圖片來源@視覺中國

國內(nèi)人工智能領(lǐng)域正在技術(shù)落地階段展開新一輪的較量。

對于頭部 AI 公司來說，“場景之爭”正如火如荼——以視覺識別領(lǐng)域?yàn)槔诮鹑陬I(lǐng)域，云從科技已經(jīng)拿下超過80%的國有銀行訂單；手機(jī)市場，商湯與曠視正在瓜分 OPPO、vivo、小米等廠商；而規(guī)模最為龐大的安防領(lǐng)域，也出現(xiàn)了商湯、云從、依圖三國鼎立，小廠商夾縫求生的景象。

而在越來越多的場景“AI 化”之后，原有的技術(shù)架構(gòu)暴露出的不適應(yīng)性，則成為倒逼人工智能企業(yè)更新底層技術(shù)方案的客觀力量。

相隔不到一月，9月20日與10月10日，阿里巴巴與華為分別拋下 AI 領(lǐng)域的重磅炸彈，前者宣布啟動“達(dá)爾文計劃”，成立獨(dú)立芯片公司“平頭哥”；后者發(fā)布“達(dá)芬奇項目”，現(xiàn)場亮出昇騰910和昇騰310兩款A(yù)I芯片。

縱觀兩家科技巨頭的 AI 方案，不論是“達(dá)爾文”還是“達(dá)芬奇”，單點(diǎn)式的 AI 技術(shù)已不再是呈現(xiàn)重點(diǎn)，取而代之的，是將 AI 與云服務(wù)、數(shù)據(jù)中臺、芯片、基站等模塊進(jìn)行結(jié)合，生成“全棧 AI”方案，讓 AI 以更具象、更低門檻、更產(chǎn)品化的方式進(jìn)入企業(yè)場景。

AI 為何要“全棧”？

不論是華為還是阿里，全棧 AI 的方案提出并不是空穴來風(fēng)，而是來自市場需求的真實(shí)反映。對于所有云計算廠商來說，AI的橫空出世其實(shí)解答了長期以來的一個問題——“企業(yè)為什么要上云？”

對于為數(shù)眾多的傳統(tǒng)企業(yè)而言，并不是簡單把服務(wù)器從自己的機(jī)房搬到云服務(wù)商的機(jī)房就完成了上云，這一轉(zhuǎn)換需要強(qiáng)有力的場景來拉動，而AI所需要的彈性海量的算力，以及帶來巨大的顛覆性正好完美契合了這個需求。換句話說，云就是AI最適合的交付方式。

但一個必須承認(rèn)的事實(shí)是，盡管業(yè)界討論 AI 的聲量愈加明顯，但真正實(shí)現(xiàn) AI 落地的場景依然有限。華為輪值董事長徐直軍公布的一份數(shù)據(jù)顯示：只有4% 的企業(yè)已經(jīng)投資或部署了AI；約5% 部署的智慧城市中正在使用AI；2017年只有約10%的智能手機(jī)內(nèi)置了AI。

華為輪值總裁徐直軍手持華為昇騰(Ascend)芯片登場

談及華為的全棧 AI 戰(zhàn)略，華為云總裁鄭葉來始終離不開一個詞“普惠 AI ”。

“今天的 AI 開發(fā)者面臨兩個難題，一個是慢，一個是貴。”鄭葉來說。

慢，指的是 AI 部署慢、訓(xùn)練慢。從升級服務(wù)器與數(shù)據(jù)庫，到搭建機(jī)器學(xué)習(xí)平臺，輸入數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，讓機(jī)器逐漸掌握人類具備的推理、反應(yīng)等功能，對于一般企業(yè)來說，少則數(shù)月，多則數(shù)年。

貴，指的是設(shè)備貴、人才貴。不論是高通、英偉達(dá)的芯片還是 IBM 的小型機(jī)，作為訓(xùn)練人工智能的底層基礎(chǔ)設(shè)施，動輒百萬的設(shè)備費(fèi)用成為 AI 方案落地企業(yè)的絆腳石；至于人才貴，從華為公布的全球人才占比可見一斑：

