計算、大數據，大家都各有所長，我們也很難確定地說，浪潮就是第一，但我認為浪潮的AI產品一定是全球最豐富的。」

彭震說這話的底氣源自於浪潮針對AI領域的豐富布局。我們一起來看看：

浪潮擁有2U2、2U4、2U8的GPU伺服器，以及4GPUBox、國內唯一的16GPUBOX。在美國GTC17上，浪潮推出加速人工智慧計算的超高密度伺服器AGX-2；在IPF上，浪潮與百度聯合發布了面向更大規模數據集和深層神經網路的超大規模AI計算平台—SR-AI整機櫃伺服器；在德國ISC17上，浪潮發布了可靈活擴展的新型AI加速計算產品GX4……

AI伺服器中的「超算」

眾所周知，機器學習在模型訓練階段需要百萬級次的迭代，而這當然需要GPU的性能發揮出最大效能。從這個角度看，在發布會現場，最吸引機器人圈眼球的無疑是浪潮剛剛推出的NF5288M5 GPU伺服器。據現場的產品經理介紹，與傳統的PCIe- GPU伺服器相比，該伺服器的GPU單獨效能可以提高60%以上，這是浪潮迄今為止研發的GPU密度最高的一款伺服器，「當然從全球來看，這是浪潮提供的密度最高的支持8塊nvLink GPU的伺服器」，他補充道。

擁抱開源

實際上，隨著深度學習時代的到來，越來越多的大廠商開始開源，把各自的資源貢獻出來。在深度學習框架領域，比較知名的有谷歌的TensorFlow、微軟的CNTK 、已被亞馬遜官方採用的MXNet、LISA lab的Theano，其中在圖像處理領域，我們不得不提的就是於UC Berkeley誕生的Caffe，而Caffe是單機版的，並沒有針對大量網路環境情況下的版本。

針對上述情況，浪潮發布了集群版的Caffe版本——Caffe-MPI，並在GitHub上開源公布所有代碼，以此為客戶提供更強大的深度學習平台。根據浪潮提供的官方數據，使用GoogleNet模型，在不同GPU數量的情況下，對比每秒處理圖像的速度，Caffe-MPI幾乎是TensorFlow的兩倍。

「Caffe並沒有做更多的並行化，偏實驗性，但是相對比較成熟。所以，我們在裡面做了大量的並行化的工作，就是為了給客戶做大規模並行學習提供的這樣一種能力。所以，我們做了很多的開源投入。」對於為何在開源方面投入資源，彭震補充道：「當然，這一切源於浪潮在HPC上有很多積累，在整個程序的並行化和優化方面有很多積累，我們希望它能夠變成一個幫助客戶提升業務能力的一個平台，所以我們做了這個事情。」

其實，浪潮對於開源，遠不止Caffe-MPI這一件事這麼簡單。實際上，本次M5新一代產品里採用了很多的開放標準和協議，全線引入Open BMC和Redfish。浪潮目前亦積极參与並設計開放的硬體平台和標準，加入多個開源社區，比如OpenStack、OCP、ODCC、Open19等。

「對於開源而言，雲計算造就了開源，開源成就了雲計算？在雲計算的場景里，大家不希望被某一廠商鎖定，需要一個更加開放的平台。實際上，當有了雲計算之後，客戶希望要自主可控，開源社區便應運而生，之後又極大地推動了雲計算的普及，把過去很多的技術門檻全部打掉了，使得很多開發者能夠快速地進入到某一領域，推出一個自己覺得不錯的開源系統。」彭震解釋道，「雲計算需要管理那麼多設備、有那麼多應用，面向這麼多複雜的場景，這根本不是任何一個廠商所能夠自己對付得了的，所以需要集所有人各種各樣的力量參與進來一塊做。」

浪潮將開源上升為整個公司的策略，並將其定位於「源於開源、回饋開源、高於開源」。彭震最後強調：「我們在設計里還是有自己壓箱底的東西，要高於開源，做出更多創新的東西，要領先別人。」

縱觀整個發布會，我們不難發現，在智慧計算時代下，浪潮在AI產品線提供了最完整的AI解決方案，同時在雲計算和大數據領域，浪潮亦提供了完整的產品布局。可以說，浪潮M5新一代伺服器產品將幫助客戶應對智慧計算時代帶來的挑戰，助力客戶向智慧時代轉型。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！