首页 > 云计算基础架构产品与方案 > 云计算新闻 > 新闻详细

【观察】2016年,浪潮的人工智能布局与进展

发布时间: 2017年01月22日

2016年是人工智能的“黄金年”

无论是技术精英还是普通百姓

企业精英亦或国家领袖

都将目光投向了深度学习、自动驾驶

等一系列人工智能前沿技术

SO,这一年

围绕人工智能的计算平台

浪潮都有哪些布局与进展?

2016,人工智能火出天际!

有人说是炒作,有人说是不可阻挡的科技进步,更有人说是未来10年产业创新的巨大风口。不管怎么认识它,过去一年大家都肯定被这个词刷屏了,它就是人工智能。

2016年,“AlphaGo”在人机围棋大赛中的风光无两,标志着人工智能和深度学习已经迈上了一个新的台阶。尤其是深度学习技术的显著进步,让数十年前就已经提出的“人工智能”迎来了新的爆发期。

统计显示,目前全球有近千家人工智能公司,覆盖到62个国家的语音识别、手势控制、虚拟私人助手、语音翻译和智能机器人等十余个产业,基础技术、人工智能技术、人工智能应用构成了人工智能产业链的三个核心环节,而国内涉及人工智能领域的公司也早已破百。

可以说,不论是国外还是国内的科技巨头、创业公司乃至风投机构,都在布局人工智能这条产业链,以寻求占得人工智能市场一席之地。

作为亲历一线的参与者,浪潮集团高性能计算总经理刘军对此感同身受。“过去一年,来自人工智能和机器学习的需求大涨,增长速度非常之快,发展已经超出了公司业务的规划速度,造成很多时候来不及做出快速反应。”

浪潮助力BAT发展人工智能

作为第四次工业革命的技术代表,人工智能有望为中国在新一轮技术创新大潮中后来居上、实现“弯道超车”提供重要的突破口。因此,推动人工智能技术商业化落地,已成为浪潮在2017年的新角色担当和历史使命。

浪潮集团高性能计算总经理刘军

刘军表示,目前中国互联网BAT三巨头都是浪潮深度学习服务器和解决方案的第一大用户群。

针对这些互联网巨头的应用,浪潮和对方联手开发了GPU超算服务器,支撑图像识别、语音助理、以图搜图等人工智能应用;同时,还联合建设了全球领先的大数据与高性能计算中心,建立了天蝎整机柜数据中心标准,实现单日交付10000节点;此外,浪潮还是某互联网公司大数据与高性能技术的创新合作伙伴,实现了其超大规模大数据处理性能。

此外,浪潮也和目前炙手可热的智能语音技术提供商科大讯飞,展开了相关的合作,对外发布了一套面向深度学习、基于AlteraArria 10 FPGA平台、采用OpenCL开发语言进行并行化设计和优化的深度学习DNN的语音识别方案。在实际深度学习DNN应用的验证中,此方案在提升性能、节省功耗的同时,实现了OpenCL易编程性的印证。

不仅如此,通过与浪潮的合作,东方地球物理(BGP)也成功完成对具有独立知识产权GeoEast软件中的SOM多属性聚类解释模块的并行算法开发和优化。优化后的SOM算法较原有算法,计算时间缩短6倍,同时也解决了串行版本由于内存空间不足,无法进行大规模数据处理的问题。

由此可见,人工智能代表了新兴的超级生产力,浪潮也正在感受着人工智能带来的技术红利。对此,刘军认为,在人工智能成为新风口之际,已经走在技术前沿的浪潮更是要让各行各业,都能感受到人工智能带来的价值,用人工智能为中国的产业升级发展赋予新的力量。

浪潮的人工智能三大布局

对于浪潮在人工智能方面的布局,刘军有一个十分形象的比喻。他认为,GPU、CPU和FPGA是不同型号的“发动机”、ClusterEngine是“变速箱”、开源框架是“车轮”、大数据是“汽油”,浪潮就是“整车设计生产厂”,具体来说:

首先, GPU、CPU和FPGA可以看做是不同型号的“发动机”。在GPU方面,去年11月份,在美国盐湖城举办的SC16上,浪潮发布了深度学习一体机D1000。

值得一提的是,6节点D1000产品方案在配置24块Tesla M40 GPU,并部署Caffe-MPI,训练GoogLeNet(Inception V1)网络,每秒可以处理2000张图片,在短短18小时内将GoogLeNet网络的精确度提高至78%。随着训练时间的增加,Caffe-MPI的正确率也将进一步提升。

