聚焦算力提升 “新基建”浪潮來(lái)襲人工智能基礎(chǔ)設(shè)施全面升級(jí)

3月4日，中共中央政治局常務(wù)委員會(huì)召開會(huì)議，提出要發(fā)力于科技端的基礎(chǔ)設(shè)施建設(shè)，人工智能成為“新基建”七大版塊中的重要一項(xiàng)。“新基建”不同于“鐵公基”傳統(tǒng)思路，其本質(zhì)是信息數(shù)字化的基礎(chǔ)設(shè)施建設(shè)，用于支撐傳統(tǒng)產(chǎn)業(yè)向網(wǎng)絡(luò)化、數(shù)字化、智能化方向發(fā)展。那么對(duì)于人工智能而言，“新基建”到底有何特點(diǎn)呢?筆者認(rèn)為，與僅聚焦基礎(chǔ)硬實(shí)力建設(shè)的傳統(tǒng)基建思路不同，人工智能新基建更需要以應(yīng)用需求為目標(biāo)，發(fā)力軟硬協(xié)同，融合新老系統(tǒng)，培育全新生態(tài)。那么在“新基建”浪潮的背景下，人工智能基礎(chǔ)設(shè)施應(yīng)該建什么、怎樣建?

建什么?

聚焦算力提升，培育協(xié)同生態(tài)

當(dāng)前，摩爾定律失效，算力需求增速已經(jīng)遠(yuǎn)遠(yuǎn)超過了算力供給能力。人工智能所需的基礎(chǔ)算力具有獨(dú)特性。因此，人工智能新基建的核心是構(gòu)建專用設(shè)施，填補(bǔ)算力不足，同時(shí)應(yīng)在泛在、融合的發(fā)展趨勢(shì)下，構(gòu)建軟硬件協(xié)同、新老系統(tǒng)協(xié)同、各個(gè)行業(yè)協(xié)同的產(chǎn)業(yè)新生態(tài)。

一是繼續(xù)夯實(shí)通用算力基礎(chǔ)。當(dāng)前算力供給已經(jīng)無(wú)法滿足智能化社會(huì)構(gòu)建，根據(jù)OpenAI統(tǒng)計(jì)，從2012年至2019年，隨著深度學(xué)習(xí)“大深多”模型的演進(jìn)，模型計(jì)算所需計(jì)算量已經(jīng)增長(zhǎng)30萬(wàn)倍，無(wú)論是計(jì)算機(jī)視覺還是自然語(yǔ)言處理，由于預(yù)訓(xùn)練模型的廣泛使用，模型所需算力直接呈現(xiàn)階躍式發(fā)展。據(jù)斯坦?！禔I INDEX 2019》報(bào)告，2012年之前，人工智能的計(jì)算速度緊追摩爾定律，算力需求每?jī)赡攴环?012年以后，算力需求的翻番時(shí)長(zhǎng)則直接縮短為3、4個(gè)月(如圖1所示)。面對(duì)已經(jīng)每過20年才能翻一番的通用計(jì)算供給能力，算力捉襟見肘已經(jīng)不言而喻。

二是全面提升專屬計(jì)算能力。經(jīng)過近兩年的研究及應(yīng)用實(shí)踐沉淀，產(chǎn)業(yè)界逐漸發(fā)現(xiàn)以機(jī)器學(xué)習(xí)為代表的人工智能計(jì)算具有獨(dú)特性，具體表現(xiàn)在3個(gè)方面：第一就是機(jī)器學(xué)習(xí)計(jì)算大部分場(chǎng)景僅需要低精度計(jì)算即可，經(jīng)過推測(cè)，一般應(yīng)用場(chǎng)景下8比特即可滿足95%以上需求，無(wú)需FP32、FP16等高精度計(jì)算;第二就是機(jī)器學(xué)習(xí)計(jì)算只需要很小的操作指令集，在過去40年中開發(fā)的眾多使得通用程序能夠在現(xiàn)代CPU上以高性能運(yùn)行的機(jī)制，例如分支預(yù)測(cè)器、推測(cè)執(zhí)行、超線程執(zhí)行處理核、深度緩存內(nèi)存層次結(jié)構(gòu)等，對(duì)于機(jī)器學(xué)習(xí)計(jì)算來(lái)說都是不必要的，機(jī)器學(xué)習(xí)只需要高性能運(yùn)行矩陣乘法、向量計(jì)算、卷積核等線性代數(shù)計(jì)算即可;第三就是分布式特性，隨著模型不斷增大，深度學(xué)習(xí)“大深多”模型已經(jīng)無(wú)法在單片芯片完成計(jì)算，多芯片多場(chǎng)景的異構(gòu)計(jì)算需求使得機(jī)器學(xué)習(xí)計(jì)算必須考慮分布式的計(jì)算通信以及計(jì)算任務(wù)的協(xié)同調(diào)度，實(shí)現(xiàn)密集且高效的數(shù)據(jù)傳輸交互。

