人工智能帶來發(fā)展新范式 成為突破邊界的關鍵

“AI再往下一步發(fā)展，需要一個具備支撐能力的基礎設施，為AI所需要的算力、算法、數據核心三要素提供更加規(guī)?；?、高效率、低成本的基礎支撐?！鄙虦?a target="_blank">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《人工智能基礎設施推動創(chuàng)新新范式》的精彩演講。本文為楊帆演講內容梳理。

人工智能帶來發(fā)展新范式，成為突破邊界的關鍵

當今時代，科技看似跟大多數人有一定的距離，但實際上與每個人息息相關。

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力巨大的提升。后來，又歷經了電氣革命、信息時代。

但最近40年，整個人類基礎科學的演進速度明顯減慢。

那么，如何獲得新的規(guī)?；?、更大體量的科學技術突破，進而引領生產力的進一步提升，生產關系進一步的優(yōu)化?

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

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，得出一些新的結論性結果。

后來隨著機器時代、智能時代的到來，又出現了第三范式：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——僅需給它更多的數據以及初始條件。

近幾年，隨著大數據的升級和演化，出現了第四范式。利用深度學習，讓更多的數據通過機器經驗歸納再進行升級。雖然人們并不太清楚這個數據為什么就能歸納出這樣的結論，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”對一些跨領域的學科和學術領域的前沿創(chuàng)新已經產生了突破。

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

今天，人工智能已幫助在過去困擾人類幾十年的學術問題上逐步取得關鍵性突破。相信未來在更多的技術領域上，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基礎設施：為AI發(fā)展提供規(guī)模化、高效率、低成本的重要基礎支撐

人工智能有三要素：算力、算法和數據。過去十年，隨著人工智能技術的產業(yè)應用，對算力、數據以及模型參數數量的需求，都呈指數爆發(fā)式的增長。

從2014年至今，單一的人工智能模型參數增長了三四十萬倍，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設施。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研發(fā)。

人工智能有一個很明確的杠桿效應：人工智能產業(yè)自身創(chuàng)造的經濟價值，能夠對它所服務和支持的行業(yè)帶來10倍的杠桿。

或者理解為，AI應用2000億的市場，意味著它對整個全產業(yè)經濟帶來了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設施，它為AI所需要的算力、算法、數據核心三要素提供更加規(guī)模化、高效率、低成本的基礎支撐能力，通過這樣的支撐能力，服務各行各業(yè)人工智能應用快速發(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、云服務完全不一樣。傳統(tǒng)云服務提供計算，但存儲占據了更大的比重。而AI基礎設施，計算的占比遠遠大于存儲，還要支持各種不同異構的硬件結構，更依賴專用的硬件和軟件。

所以，我們更需要通用的、開放的、共享的基礎設施。

算法方面，伴隨著AI產業(yè)的發(fā)展，出現了大量高價值的應用場景，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據匯集起來，用一個更大的模型去支撐長尾場景應用上的快速迭代和創(chuàng)新，那么單一技術創(chuàng)新的成本就被極大攤薄了。

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

問題在于，如何把更大的數據量匯聚在一起，以及更加廣泛地使用?這背后需要人工智能基礎設施的支撐。當然也要做好數據安全、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設施——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、數據，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，是迄今為止國內最大的通用人工智能基礎設施。目前已經為長三角區(qū)域大量科研單位和頭部企業(yè)提供算力、數據、算法全領域的核心能力服務，支撐人工智能在廣泛產業(yè)領域應用。

例如，蛋白質的預測、生物醫(yī)藥領域基礎科研的創(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創(chuàng)新……

楊帆說，通過核心基礎設施的匯聚，能夠實現從算力到數據到算法更大規(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，能夠對千行百業(yè)所面臨的各種各樣的應用問題進行大量的創(chuàng)新，快速驅動各個產業(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：人工智能基礎設施推動創(chuàng)新新范式

文章出處：【微信公眾號：商湯科技SenseTime】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