近日，以“智算生態、共創共贏”為主題的ICPA智算聯盟系列論壇·第一期會議成功舉辦。

上海市經濟和信息化委員會人工智能發展處副處長孫躍，ICPA智算聯盟理事長、商湯科技聯合創始人、集團副總裁楊帆發表致辭。商湯科技聯合創始人兼大裝置首席科學家林達華，華為昇騰計算業務CTO周斌，Graphcore大中華區總裁兼全球首席營收官盧濤，燧原科技創始人兼COO張亞林，上海超算科技有限公司副總經理劉波發表主題演講，探討加速AI算力產業化落地和算法生態建設的共贏之道。

林達華教授發表主題為《算法框架：AI芯片與商業價值的紐帶》的精彩主題演講，他表示：“AI芯片及其所衍生出來的計算產業的發展，并不是任何一家企業可以單獨去達成的愿景，需要上下游不同角色的機構和廠商共同構建繁榮的生態。在這樣的體系下，商湯有著非常重要的位置，如何把技術的上下游協同在一起，也是我們共同面臨的一個課題。”

本文為林達華教授演講內容梳理。

算法是銜接應用價值和芯片算力的關鍵橋梁

人工智能和智能計算的核心就是人工智能計算芯片。無論是以GPU為代表的通用圖形處理器，還是近幾年不斷涌現的AI專用計算芯片，都構成了整個人工智能算力的核心。

在用戶端，AI技術在自動駕駛、智慧商業、智慧城市、智慧醫療等各種垂直領域的應用，將人工智能的價值真正帶到了生產、生活和工作當中。

支撐不同行業廣泛應用的背后，是一系列人工智能的關鍵算法，例如計算機視覺領域的分類、檢測、分割等等算法。

雖然這些算法會分成若干個小類別，但是在每一類上，其迭代、演進速度非常快，種類也非常多。目前，商湯面向不同行業應用已生產出來了超過3萬個算法模型。

這些算法模型對硬件的適配帶來了極大挑戰，每一個模型的算法適配都需要很大工作量的投入，不同應用也涉及不同的算法。算法是銜接應用價值和芯片計算能力最關鍵的橋梁。

在人工智能領域，算法研究員并不直接在芯片所提供的底層API上寫算法，因為大部分研究員和算法工程師對芯片的體系結構并不了解，也不需要了解，術業有專攻。

因此，在銜接算法研究員和底層計算的基礎設施中間，就衍生出了深度學習框架的系列基礎軟件體系，例如TensorFlow、PyTorch、MindSpore和商湯自研的SenseParrots。每個訓練框架都在行業中扮演著不同的角色，走出了各自差異化的發展道路。

由于算法與芯片之間有多種訓練框架，不同框架又出自不同機構和企業，沒有形成一個固定接口，這導致人工智能訓練芯片不僅要適配不同框架，還要支持多樣化的算法，而算法框架接口多樣化導致AI芯片對算法支持工作量劇增，這就帶來了高昂的適配成本，成為人工智能訓練芯片快速迭代、進入市場的障礙。

開源算法體系，構建高效繁榮的AI生態

構建一個能夠助力芯片發展的生態，最關鍵的就是要打破障礙和瓶頸，這樣才能夠促進整個生態上下游共同發展和繁榮。

如何實現這一目標？算法是直接支撐應用的，從智慧城市領域中的場景分類、車牌識別等算法，到醫學圖像分析領域中的語義分割、病灶檢測等算法，通常都會經過一個基于應用場景的分解過程，最后形成一個大算法家族的族譜。

經過多年發展，商湯在AI算法領域形成了深厚的積累，但只有將這些算法為整個業界所用，才能引導整個產業上下游的發展，最大限度的發揮價值。基于從應用對算法分解的認知，商湯在2018年啟動了OpenMMLab開源算法體系。

近4年來，OpenMMLab的國際影響力持續增長，目前在GitHub上獲得了58，000個Stars，超過了業內頂級的深度學習框架PyTorch的數量。同時，OpenMMLab還支持了上千篇論文的發表，并協助幾十項比賽選手在垂直領域獲得了冠軍。此外，在生態影響力方面也有所建樹。

OpenMMLab在商業領域的應用也非常廣泛，目前有超過600家企業和科研機構使用OpenMMLab進行技術研發，其中不乏大型央企、頭部科技企業和互聯網企業，已形成了廣泛的影響力。

基于開源開放的算法體系，商湯希望實現訓練框架和AI芯片的雙向價值引導，攜手業界同仁共同構建高效的人工智能上下游生態。

構建標準化體系，打造算法芯片協同發展的技術基礎設施

為了推動訓練框架和AI芯片的協同發展，商湯將算法分解成為各種算子，并告知開發者哪些算子在整個算法層、應用場景層最為重要。通過這樣的引導，可以幫助行業伙伴將有限的算力資源應用到真正有價值的業務場景當中。

在技術層面，商湯構建了兩套標準化體系，其一是算法的分級體系，另一個是標準算子接口體系。

針對算法分級體系的構建，商湯根據社區反饋，從影響力、性能、部署廣度等多重維度，初步將算法分成 P0、P1、P2三個級別：

P0級是任何芯片必須完全支持的算法；

P1級是在業務場景里使用較多，但并不是完全必需的算法；

P2級是使用和關注度都相對較少的算法。

基于算法的分級，商湯“以業務應用為導向，以算法為抓手”，形成了一整套面向訓練框架、推理引擎、訓練芯片、集群環境的適配和評測體系，從而給予下游的軟件和芯片廠商一個非常明確、清晰的優化適配指引。

針對標準算子接口體系，商湯根據算法的導引，將標準化之后的算子提取出來。在這之中，商湯已經完成了兩項重要工作：

其一是統一算子接口和函數簽名，包含算子接口和輸入輸出等信息；

其二是一致性測試套件，包括標準化的測試用例以及相關的工具體系，可以校驗算子的正確性，評測在不同環境、不同配置下的執行效率。

這兩項工作為評測不同芯片提供了一個標準化的抓手。這套技術層面的基礎設施，可以促進產業協同向前。此外，如今的適配方式與傳統方式相比也有很大優勢。傳統芯片與框架一對一適配的方式，其經驗很難在跨芯片或跨場景中復用。商湯基于標準算子接口體系的芯片-框架多對多的適配流程，可以將溝通成本、工作難度、適配工作量降到最低。一次性可接入數百種標準算子接口，通過一致性測試，能夠自動適配到不同的算法和芯片上面，實現更快迭代。未來，商湯將致力于通過更多人工智能技術上的構建，積極促成產業上下游的合作協同，助力更高效從芯片到價值閉環的打通。