三是提前布局系統(tǒng)協(xié)同生態(tài)?；趯?duì)產(chǎn)業(yè)界解決方案的梳理分析，筆者對(duì)于人工智能工程發(fā)展態(tài)勢(shì)有如下研判：為了更好滿足應(yīng)用泛化的需求，未來(lái)人工智能應(yīng)用及產(chǎn)業(yè)發(fā)展將呈現(xiàn)多平臺(tái)多系統(tǒng)協(xié)同態(tài)勢(shì)，以實(shí)現(xiàn)更為廣泛的賦能?？梢钥吹?，當(dāng)前階段，人工智能的主要賦能方式還是通過通用平臺(tái)，以聚合提供人工智能基礎(chǔ)技術(shù)能力的方式進(jìn)行賦能，面向端側(cè)的一些成熟應(yīng)用場(chǎng)景也出現(xiàn)了軟硬一體的端側(cè)應(yīng)用系統(tǒng)，如自動(dòng)駕駛平臺(tái)、智慧安防攝像頭、基于智能語(yǔ)音語(yǔ)義的智能音箱、終端翻譯機(jī)等。但是通用平臺(tái)無(wú)法實(shí)現(xiàn)廣泛賦能，目前市面上的端側(cè)應(yīng)用也是功能單一且能力固化。

在通用領(lǐng)域，通用平臺(tái)將進(jìn)一步分化為提供人工智能基礎(chǔ)能力的基礎(chǔ)平臺(tái)和融合行業(yè)基礎(chǔ)應(yīng)用的行業(yè)平臺(tái)兩個(gè)方向(如圖2所示)。實(shí)際上，現(xiàn)在阿里的城市大腦、騰訊的醫(yī)療優(yōu)圖等平臺(tái)，就已經(jīng)開始呈現(xiàn)出從基礎(chǔ)通用功能平臺(tái)向行業(yè)應(yīng)用能力平臺(tái)演進(jìn)的態(tài)勢(shì)。

在專用領(lǐng)域，現(xiàn)有的端側(cè)應(yīng)用無(wú)論是功能還是可擴(kuò)展性上都遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)際的泛化應(yīng)用需求，因此未來(lái)面向泛化應(yīng)用將呈現(xiàn)專用系統(tǒng)這個(gè)形態(tài)，專用系統(tǒng)最大特點(diǎn)是它不僅僅是端側(cè)應(yīng)用的軟硬件固化，而是通用平臺(tái)、行業(yè)平臺(tái)和端側(cè)應(yīng)用的協(xié)同組合，以軟硬一體的方式實(shí)現(xiàn)具體應(yīng)用的功能定制和擴(kuò)展。這種工程發(fā)展態(tài)勢(shì)將對(duì)產(chǎn)業(yè)生態(tài)產(chǎn)生巨大影響，現(xiàn)在談及的人工智能芯片和框架，其實(shí)都屬于通用平臺(tái)和端側(cè)應(yīng)用范疇，其生態(tài)主體是提供人工智能技術(shù)的科技企業(yè)，而到了專用系統(tǒng)階段，系統(tǒng)協(xié)同將成為主流，融合通用能力、行業(yè)能力、業(yè)務(wù)邏輯的專用系統(tǒng)將由垂直行業(yè)來(lái)牽頭打造，人工智能的生態(tài)主體也將逐漸變成人工智能技術(shù)的使用者，即各個(gè)垂直行業(yè)的傳統(tǒng)企業(yè)。

人工智能未來(lái)發(fā)展態(tài)勢(shì)分析

怎樣建?

