也谈人工智能商业化 华为云的“暴力美学计算”

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

人工智能商业化,既是难题也是机遇。

当下的人工智能商业化主要有两条路,一条路是“AI+”,即人工智能技术本身产品化,创造或者革新一类产品,另一条路是“+AI”,是传统产业,尤其是实体行业生产流程再造,从而完成降本增效,华为云选择的就是后一条道路。

9月18日华为全联接大会期间,华为云业务总裁郑叶来在主论坛做了题为“跨越裂谷,共建普惠AI”的演讲,并提出行业AI商用落地的四大要素,同时他进一步解释了华为云EI集群服务所拥有的强劲算力,华为云工业智能体正式亮相。

也谈人工智能商业化   华为云的“暴力美学计算”

华为云业务总裁郑叶来

技术优势能否转化成市场优势,这决定着人工智能厂商将去往何处。

AI商用落地四要素

郑叶来在现场表示,AI领域蓬勃发展,但投资热度与商业应用之间仍存在巨大的裂谷。

2018年以前,对AI领域的投融资均匀的分布在各个行业或技术领域。2018年后,大量的投融资逐渐向几个头部行业集中。

华为云在500+项目实践中发现,行业AI项目要成功实施,需要基于应用场景、相关ISV/SI、设备或流程、AI平台提供方组成的行业AI落地的商用模型,也由此,华为云总结出AI商用落地的四个要素。

要素一:明确定义商业场景

即明确项目的商业目标,界定清晰的范围边界,场景可闭环、可预测具备充足的数据资料。明确定义商业场景是AI落地的第一步。

在早期人工智能落地的过程中,几乎所有的厂商都走过弯路,哪些领域拥抱人工智能意愿强烈,哪些场景能平衡投入和收益,哪些场景测试和现实之间存在巨大不确定性等等,人工智能对大多数企业都是全新的技术,充满未知,没有厂商能直接摸准人工智能落地的确定性规则。

华为云总结了一套选择场景的方法论:

  • 首先要明确该场景核心要解决的问题是什么,是质量、成本还是效率问题;

  • 其次,解决的问题要有清晰的边界,要便于用数学去刻画和表达;

  • 再次,这个场景应该是一个闭环的、可以预测的,不能是开放不可预知的;

  • 最后,要具备解决这个问题需要的充足和完备的数据与行业知识。

去年的全联接大会上,华为就明确了三个AI能实现较好效果的场景,分别是海量重复、专家经验及多域协同,今年则是可商用场景的扩大化,一边从0到1找新场景,一边从1到N实现场景复用。

也谈人工智能商业化   华为云的“暴力美学计算”

全联接大会上Atlas900展示

要素二:触手可及的强劲 算力——华为云EI集群

从某种程度上来说,这几年的人工智能技术热潮,解决了人工智能是否能用的问题,然而效率、成本、易用性等等都是人工智能进一步发展的挑战。另一方面,算力的稀缺问题还没解决,新算法仍在迭代,AlphaFold、Bert、BigGAN对算力需求更大,言而总之,当前算力仍处于不充沛、不经济、难获取的状态。

以华为举例,目前华为内部日均AI训练作业任务超过4000个、训练时长超过3.2万小时, 而且还有大量的作业在排队。

华为云预测,未来,算力的需求每年将增加10倍左右,缺口亟待解决,算力也是目前可预见的限制人工智能发展的最大难题。

也谈人工智能商业化   华为云的“暴力美学计算”

华为在本届大会上更新了计算产业战略,并且将其放到和联接同等地位,继去年连发昇腾910和310后,象征着“暴力美学计算力”的Atlas900集群今次正式发布,而且将会以云服务的形式对外开放,可按需使用、即时开通。

Atlas900代表着“一力降十会”的打法,硬生生用新架构解决旧算力问题。据华为介绍,基于Atlas900的华为云EI集群服务是当前全球最快的AI训练集群,由数千颗昇腾910处理器构成,只需59.8秒就可以完成典型网络ResNet-50的训练,比第2名快15%。

以天文研究为例,天体识别涉及P级数据的存储和运算,使用传统模式训练P级别天文数据中识别新的星体的模型要耗时四个星期。使用“华为云EI集群服务”可以将识别星体的模型训练时间缩短至分钟级。

华为云参与了“SKA”(平方公里阵列射电望远镜)项目,天文学家要从20万颗星星中,找出某种特征的星体相当困难,需要169天的工作量,而用上Atlas 900,只用10秒,就从20万颗星星中检索出了相应特征的星体,这就是“暴力美学计算力”。

