“AI再往下一步發(fā)展，需要一個具備支撐能力的基礎(chǔ)設(shè)施，為AI所需要的算力、算法、數(shù)據(jù)核心三要素提供更加規(guī)模化、高效率、低成本的基礎(chǔ)支撐。”商湯科技聯(lián)合創(chuàng)始人、副總裁楊帆在2022搜狐科技峰會上說。

昨日(5月17日)，2022搜狐科技峰會正式召開，商湯科技聯(lián)合創(chuàng)始人、副總裁楊帆與工業(yè)和信息化部原部長、中國工業(yè)經(jīng)濟聯(lián)合會會長李毅中，工業(yè)和信息化部原副部長、信息化百人會學術(shù)委員會主席楊學山，信息系統(tǒng)工程專家、中國工程院院士沈昌祥，清華大學智能產(chǎn)業(yè)研究院院長、中國工程院院士張亞勤，搜狐創(chuàng)始人、董事局主席兼首席執(zhí)行官張朝陽等重磅嘉賓共同出席，并發(fā)表主題為《人工智能基礎(chǔ)設(shè)施推動創(chuàng)新新范式》的精彩演講。本文為楊帆演講內(nèi)容梳理。

人工智能帶來發(fā)展新范式，成為突破邊界的關(guān)鍵

當今時代，科技看似跟大多數(shù)人有一定的距離，但實際上與每個人息息相關(guān)。

人們開始享受到充裕的物資生活，始于工業(yè)革命，科技的進步和突變帶來了生產(chǎn)力巨大的提升。后來，又歷經(jīng)了電氣革命、信息時代。

但最近40年，整個人類基礎(chǔ)科學的演進速度明顯減慢。

那么，如何獲得新的規(guī)模化、更大體量的科學技術(shù)突破，進而引領(lǐng)生產(chǎn)力的進一步提升，生產(chǎn)關(guān)系進一步的優(yōu)化?

回顧歷史，創(chuàng)新有不同范式。第一個范式是經(jīng)驗歸納，通過很多物理現(xiàn)象，從中提煉、總結(jié)，或者提出假設(shè)，再基于假設(shè)去驗證。

第二個范式是推理和演繹，簡而言之就是推公式;基于一個理論的演算和推導，得出一些新的結(jié)論性結(jié)果。

后來隨著機器時代、智能時代的到來，又出現(xiàn)了第三范式：仿真模擬。機器替代了人做推理演繹，其推公式的效率和能力可能遠遠超過自然人——僅需給它更多的數(shù)據(jù)以及初始條件。

近幾年，隨著大數(shù)據(jù)的升級和演化，出現(xiàn)了第四范式。利用深度學習，讓更多的數(shù)據(jù)通過機器經(jīng)驗歸納再進行升級。雖然人們并不太清楚這個數(shù)據(jù)為什么就能歸納出這樣的結(jié)論，但是機器能夠辨別得準。

楊帆表示，在所謂的一、二、三、四范式之外，真正驅(qū)動我們大量創(chuàng)新的，很多時候往往是超脫出歸納、超脫出推理的，我們叫作“天才的腦洞”。

有人說，愛因斯坦廣義相對論是超越了時代的智慧，或者說是完全沒有基礎(chǔ)的，沒有前有體系支撐下的偶發(fā)性或必然。類似于天才的腦洞，這種突變性的思考和創(chuàng)新，機器或許能夠做類似的事情——“機器的猜想”。

最近兩年，我們看到了“機器的猜想”對一些跨領(lǐng)域的學科和學術(shù)領(lǐng)域的前沿創(chuàng)新已經(jīng)產(chǎn)生了突破。

例如，去年AlphaFold測出30多萬種蛋白質(zhì)的結(jié)構(gòu)，解決了50多年生物學界一直沒能解決的蛋白質(zhì)測序難題;再如DeepMind，用強化學習首次在模擬環(huán)境下實現(xiàn)了控制核聚變。

今天，人工智能已幫助在過去困擾人類幾十年的學術(shù)問題上逐步取得關(guān)鍵性突破。相信未來在更多的技術(shù)領(lǐng)域上，包括物理、化學、天文、材料、生物、醫(yī)藥等等方面，能夠幫助我們帶來更大更多的驚喜。

AI基礎(chǔ)設(shè)施：為AI發(fā)展提供規(guī)模化、高效率、低成本的重要基礎(chǔ)支撐

人工智能有三要素：算力、算法和數(shù)據(jù)。過去十年，隨著人工智能技術(shù)的產(chǎn)業(yè)應(yīng)用，對算力、數(shù)據(jù)以及模型參數(shù)數(shù)量的需求，都呈指數(shù)爆發(fā)式的增長。