構(gòu)建三大能力，抓住機(jī)遇窗口

在此背景下，人工智能基礎(chǔ)設(shè)施建設(shè)應(yīng)當(dāng)建設(shè)以下3方面能力。

一是建計(jì)算加速能力。首先是建設(shè)面向訓(xùn)練及推理的計(jì)算芯片。隨著人工智能融合賦能廣度和深度的不斷加強(qiáng)，不同場(chǎng)景應(yīng)用將提出不同算力需求，以物聯(lián)網(wǎng)、移動(dòng)終端、安防和自動(dòng)駕駛為代表的專用端側(cè)推斷芯片百花齊放，人工智能正式進(jìn)入算力定制化時(shí)代。為更好解決當(dāng)前訓(xùn)練算力昂貴、推理計(jì)算不足的局面，應(yīng)聚焦功能多元化、架構(gòu)多元化的人工智能基礎(chǔ)設(shè)施建設(shè)，針對(duì)性補(bǔ)充機(jī)器學(xué)習(xí)專屬操作計(jì)算能力，面向數(shù)值計(jì)算并行、數(shù)據(jù)跨域交換等進(jìn)行攻關(guān)建設(shè)，積極探索多元化架構(gòu)，以類腦計(jì)算、量子計(jì)算范式為突破口，實(shí)現(xiàn)機(jī)器學(xué)習(xí)計(jì)算能力加速。

其次是全面構(gòu)建面向深度學(xué)習(xí)計(jì)算加速的理論及工程體系，全面涵蓋從算法頂層、編譯器，到體系結(jié)構(gòu)等方面的加速理論及工程實(shí)踐能力，以大規(guī)模分布式學(xué)習(xí)需求為指引，優(yōu)化算法實(shí)現(xiàn)、打造深度學(xué)習(xí)編譯器，探索體系結(jié)構(gòu)與硬件的最優(yōu)實(shí)踐。

二是建計(jì)算泛在能力。端側(cè)是人工智能最終應(yīng)用的落地點(diǎn)，端側(cè)既是數(shù)據(jù)的生成端，也是數(shù)據(jù)的使用端，需要構(gòu)建能夠滿足海量不同端側(cè)應(yīng)用場(chǎng)景下的計(jì)算支撐能力。端側(cè)由于受到實(shí)時(shí)性、硬件能力、功耗等多種限制，需要針對(duì)人工智能模型實(shí)現(xiàn)不同層面的優(yōu)化，全面提升端側(cè)的數(shù)據(jù)計(jì)算、采集及傳輸能力，綜合考慮傳感器、端側(cè)芯片、端側(cè)軟件框架、網(wǎng)絡(luò)架構(gòu)演進(jìn)、數(shù)據(jù)中心協(xié)同等關(guān)鍵因素，構(gòu)建能夠?qū)崿F(xiàn)機(jī)器學(xué)習(xí)模型訓(xùn)練、部署及動(dòng)態(tài)更新的云端協(xié)同算法及工程實(shí)現(xiàn)能力，打造堅(jiān)實(shí)的泛在計(jì)算基礎(chǔ)。

三是建協(xié)同生態(tài)能力。如圖2所示，未來(lái)人工智能通用平臺(tái)、行業(yè)平臺(tái)以及專用系統(tǒng)將呈現(xiàn)三大協(xié)同態(tài)勢(shì)，需要抓住窗口期，全面建設(shè)全新的系統(tǒng)協(xié)同能力。首先是構(gòu)建3個(gè)系統(tǒng)間的協(xié)同能力。通用平臺(tái)、行業(yè)平臺(tái)以及面向具體應(yīng)用的專用系統(tǒng)之間的功能界定將越來(lái)越明確，相關(guān)功能將呈現(xiàn)模塊化特性，并且高度互補(bǔ)，以實(shí)現(xiàn)深度協(xié)同。

其次是構(gòu)建專用系統(tǒng)的軟硬協(xié)同能力。面向應(yīng)用的專用系統(tǒng)為滿足業(yè)務(wù)實(shí)時(shí)響應(yīng)要求，除了需要將專屬定制算力芯片進(jìn)行部署外，還需要在軟件層面實(shí)現(xiàn)兩項(xiàng)功能：一是實(shí)現(xiàn)軟件與定制芯片的高度耦合，以達(dá)到性能最優(yōu);二是軟件需要與垂直行業(yè)平臺(tái)及通用平臺(tái)做好高效對(duì)接，保證調(diào)用所需平臺(tái)功能的實(shí)時(shí)性;三是構(gòu)建行業(yè)協(xié)同能力，面向行業(yè)賦能的行業(yè)平臺(tái)將在通用平臺(tái)基礎(chǔ)上，抽取行業(yè)業(yè)務(wù)邏輯，沉淀行業(yè)服務(wù)能力，實(shí)現(xiàn)與行業(yè)已有業(yè)務(wù)系統(tǒng)的無(wú)縫對(duì)接。值得注意的是，行業(yè)平臺(tái)由其業(yè)務(wù)屬性主導(dǎo)，未來(lái)行業(yè)平臺(tái)的建設(shè)主體一定是由垂直行業(yè)來(lái)主導(dǎo)構(gòu)建的。

作者： 王蘊(yùn)韜