华为云EI集群巅峰算力的背后,华为工程师们从底层硬件到软件构架全栈优化,包括梯度同步与反向计算并行;数千颗处理器-TOR-SPINE,无收敛线性高速交换;与云计算、存储,网络高效协同。

要素三:持续进化的AI服务

AI时代,构建一个生产运行与开发训练闭环的在线系统非常关键,能让模型持续适应环境的变化,成为持续进化的AI。例如,华为云全流程模型生产服务ModelArts通过AI持续迭代框架,提供端边协同能力,加速企业AI化进程。

要素四:组织与人才的适配

AI的智慧来源于人类智慧数字化,要遵重以人为本的初心,适配相应的人才、组织和流程。例如,深圳机场应用华为云EI来建设机位智能分配系统,并让机场指挥员了解EI的决策机制和过程,不仅将指挥员从枯燥重复的操作中解放出来,而且提升了飞机靠桥率,减少了摆渡车的使用,大幅提升旅客体验。

基于这四个要素的判断,华为云正式发布工业智能体,定位是工业制造行业的智能化新引擎,引擎共分三部分,基于知识图谱的智能认知引擎、基于AI模型的智能预测引擎、基于运筹规划的决策优化引擎,来将诸多难以落地应用的技术应用到工业场景。

公有云的短板战略

“未来的云服务一定是短板战略,集中度一定会越来越高”,郑叶来谈及公有云行业的下一步竞争。企业客户不会因为一项专长选择云厂商,更要求云厂商无短板,短板决定了未来公有云厂商的极限。

公有云本身就是重资产投入的行业,目前头部厂商都是有其他资金来源的大厂商,也部分说明了公有云业务的重资产属性,而随着业务竞争的白热化,从前端到后端,从上层到底层的全面竞争,正掏空部分公有云厂商的钱包。

行业竞争的态势往往是,头部对标,第二梯队遭殃,这在公有云行业已经有一些苗头。不管是互联网出身的云厂商,还是IT出身的云厂商,都在芯片级别做文章,对客户的在线服务越极致,对自己的硬件管控就要越精准,不管是出于成本还是效率,芯片战争已经隔空打响。

郑叶来也提到,早期做云的公司重新做IT、做芯片、做硬件。“云服务是华为用 IT 手段形成价值的闭环,你付出了什么,应该得到什么,云服务还是原来的生意,但是换了商业模式,更好地跟客户沟通。”

外界对华为一直强调做云服务的商业逻辑也理解更深,曾任IT产品线总裁的郑叶来在任时曾投资过多款芯片,这些都成为当下华为云的芯片层级优势。

也谈人工智能商业化   华为云的“暴力美学计算”

华为云EI产品部总经理贾永利

华为云EI产品部总经理贾永利表示,华为有了自己的芯片,在全栈技术整合一定能做得非常好,将来还可以与海思定制化芯片,在芯片垂直整合比多个厂家去拼凑、去做肯定性能更好,进而带来客户成本的节约,他同时补充,华为不会因为有了芯片开打价格战,还是以更好的产品和服务赢得客户。

据 IDC 今年8月份发布的《2019年Q1中国公有云服务市场跟踪报告》,从IaaS+PaaS整体市场份额来看,华为云营收增长超过300%,华为云PaaS市场份额增速接近700%,首次进入Top5。

在马太效应加剧的情况下,后发的华为云底层优势逐渐释放,支撑其位次前进。据业内人士透露,Top5远不是华为云的目标,其内部希望年底能进入中国公有云市场前四。

雷锋网 (公众号:雷锋网) 总结,公有云的厚重更胜以往,行业整体进入下一阶段的备战期,兵精粮足则胜,反观之,短板战略将逐渐淘汰,或者降低一部分非头部云计算厂商的生存空间,公有云行业的洗牌期亦不远。 雷锋网雷锋网

相关文章:

全球训练速度最快集群Atlas900曝光 华为计算产业战略全公布

驱动工业互联网智能化,华为云以何抓住战略机会

混合云风起 华为云HCS方案如何征战政企市场?

也谈人工智能商业化   华为云的“暴力美学计算”

随意打赏

人工智能的应用有哪些人工智能自然语言处理人工智能的应用领域人工智能应用场景人工智能商业模式人工智能三个阶段华为ai人工智能人工智能识别技术人工智能市场华为智能电视
提交建议
微信扫一扫,分享给好友吧。