在CPU方面,此外,去年6月在德国法兰克福举行的ISC16上,浪潮和英特尔联合宣布启动一项代号为“Keep”的试用体验计划,双方将共同建立基于全新KNL技术的、开放的高性能计算系统,帮助更多高性能计算和深度学习用户在KNL上完成应用测试、迁移及优化。

在FPGA方面,同样在SC16上,浪潮与英特尔发布了合作研发的FPGA加速卡F10A,这是目前业界支持OpenCL的最高密度、最高性能的FPGA加速设备。特特别是F10A支持2个10Gb光口,可以实现数据直接从网络到板卡处理,无需经过CPU从而大幅减低了传输延时。

此前,浪潮与科大讯飞、Altera成功将FPGA芯片应用于智能语音线上识别领域,较CPU性能加速2.871倍,而功耗相当于CPU的15.7%,性能功耗比提升18倍。

其次,在“变速箱”ClusterEngine部分,针对深度学习大数据和高性能计算融合的应用特点,浪潮ClusterEngine高性能计算服务平台也进行了升级,兼容MPI、Hadoop、HBase的浪潮ClusterEngine,可以同时支持高性能计算和大数据的作业管理等。

最后,在“车轮”开源框架部分,早在去年4月份举办的GTC16大会上,浪潮开源发布了新一代并行深度学习计算框架Caffe-MPI。新版本增加了对cuDNN库的支持,使程序开发人员能够轻松实现高性能深度学习代码的开发,其在4节点下16卡的性能较单卡提升13倍。

据了解,该并行caffe计算框架基于伯克利实验室的caffe架构进行开发,完全保留了原始caffe架构的特性,即:纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口等多种编程方式,具备上手快、速度快、模块化、开放性等众多特性,为用户提供了最佳的应用体验。

2016年4月浪潮在美发布新一代Caffe-MPI

值得一提的是,浪潮Caffe-MPI开源社区已受到中国、印度、美国等众多公司和研究机构的关注,并且有多家海外公司与浪潮展开应用细节探讨。

刘军强调,在深度学习并行框架完善上,浪潮将持续加大对Caffe-MPI开源社区的投入,吸引更多的开发者和用户参与社区建设,并推动其成为伯克利实验室官方认定的并行开源版本。

不难看出,目前围绕人工智能的计算平台,浪潮从硬件基础设施创新、系统优化能力强化与并行框架完善三方面入手,推动异构技术在深度学习领域的全球化应用与生态环境的完善,由此构建了自身的强大竞争力。

如何推动技术商业化中国落地?

当然,刘军也认为,虽然人工智能在中国发展很快,但处在“风口浪尖”的大部分是以互联网巨头为主,对于很多正处于转型的大部分中国企业而言,他们其实也处在需要人工智能技术服务来加快信息化建设的关键时刻,在自身没有技术优势和人工智能技术基因的情况下,发展就会受到很大的限制。

因此,浪潮有责任也有义务,推动人工智能技术商业化中国落地之路,让技术和产业交汇后,诸多中国的企业也能受益人工智能的普及带来的价值。

第一,推动中国企业“因地制宜”的采用人工智能技术。为此,浪潮在Inspur-NVIDIA云超算应用创新中心和Inspur-Intel并行计算实验室基础上,组建专门的深度学习团队,针对不同行业对深度学习计算平台的需求,开发个性化的解决方案。

第二,为了提高中国在人工智能领域的整体竞争力,浪潮还连续多年举办深度学习培训营,培养大批的“维修工”和“驾驶员”。值得一提的是,浪潮还和投资机构合作,为培训营中的不少新创公司“牵线搭桥”,创造投资机会。

第三,除了培训营的方式,浪潮每年还汇聚国内外多个超算中心、高校、专家共同举办ASC世界大学生超级计算机竞赛。比如ASC17大赛的比赛项目中,浪潮就和某互联网公司引入涉及无人车中的智能交通的参赛题目,培养大学生对人工智能应用的认识和参与兴趣。

综上所述,未来技术竞争的维度正在悄然发生改变,人工智能正是“看不见的竞争力”。我相信,人工智能技术应用的范围大小,将是中国企业未来决胜的关键因素。在这个过程中,需要越来越多浪潮这样公司的加入,这样才会让人工智能技术迅速产生价值,并形成正向循环。

©1996 - 2019 INSPUR Co., Ltd. 鲁ICP备05019369号