在鈦媒體在線課“鈦坦白”第43期，我們請來了三位鈦客，帶大家思考“人機大戰(zhàn)”后人工智能何去何從。本期鈦客之一、浪潮人工智能首席架構(gòu)師張清，是《MIC高性能計算編程指南》作者，開源深度學(xué)習(xí)計算框架Caffe-MPI設(shè)計者之一。并先后主導(dǎo)完成語音、圖像、安適等深度學(xué)習(xí)GPU項目，并傳統(tǒng)HPC、視頻大數(shù)據(jù)等標的目的多個CPU多核、GPU、MIC、FPGA計算項目。

本文節(jié)選自張清在鈦坦白的分享。如果您還不是鈦媒體Pro用戶，希望查看鈦坦白所有干貨，進入鈦坦白九個專業(yè)群交流，并查看更豐富的專業(yè)數(shù)據(jù)和信息，可點擊：注冊。

以下按照張清在鈦坦白的分享實錄整理：

大家好，我是來自浪潮的張清，非常感謝鈦媒體的邀請，也同樣感謝之前來自曙光和科大訊飛的兩位專家的精彩分享，我今天給大家分享的主題是面向人工智能的計算解決方案。

在分享之前我首先簡單的介紹一下浪潮在人工智能方面的工作。浪潮是先進的人工智能計算系統(tǒng)與解決方案提供商，擁有從人工智能計算產(chǎn)品研發(fā)、計算系統(tǒng)建設(shè)、軟件設(shè)計、系統(tǒng)運維辦事能力，擁有完備的人工智能端到端解決方案、計算系統(tǒng)軟硬件產(chǎn)品和應(yīng)用辦事體系，在廣泛應(yīng)用人工智能技術(shù)的互聯(lián)網(wǎng)領(lǐng)域，浪潮計算設(shè)備產(chǎn)品在中國大型互聯(lián)網(wǎng)市場占用率超過80%，成為中國人工智能第一品牌計算設(shè)備提供商。

AI的發(fā)展趨勢

人類已經(jīng)經(jīng)過了三次科技革命——蒸汽時代、電氣時代和信息時代，每次科技革命的發(fā)生都為社會帶來巨大的厘革和進步。AI時代已經(jīng)到來，它可能成為第四次科技革命。下面我們來看一下AI市場、行業(yè)應(yīng)用、技術(shù)的發(fā)展趨勢。

AI市場的發(fā)展趨勢

A市場正在蓬勃發(fā)展，我們從近五年人工智能的投資金額發(fā)現(xiàn)從2012年到2016年，年均增長率達到50%以上，截止到2016年，它的投資金額達到42.5億美元，AI近五年M&A和IPO的數(shù)量年均增長率為49.85%，2016年已達到68項，2020年AI整個的市場規(guī)模將達到480億美元。（數(shù)據(jù)來源：CB Insights）

AI行業(yè)應(yīng)用的發(fā)展趨勢

2011年，谷歌和微軟研究院的語音識別標的目的研究專家先后采用深度神經(jīng)網(wǎng)絡(luò)技術(shù)將語音識另外錯誤率降低20%~30%，這是長期以來語音識別研究領(lǐng)域取得的重大突破。2012年，深度神經(jīng)網(wǎng)絡(luò)在圖像識別應(yīng)用方面也獲得重大進展，在ImageNet評測問題中將本來的錯誤率降低了9%，隨著AI在語音和圖像識另外巨大成功，互聯(lián)網(wǎng)行業(yè)越來越多的用戶開始應(yīng)用AI。從2015年開始，傳統(tǒng)行業(yè)越來越多的用戶也開始應(yīng)用AI，好比金融企業(yè)、醫(yī)療企業(yè)、汽車廠商和安防企業(yè)等。本年，我們也看到很多傳統(tǒng)科學(xué)計算用戶開始研究AI技術(shù)，如氣象和石油勘探用戶，利用 AI技術(shù)來提高相關(guān)應(yīng)用的預(yù)測精度。

總的來說，AI行業(yè)應(yīng)用用戶已經(jīng)從目前最為火熱的互聯(lián)網(wǎng)行業(yè)用戶，逐步發(fā)展到傳統(tǒng)企業(yè)用戶和科學(xué)計算HPC用戶。

AI技術(shù)的發(fā)展趨勢

我們先看兩個例子，第一個是圖像識別方面的Imagenet角逐，2012年Imagenet角逐冠軍網(wǎng)絡(luò)模型是Alexnet，它只有8層，訓(xùn)練所需要的計算量是相對比較小的，每一張圖片只要1.4GFlop，所訓(xùn)練出來的模型的精度達到84%，也就是錯誤率為16%。到了2015年，經(jīng)過三年的發(fā)展，Imagenet角逐的冠軍網(wǎng)絡(luò)模型是微軟設(shè)計的Resnet，其變得更加復(fù)雜，模型的層數(shù)達到152層，層數(shù)是Alexnet的19倍，每一張圖片所需要計算量大大提高，達到22GFlop，但錯誤率下降為3.5%。

另一個例子更加驚人，是關(guān)于語音識別。百度設(shè)計的語音識別模型，2014年有2500萬的參數(shù)，訓(xùn)練的數(shù)據(jù)量是7000小時的語料，8%的錯誤率。2015年的訓(xùn)練數(shù)據(jù)是此前的2倍，深度學(xué)習(xí)網(wǎng)絡(luò)是本來的4倍大，2倍的數(shù)據(jù)量，4倍的網(wǎng)絡(luò)復(fù)雜性，實現(xiàn)的錯誤率是5%，但是需要付出什么樣的代價？就是計算量的增長。

所以我們從這兩個例子可以看出，AI技術(shù)的發(fā)展趨勢是朝著大數(shù)據(jù)+大模型+大計算標的目的發(fā)展，采用更大的模型和數(shù)據(jù)會使訓(xùn)練出來的模型的精度大幅提高，但這需要更大的計算資源作為支撐。

AI面臨的挑戰(zhàn)及計算解決方案

AI主要面臨三個方面的挑戰(zhàn)：

一是需要獲取足夠多的標注的數(shù)據(jù)用于模型的訓(xùn)練；

二是需要設(shè)計分布式深度神經(jīng)網(wǎng)絡(luò)模型及算法；

三是需要一個大的深度學(xué)習(xí)計算平臺以及平臺辦理軟件。

針對上面三個方面的挑戰(zhàn)，我們從四個層次去設(shè)計整個AI計算解決方案：

第一層次是平臺層；從整個AI計算過程的差別特點需求，我們會設(shè)計數(shù)據(jù)預(yù)處理平臺、訓(xùn)練平臺、推理平臺，采用差別的網(wǎng)絡(luò)和存儲。