可以說，全棧 AI 并不是某個企業(yè)空想出的解決方案，而是在 AI “又貴又慢”的發(fā)展現(xiàn)狀下，被迫從人工智能整條產(chǎn)業(yè)鏈進(jìn)行重整的改革方式。

如何理解“全棧 AI”？

以華為為例，外界聚焦的兩款芯片只是華為 AI 戰(zhàn)略中的一環(huán)。華為輪值董事長徐直軍按照基礎(chǔ)研究、全棧 AI、開放生態(tài)、AI 思維與內(nèi)部效率為基準(zhǔn)，將華為的 AI 戰(zhàn)略分為五大方向，具體結(jié)構(gòu)為：

• 底層是以芯片為代表的硬件：包含Max、Mini、Lite、Tiny和Nano五個系列的華為昇騰(Ascend)芯片家族，其中，已經(jīng)推出的昇騰910屬于Max系列，昇騰310屬于Mini系列。
• 中層是算法以及機(jī)器學(xué)習(xí)平臺：支持云端、邊緣、云的統(tǒng)一訓(xùn)練和TensorFlow、PyTorch等主流推理框架MindSpore，以及芯片算子庫和高度自動化算子開發(fā)工具 CANN。
• 上層為應(yīng)用層：由于任正非曾明確表示華為不會涉足應(yīng)用，此次華為采用了PaaS 的方式，推出 ModelArts 全流程服務(wù)，提供分層 API 和預(yù)集成方案，以滿足不同開發(fā)者的需求。

從技術(shù)視角來看，所謂“全棧 AI”，是指包括芯片、芯片使能、訓(xùn)練和推理框架和應(yīng)用使能在內(nèi)的全堆棧方案，而 PaaS、芯片，則成為了用戶可以調(diào)用華為 AI 能力的方式，這就像是一個裝滿了 AI 開發(fā)工具的百寶箱，用戶“開箱”后，就可以很快地上手使用到 AI 能力。

華為的 AI 戰(zhàn)略

舉一個具體的例子，此次華為推出了專門針對視覺開發(fā)領(lǐng)域的開發(fā)者平臺HiLens，當(dāng)中包含一個帶有攝像頭的物理小盒子，背后與華為云計算系統(tǒng)連接，開發(fā)者只要啟動攝像頭，就可以在零售、安防等場合迅速上手人臉識別的能力，這就極大降低了原先的部署門檻。

相比眼下 BAT 以及一眾 AI 公司在金字塔單個或多個層面做出的努力，華為基于自身云業(yè)務(wù)與硬件資源的優(yōu)勢，將 AI 從單點(diǎn)式的技術(shù)形態(tài)，首次完整滲透至公有云、私有云、邊緣計算、物聯(lián)網(wǎng)終端以及消費(fèi)類終端等部署環(huán)境，這類全棧式 AI 的技術(shù)落地形式，也將逐步成為 AI 公司完善底層架構(gòu)時的重要參考標(biāo)準(zhǔn)。

從 AI+云，到全棧 AI 

不論是華為、阿里巴巴還是去年號稱“All in AI ”的百度，一個有趣的現(xiàn)象是，目前能快速響應(yīng)全棧 AI方案的廠商，基本都在云計算領(lǐng)域有著多年深耕經(jīng)驗(yàn)。

對于To B 廠商來說，AI 更像是整套云服務(wù)產(chǎn)品中的一個補(bǔ)充模塊，這在最先染指云計算業(yè)務(wù)的亞馬遜 AI 方案中有著更為完整地體現(xiàn)。

