“AI落地难”成业界共同困境,第四范式却开始了新的尝试

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。  

无论是国内的BAT、华为等巨头在AI上的巨额投入,抑或是美国五角大楼也开始在AI项目上不断引入新的资源,全球格局下,AI的吸金能力非常强劲。而最新的Gartner 企业AI案例研究报告也发布了它的预测:超过60%的中国大型企业在2022年前将开发自己的AI解决方案。

这意味着,众多企业需要自己进行配置服务器、数据处理、模型调参、模型训练等工作。但这实际上并不轻松。

没有专业的实力和软硬件基础,想要部署属于自己的机器学习和机器人过程自动化等能力,企业势必面临着采用这些技术并实现其利益的一些障碍,包括缺乏人才、难以确定目标和投资回报率,以及对如何影响工作的担忧。

而眼下,第四范式似乎正在逐步意识到企业的这个“门槛”,并针对性的开始了一些新鲜的尝试。

2018年9月10日,第四范式携手浪潮商用机器在京联合发布了AI软硬件一体机产品“Prophet AIO”,双方正式宣布成立AI一体机联合实验室,为行业用户实现AI业务提供支撑与开发能力。

“AI落地难”成业界共同困境,第四范式却开始了新的尝试

图为:Prophet AIO

据产品线负责人告诉雷锋网,部署“Prophet AIO”的实际应用效果表明,最明显的效果是:在相同成本前提下,计算性能提升10倍以上,交付周期从以半年为单位缩短到周级别。从数据性能上来看,这款机器确实挺适合这些想部署AI能力的企业。

但这究竟是怎样的机器?

据了解,双方之所以将一体机取名为“AIO”,其寓意为打造“AI in One”的AI产业应用全闭环。实际上,这个产品设计基于第四范式先知(Prophet)企业AI核心系统与浪潮OpenPOWER硬件架构的融合集成。

“AI落地难”成业界共同困境,第四范式却开始了新的尝试

图为:Prophet AIO 产品架构

2016年,第四范式发布AI开发平台“先知”,对先知设置了参数自动化的算法,并搭建了比Spark快数百倍的机器学习的基础架构,降低了人工参与的特征工程和模型训练过程,还能提供自动或半自动的特征工程、模型选择调参工具,集成了高维机器学习、AutoML和AutoCV等算法技术,降低了对数据科学家的依赖。

而此次与先知平台结合的OpenPOWER则是区别于x86的硬件架构体系,最新POWER9处理器是针对AI应用设计的全新架构。依托GPU、FPGA、DSP 以及 ASIC的优化加速能力和内存一致性等功能特点,在机器学习等领域应用中展现出较好的计算能力。

“AI落地难”成业界共同困境,第四范式却开始了新的尝试

图为:Prophet AIO 产品路线图

第四范式创始人、首席执行官戴文渊在现场告诉雷锋网 (公众号:雷锋网) :“Prophet AIO实现了AI商业落地五大要素完整覆盖,赋予企业开箱即用的AI能力,未来企业接入AI像使用手机一样简单,只需插电、连接网络、启动等简单几步即可。”

Prophet AIO的应用场景在哪?

实际上,AI在各行业的应用基本遵循两条线:

  • 感知和认知层面,视觉识别、语音识别、机器翻译、自动问答、情感分析、知识图谱等技术应用于视频监控、智能音箱、智能客服、实时翻译等场景,这一些领域目前做的相对比较成熟;

  • 算法层面,包括采用监督学习、非监督学习、强化学习等算法来解决实际应用中的问题,需要大规模的数据挖掘,对技术的要求非常高,此外还需要对各行业进行定制化,这使得AI的整体落地相对困难。

而综合来看,Prophet AIO可能是目前为止业内首个针对超大规模数据挖掘与机器学习计算问题所推出的AI一体机产品,对于化解算法层面的尴尬困境有自己的优势。眼下,Prophet AIO将在风险反欺诈、竞争营销、个性化推荐、广告计算、智能制造、客户运营及产品定价等多个数据挖掘与决策场景中“首度尝鲜使用”。

无论是POWER9的处理器片内交换速度、IO技术优化内存和显存,还是“第四范式先知”的能力覆盖AI应用开发、运行、管理等全生命周期,双方的结合,其实也是补齐各自的短板。雷锋网认为:

  • 对成立于2018年5月的年轻的浪潮商用机器而言,急需软件实力强劲的厂商合作背书,并加以检验硬件是稳定性和客户反馈,探索AI性能的适用场景;

  • 对于第四范式而言,计算资源层的最后一块拼图也亟待补齐,大数据存储、模块管理、计算任务智能调度和智能运维等多个核心组件急需升级,此外第四范式自研的大规模分布式高维机器学习框架(GDBT)和深度学习框架都需要进一步优化。

AI企业与服务器厂商的联合将成“行业新景象”

雷锋网了解到,对于服务器厂商而言,以往经常出现被客户需求“推着走”的局面,很多服务器的功能急需适应大规模数据处理需求,并加入了很多AI的需求;另一方面AI企业长期从事软件优化、算法优化工作,对硬件的调试等能力尚欠缺,因此在双方的需求分析上,行业未来会出现一定程度上的“联合趋势”。

“第四范式服务的这些金融机构,已经占中国的金融总资产60%以上。可以看到,我们覆盖面积已经很好了,但紧接着也会有痛点:当把服务装到客户那边时,会遇到各种痛点,包括成本的问题、空间的问题等等。我们很多客户都很有钱,但没有空间放它的机器,如果把10台机器变成一台机器,是巨大的价值。除此之外,进一步降低部署、调试、升级的门槛,都是我们现在遇到的问题。从2018年上半年,我们从产品上开始在研究怎么解决这个问题,会发现硬件是绕不开的环节。”

戴文渊的这段话,不仅点明双方牵手的原因,也谈及了目前AI行业面临的一些深层次问题。

“AI落地难”成业界共同困境,第四范式却开始了新的尝试

图为:第四范式创始人、首席执行官戴文渊

眼下,物联网和大数据技术的发展,数据呈现指数级的增长,AI厂商需要正视的是这些日新月异的庞大数据,随之而来的也会是数据资源的竞争、数据智能能力的竞争。服务器厂商牢牢把控了AI“最后一公里”的物理环境和物理条件,结合势在必行。

第四范式联合创始人、首席架构师胡时伟也从技术角度阐释了这个话题,他觉得,随着AI业务的发展,企业的IT从成本中心慢慢变成利润中心。

“我们从原先做一件事情要花10元钱,怎么把它省到8块钱,变成了我们如何能够在这个业务上找到办法再投入10元钱以获得更多的收益。在这个过程当中,对于资源规划和采购的过程,对于部署交付和系统运帷都提出了新要求。”

或许,AI的商业化才刚刚开始,现在谈“收割”的确为时尚早。AI企业与服务器厂商的联合,让业界看到了新的趋势,而在新的趋势下,AI的落地又将以另一种方式呈现。

“AI落地难”成业界共同困境,第四范式却开始了新的尝试

随意打赏

adobe ai第四范式公司ai教程ai下载第四范式ai软件ai名片
提交建议
微信扫一扫,分享给好友吧。