從2014年至今，單一的人工智能模型參數(shù)增長了三四十萬倍，每三個多月就要翻一番，增長速度遠遠超過摩爾定律。

近兩年，行業(yè)巨頭紛紛斥巨資建造自己的人工智能基礎(chǔ)設(shè)施。例如Meta打造了自己的AI超級計算機，預計到今年7月，將擁有超過16000塊英偉達A100 GPU，超過5000P(Petaflop)的算力(1P是1000萬億次/秒，5000P就是500億億次/秒的計算量級);此外，特斯拉也在去年正式推出了自研的超級計算機群Dojo，用于下一代自動駕駛技術(shù)研發(fā)。

人工智能有一個很明確的杠桿效應(yīng)：人工智能產(chǎn)業(yè)自身創(chuàng)造的經(jīng)濟價值，能夠?qū)λ?wù)和支持的行業(yè)帶來10倍的杠桿。

或者理解為，AI應(yīng)用2000億的市場，意味著它對整個全產(chǎn)業(yè)經(jīng)濟帶來了2萬億的增長，而且至今仍然保持著非常高的增速。

那么AI下一步發(fā)展需要什么?

楊帆表示，AI再往下一步發(fā)展，需要一個具備支撐能力的基礎(chǔ)設(shè)施，它為AI所需要的算力、算法、數(shù)據(jù)核心三要素提供更加規(guī)模化、高效率、低成本的基礎(chǔ)支撐能力，通過這樣的支撐能力，服務(wù)各行各業(yè)人工智能應(yīng)用快速發(fā)展和落地。

算力方面，今天AI所需要的計算力和過去二十年的信息化、云服務(wù)完全不一樣。傳統(tǒng)云服務(wù)提供計算，但存儲占據(jù)了更大的比重。而AI基礎(chǔ)設(shè)施，計算的占比遠遠大于存儲，還要支持各種不同異構(gòu)的硬件結(jié)構(gòu)，更依賴專用的硬件和軟件。

所以，我們更需要通用的、開放的、共享的基礎(chǔ)設(shè)施。

算法方面，伴隨著AI產(chǎn)業(yè)的發(fā)展，出現(xiàn)了大量高價值的應(yīng)用場景，但AI解決問題的成本太高，導致很多場景難以落地。

行業(yè)演進的方向是把更多的數(shù)據(jù)匯集起來，用一個更大的模型去支撐長尾場景應(yīng)用上的快速迭代和創(chuàng)新，那么單一技術(shù)創(chuàng)新的成本就被極大攤薄了。

數(shù)據(jù)方面，它是推動人工智能領(lǐng)域技術(shù)創(chuàng)新最核心的燃料，具備非線性的效應(yīng)：把10倍的數(shù)據(jù)放在一起，所能夠創(chuàng)造出來的技術(shù)各方面的能力可能是100倍，甚至更大。

問題在于，如何把更大的數(shù)據(jù)量匯聚在一起，以及更加廣泛地使用?這背后需要人工智能基礎(chǔ)設(shè)施的支撐。當然也要做好數(shù)據(jù)安全、隱私保護。

商湯AI大裝置：通過開放，把人工智能創(chuàng)新所需要的路修好

2019年，商湯便開始了人工智能基礎(chǔ)設(shè)施——SenseCore商湯AI大裝置的研發(fā)。

它具備強大的通用AI能力，匯聚了大量算力、算法、數(shù)據(jù)，并對過程中軟硬件問題一體化解決，形成了一個強大的支撐體系。

SenseCore商湯AI大裝置擁有3740P的算力，是迄今為止國內(nèi)最大的通用人工智能基礎(chǔ)設(shè)施。目前已經(jīng)為長三角區(qū)域大量科研單位和頭部企業(yè)提供算力、數(shù)據(jù)、算法全領(lǐng)域的核心能力服務(wù)，支撐人工智能在廣泛產(chǎn)業(yè)領(lǐng)域應(yīng)用。

例如，蛋白質(zhì)的預測、生物醫(yī)藥領(lǐng)域基礎(chǔ)科研的創(chuàng)新;智能交通的車路協(xié)同，從模擬到規(guī)劃和預測的一體化;支撐虛擬的物理引擎、虛擬的智能化引擎的大量技術(shù)創(chuàng)新……

楊帆說，通過核心基礎(chǔ)設(shè)施的匯聚，能夠?qū)崿F(xiàn)從算力到數(shù)據(jù)到算法更大規(guī)模、高效率、低成本的提供，以及支撐更好的平臺開放。通過開放，把人工智能創(chuàng)新所需要的路修好。

未來，人工智能作為極其通用的行業(yè)技術(shù)，能夠?qū)η邪贅I(yè)所面臨的各種各樣的應(yīng)用問題進行大量的創(chuàng)新，快速驅(qū)動各個產(chǎn)業(yè)的發(fā)展和進步。

原文標題：商湯科技聯(lián)合創(chuàng)始人楊帆：人工智能基礎(chǔ)設(shè)施推動創(chuàng)新新范式

文章出處：【微信公眾號：商湯科技SenseTime】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