2006 年亞馬遜推出 AWS 云計算服務(wù)時，其宗旨就是將原本造價高昂的云端資源與運(yùn)算能力，用更彈性、經(jīng)濟(jì)的方式分配給中小企業(yè)；到了2015年，亞馬遜開始嘗試將這種資源利用的“民主化”轉(zhuǎn)移到AI產(chǎn)品，具體的做法包括將內(nèi)部一些機(jī)器學(xué)習(xí)的服務(wù)打包，相繼推出 Amazon Machine Learning（機(jī)器學(xué)習(xí)平臺）、Rekognition（圖像識別平臺）、Polly（語音識別平臺）等 AI 應(yīng)用。

與亞馬遜類似，同樣是從電商業(yè)務(wù)延伸至云計算，阿里巴巴的全棧 AI 也發(fā)展得順理成章。

9月下旬的云棲大會，阿里巴巴宣布將今年4月收購的中天微以及旗下的達(dá)摩院芯片團(tuán)隊整合，成立“平頭哥”，預(yù)計明年4月發(fā)布一款嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）芯片。隨著“平頭哥”的剝離，阿里巴巴也明確了旗下云計算、AI 芯片、大數(shù)據(jù)、應(yīng)用業(yè)務(wù)之間的關(guān)系。

阿里巴巴CTO張建鋒

根據(jù)阿里巴巴CTO張建鋒透露，由阿里云承載的電商平臺一天可產(chǎn)生高達(dá) 600Pb的數(shù)據(jù)，達(dá)摩院需要解決數(shù)據(jù)從哪里來以及怎么處理的問題，AI 芯片要為諸如城市大腦、輔助駕駛、自動駕駛等實(shí)際場景提供足夠的端運(yùn)算能力，最終降低阿里云的業(yè)務(wù)成本，由此形成一個正向循環(huán)。

百度則是由“云+AI”轉(zhuǎn)向全棧 AI 的另一典型案例。

2016年7月，百度董事長兼CEO李彥宏發(fā)布了百度云“人工智能+大數(shù)據(jù)+云計算”三位一體的發(fā)展戰(zhàn)略；同年11月，百度總裁張亞勤首次將“云、智、數(shù)”三位一體戰(zhàn)略總結(jié)為ABC（AI，Big Data，Cloud Computing），并表示：“百度 AI 戰(zhàn)略將通過百度云落地各行各業(yè)。”

“從百度內(nèi)部來說，To B 的解決方案全部由百度云的團(tuán)隊提供，包括地圖、車聯(lián)網(wǎng)等數(shù)據(jù)和百度內(nèi)部的AI 能力，所以我們給客戶看到的是一張臉。”百度云副總經(jīng)理李碩曾在接受鈦媒體采訪時說。

從2016年至今，百度云的 ABC 戰(zhàn)略歷經(jīng)三個階段的迭代。從 ABC 1.0時期的技術(shù)整合，到 ABC 2.0 時期對交通、金融、物流等行業(yè)小試牛刀的單點(diǎn)輸出，再到今年百度云 ABC 3.0 進(jìn)一步將百度內(nèi)部超過110種 AI 能力進(jìn)行整合，并以ABC-STACK、ABC一體機(jī)的形式加速交付，可以說，云業(yè)務(wù)已經(jīng)成為了百度對外輸出 AI 的窗口。

AI 一體機(jī)的興起

在 2018 年的 AI 技術(shù)演化中，諸如 AI 芯片、全棧 AI、邊緣計算等技術(shù)理念的革新，意味著 AI 已經(jīng)憑借底層技術(shù)端的突破，一步步降低了上層落地應(yīng)用的門檻。

在這一過程中，還有另一個稍顯晦澀的基礎(chǔ)設(shè)施也煥發(fā)出新的生機(jī)，它就是用以企業(yè)傳輸數(shù)據(jù)、提供算力的底層服務(wù)器“一體機(jī)”。

從2017年開始，一系列人工智能“一體機(jī)”應(yīng)運(yùn)而生，包括百度、網(wǎng)易、依圖、中科睿芯、第四范式等 AI 公司紛紛聯(lián)手浪潮、ARM、華為等硬件廠商，推出基于人工智能落地方案的一體機(jī)。

