三大關鍵詞解讀AICC：發展趨勢、創新計算與產業升級

幾天前，以時政、民生內容見長的《南方周末》刊登了一組關於人工智慧的文章，詳細介紹了目前在人工智慧領域的進展，以及人工智慧對各行各業的影響，還探討了未來如何與人工智慧和諧共存等話題。

放在幾年前，這似乎是不可想象的，人工智慧的火爆程度由此可見一斑。確實如此，如今包括語音識別、人臉識別、自動駕駛、無人機、智能機器人在內的一大波以人工智慧為依託的新技術以及新應用，好像一夜之間在迎來了爆炸式生長。

那麼，在人工智慧未來落地的過程中，如何利用技術創新走向新的制高點？同時，在人工智慧的浪潮之下，計算領域將迎來哪些新的改變？哪些行業又將受到巨大的影響和衝擊呢？

在這種大背景之下，由工程院信息與電子工程學部主辦、浪潮集團承辦的首屆人工智慧計算大會（AICC）將於9月7日在北京舉行，來自人工智慧各領域的領先科技公司、創業團隊、研究應用機構的近千名專家和代表將參加大會。

據了解，本次大會將以「創新計算賦能AI」為主題，圍繞AI當下需求及未來發展，從計算創新著眼，聯合從事AI計算及應用的公司、用戶、專家、開發者共同打造探討促進AI計算的交流合作平台，推動AI產業的可持續發展。

毫無疑問，這是一場近距離了解和觀察國內人工智慧現狀和趨勢的重量級會議，值得共同的參與和期待，下面就讓我們通過三大關鍵詞，一起解讀本次AICC的精彩看點和重要價值。

關鍵詞之一：發展趨勢

實際上，如果我們以政策、資本、技術這三個維度來看待的人工智慧產業發展，不難得出這樣一個結論，那就是人工智慧確實已經登上了技術創新的舞台。

一是，從政策角度看，7月20日，國務院正式印發《新一代人工智慧發展規劃》，明確提出了人工智慧「三步走」戰略、八大關鍵技術研究、數十個產業落地、AI人才的培養和引進、以及成立人工智慧規劃推進辦公室等戰略規劃，也說明了人工智慧已經從國家戰略層面登上了技術創新的舞台。

按照規劃安排，未來要初步建成人工智慧技術標準、服務體系和產業生態鏈，培育若干全球領先的人工智慧骨幹企業，人工智慧核心產業規模超過1500億元，並帶動相關產業規模超過1萬億元。

二是，從資本角度看，根據烏鎮智庫發布《烏鎮指數：全球人工智慧發展報告（2017）》稱，2000-2016年，人工智慧企業數累計增長1477家，融資規模累計達27.6億美元。

數據顯示，人工智慧市場正在越來越熱，2014-2016年三年新增人工智慧企業數量占累計總數的55.38%，融資規模佔總數的93.59%。顯然，這樣的數據表現向我們傳達出的信息是，人工智慧的公司正受到資本的青睞。

三是，從技術角度看，不論是阿里巴巴、京東這樣的互聯網巨頭還是眾多的創業公司，的企業都在以最快的速度建設著自己的數據中心。同時，還湧現出包括浪潮在內的一大批計算力的提供商，為人工智慧的發展提供了充足的計算能力。

此外，在數據領域還有著極為領先的優勢。僅僅在日常生活中，近14億的人口就能產生比全球所有其他國家更多的數據，即使是針對某種罕見疾病，也有足夠的樣本來供演算法學習如何診斷等等。

由此可見，在發展人工智慧方面無疑具備了領跑優勢，為發展人工智慧打下了堅實的基礎。那麼，它未來將如何改變？我們又將如何利用人工智慧的技術創新走向新的創新制高點呢？

為此，在AICC大會上，包括工程院王恩東院士、李德毅院士、微軟技術院士黃學東、集群超算架構創始人Thomas Sterling、浪潮副總裁胡雷鈞、國家超算無錫中心主任楊廣文，百度人工智慧技術委員會主席朱勇、曠視科技首席科學家孫劍、香港浸會大學副教授褚曉文、Uber機器學習主任王魯明等業界專家將出席本次大會，並帶來人工智慧計算與應用的精彩前沿報告，深度解讀人工智慧未來的發展趨勢。

關鍵詞之二：創新計算

我們知道，人工智慧的三大要素是演算法、數據和計算。過去，人工智慧相對發展緩慢，重要的原因就是在上面三個領域一直無法實現突破。換句話說，大量數據無法有效利用、計算能力的不足以及演算法的不完善是制約人工智慧發展的「三座大山」。

首先，在計算層面，人工智慧對於計算的要求確實不同於以往的應用需求，如何為人工智慧應用提供源源不斷的「動力」是業界的一大挑戰。

更具體來說，從技術層面看，深度學習需要大量的樣本進行訓練，以圖像分析為例，它的樣本量級大約為百億級，而語音分析也達到了十萬小時級，隨著AI的應用越來越廣，訓練數據的樣本量越來越大，對并行存儲容量和帶寬提出了很大挑戰。

因此，從高性能計算能力支撐來講，深度學習需要高容量、高帶寬的并行存儲，高帶寬、低延時的互聯網路，需要更大規模的GPU集群，同時需要專用的神經網路晶元等等。

此外，對於線下訓練平台，其數據量非常大，往往能夠達到PB級，計算和通信十分密集，由於深度神經網路（DNN）、循環神經網路（RNN）、卷積神經網路（CNN）等演算法往往可擴展性不高，那麼就需要在節點內進行高效計算。因此，GPU/MIC異構并行計算的技術架構成為了高性能線下深度學習平台的未來方向。

而對於線上識別平台，常常伴隨著億萬級別的用戶和用戶請求，需要成千上萬個節點，實時響應，這就要求線上平台需要低功耗並且高性能，他們大多採用雲計算方式運行。那麼，FPGA的異構計算模式因低功耗、高性能、易編程等特點，就成為了深度學習的首選。而為了更好地應對不同的深度學習系統、不同用戶的需求、不同的深度學習應用，就需要一個高性能服務平台等。

其次，在演算法和數據方面，我們處於一個大數據的時代，結構化數據、非機構化數據、互聯網數據、業務數據等交織在一起，如何在人工智慧時代挖掘數據價值也是一大挑戰。同時，機器學習的演算法框架有很多，比如TensorFlow、MxNet、Caffe、Torch、Theano等，這也需要因地制宜的進行選擇。

針對這些難題，AICC大會特別開設了AI+計算創新分論壇，聚焦當前AI最前沿的計算創新技術，話題涉及AI計算系統、AI雲、深度學習框架、存儲技術、高速網路、終端晶元等方面，將由國內頂級AI企業的一線技術領袖帶來出色分享。

不僅如此，AI+ HPC融合分論壇也邀請到了高校科研、醫療、AI企業的學者和專家，分享他們採用深度神經網路+數據+高性能計算的模式的應用經驗，無疑值得外界期待。

關鍵詞之三：產業升級

毫無疑問，今天，人類已經站在了第四次工業革命的起點之上，其主要的驅動力來自於信息技術的不斷突破，特別是隨著雲計算，大數據、人工智慧的大發展，將徹底改變人類的生活、生產和商業方式，進而驅動經濟實現新一輪快速增長。

尤其是在，由於線上線下生態及場景遠比其他國家豐富、多元，經濟中結構性的差異，以及細分行業中不同的應用場景需求，都給了以人工智慧等新技術創新以巨大的想象力。與此同時，一個進一步走向開放的，整個社會裡仍然存在的各種信息和技術壁壘，也成為了人工智慧技術創新的最大機遇期。

從這個角度來說，「人工智慧+」將成為新業態。具體來說，在金融行業，人工智慧的應用場景就包括風險監測、反欺詐、信用評估；在製造行業，工業物聯網+實時數據分析則可用於故障診斷、個性化定製等。

不僅如此，在醫療行業，利用深度學習等技術可進行診療圖像處理、輔助診斷應用，未來還可以從就診前交互環節向下延伸至臨床診療、精準用藥，向上拓展至新葯研發環節；在物流行業，倉儲及物流環節的無人車、無人機也正在成為潮流等。

根據IDC的報告，未來三年，人工智慧市場的複合年增產率將超過50%，到2020年人工智慧市場的規模將到達150.2億人民幣，其中政府、金融、醫療、製造等行業將佔整體人工智慧應用市場規模的一半份額以上。

全球最大的諮詢公司埃森哲也在一份報告中分析，人工智慧將對15個行業帶來經濟影響。其中，製造業獲益最多，其次為農林漁業和零售業。到2035年，人工智慧將推動這三大行業的年增長率分別為2%、1.8%和1.7%。

關鍵的是，人工智慧未來將全面影響企業的核心競爭力。例如，人工智慧技術在企業中將全面應用到IT運營、OT運營自動化中，以數據和智能連接客戶，連接產品，連接資產。更關鍵的是，隨著智能硬體、智能家居、消費級機器人、智能駕駛汽車等大量新應用的出現，未來多種形態的人機交互方式也將帶來更多的商機。

值得一提的是，AICC大會特別安排了阿里、騰訊、、科大訊飛、美團點評、蘇寧、移動等企業嘉賓分享他們在人工智慧計算領域的心得體會以及經驗思考，對於那些希望藉助人工智慧實現轉型和升級的企業而言，無疑有著重要的參考價值。

不僅如此，在正式會議的前一天9月6日，大會主辦方和英特爾、英偉達展開合作，還將舉辦人工智慧計算技術的專業培訓，內容涉及OpenCL、CNN、FPGA、深度學習、GPU計算等技術應用以及ImageNet競賽經典模型和TensorFlow圖像識別實踐，也是人工智慧計算領域專業人士不可錯過的一次綜合培訓機會。