浪潮與百度合作推出的 AI 一體機(jī)。

第四范式創(chuàng)始人戴文淵曾給鈦媒體打過一個比方：如果將第四范式此前研發(fā)的 AI 平臺“先知”比作一套 Windows 系統(tǒng)，用戶拿到裝載系統(tǒng)的光盤后，還需要在電腦上花力氣解決系統(tǒng)兼容、穩(wěn)定性等問題；而現(xiàn)在的“一體機(jī)”就好比是裝有 AI 能力的 U 盤，即開即用，這就解決了 AI 落地的最后一公里問題。

9月初，第四范式與浪潮商用機(jī)器合作推出 AI 一體機(jī) 4Paradigm AIO，成為市面上首個針對超大規(guī)模數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)計算問題的 AI 一體機(jī)產(chǎn)品。

為了適配 AI 落地的技術(shù)指標(biāo)，浪潮將 AI 一體機(jī)中諸如數(shù)據(jù)傳輸、內(nèi)存帶寬等指標(biāo)進(jìn)行調(diào)優(yōu)，同時支持了Chainer、Tensorflow及Caffe等開源人工智能框架，根據(jù)第四范式官方透露，相比普通服務(wù)器，4Paradigm AIO 整體性能能提升10倍以上。

“傳統(tǒng)服務(wù)器在設(shè)備數(shù)量、部署門檻方面，還是給 AI 落地帶去很多阻礙，我們也一直在軟件層面試圖解決這些問題，最后發(fā)現(xiàn)硬件是繞不開的環(huán)節(jié)。”戴文淵對鈦媒體說。他預(yù)測，未來采用 AI 方案的企業(yè)，AI 一體機(jī)與傳統(tǒng)服務(wù)器的比例將會是10:1。

第四范式創(chuàng)始人戴文淵

可以看出，這類“AI 平臺”+“硬件公司”的軟硬一體組合，將極大降低 AI 方案走進(jìn)企業(yè)場景的門檻，談及兩方在 AI 落地階段的角色分配，浪潮集團(tuán)AI&HPC總經(jīng)理劉軍將浪潮與百度、網(wǎng)易、第四方式等廠商的合作方案總結(jié)為兩個方向。

首先，一體機(jī)為 AI 平臺提供了可供底層支撐的產(chǎn)品載體，這就類似于云業(yè)務(wù)中的計算設(shè)備。“單純的 AI 芯片廠商無法獨(dú)立給客戶提供價值，特別是當(dāng) AI 進(jìn)入行業(yè)后，必須要有服務(wù)器硬件系統(tǒng)作為載體才能運(yùn)行。另外，一體機(jī)不是簡單地軟硬件組合，需要雙方配合進(jìn)行配合、調(diào)優(yōu)、測試、安裝等一系列步驟后才能交付給客戶。”劉軍對鈦媒體說。

其次，當(dāng) AI 從技術(shù)轉(zhuǎn)化為“生意”后，其中涉及的企業(yè)級產(chǎn)品經(jīng)營方法論，并不是百度、網(wǎng)易這類公司具備的，而這恰恰是浪潮這類硬件公司的長處所在。

“在這類 AI 聯(lián)合化的方案中，包括中期交付、軟硬件定制、壓力測試、調(diào)優(yōu)、后續(xù)服務(wù)等環(huán)節(jié)都是企業(yè)級產(chǎn)品需要承載的價值，這個通道不是互聯(lián)網(wǎng)公司熟悉的生意模式，但在我們做企業(yè)傳統(tǒng)服務(wù)器的時候已經(jīng)經(jīng)營很多年了，所以有這個能力可以將AI 的價值賦予到終端。”劉軍談到。（本文首發(fā)鈦媒體，采訪、撰文/蘇建勛）

763人已贊賞 >

敬原創(chuàng)，有鈦度，得贊賞

贊賞支持

0

6

0

掃描下載App