9月12日,浪潮集团联合IDC研究发布《中国AI计算力发展报告》,报告显示,去年中国AI投资增长10倍,北京的AI算力不敌杭州,屈居第二,同时AI计算还面临这四大问题。
业内唯一以“AI计算”为核心的人工智能大会昨天发布了一份重要报告。
9月12日,《中国AI计算力发展报告》摘要版在2018 AICC人工智能计算大会上正式对外公布。
这份报告由浪潮集团联合IDC研究发布,报告中值得关注的地方是,北京的AI算力仅排第二,杭州成为第一;去年一年AI投资增长10倍;生物识别和智慧城市领域面临大爆发机会。
这份报告旨在通过对中国AI计算力发展的综合评估,包含计算力的区域分布和行业分布,清晰呈现中国AI产业发展趋势、行业现状和典型的应用,并对到2025年即将成熟的 AI 典型应用场景进行展望,值得收藏。
除此之外,浪潮还在会上全球首发AI 超级服务器——AGX-5,这款服务器计算性能高达每秒2千万亿次,能够在8U的空间里有16颗最新的板卡高速互联,是目前全球最强大的AI计算主机之一。AGX-5的研发也是浪潮在计算量剧增的挑战之下,追求更高研发效力的新成果。
以下是《2018中国AI计算力发展报告》和人工智能计算大会的精彩看点:
AI依旧大爆发:去年投资增长10倍,算力提高230%
报告显示,得益于数据量的爆发式增长、机器/深度学习新算法的出现和计算力的提升,人工智能于2017年开始进入爆发阶段。
围绕AI的各类融资、投资和估值也达到了历史顶峰。在2017年,对于AI的投资增长 10 倍,算力提高 230.7%,数据量增加 50%。
而数据的爆发式增长为人工智能提供了充分的“养料”。据IDC预测,到2025年,全球数据总量将从2017年的20.9ZB攀升到163ZB,年均复合增长率将达到29%左右。
当AI投资往上走,对AI计算基础设施的需求也快速增长。2016年至2021年,AI投资和算力均呈现上升趋势。
其中,AI 消费市场规模将以 24.7% 的速度从 2017 年的 12.313 亿美元增长至2021 年的58.983 亿美元;GPU 市场规模将以 17% 的速度从2017年的 5.6449 亿美元增长至 2022 年的34.0803 亿美元。
回顾2017年全年, AI 投资年复合增长率和算力的年复合增长率均出现了最高点,分别为414.3%和230.7%,这也是2017年被称为中国AI元年的原因之一。
中国AI计算力区域不均衡:Top10城市东部占半数,北京位居第二
其中,AI 消费市场规模将以 24.7% 的速度从 2017 年的 12.313 亿美元增长至2021 年的58.983 亿美元;GPU 市场规模将以 17% 的速度从2017年的 5.6449 亿美元增长至 2022 年的34.0803 亿美元。
回顾2017年全年, AI 投资年复合增长率和算力的年复合增长率均出现了最高点,分别为414.3%和230.7%,这也是2017年被称为中国AI元年的原因之一。
中国AI计算力区域不均衡:Top10城市东部占半数,北京位居第二
在进行中国AI计算力发展时,浪潮综合考虑算力、算法、数据对于人工智能发展的影响,重点评估AI领域的投资和供给,行业和区域,需求和应用,潜力和趋势四个主要维度,并得出了关键研究结论。
首先,从城市来看,中国几大城市在AI上面的投入和计算力的竞争相当激烈。在AI计算力城市发展排名前五位的城市是杭州、北京、深圳、上海、合肥,处于AI计算发展的第一阵营。成都、重庆、武汉、广州、贵阳位列AI发展的第二阵营(排名不分先后)。
报告显示,在这些城市中,当地成熟的市场环境以及良好的产业政策为人工智能的发展奠定了坚实的基础,特别是位居前三位的杭州、北京、深圳已经聚集了一大批AI领域的高科技公司,形成了良好的AI创业创新氛围。
报告显示,在这些城市中,当地成熟的市场环境以及良好的产业政策为人工智能的发展奠定了坚实的基础,特别是位居前三位的杭州、北京、深圳已经聚集了一大批AI领域的高科技公司,形成了良好的AI创业创新氛围。
然而,从区域分布来看,华东、华南、华北地区位居前三位,总体来看东部地区AI发展程度高于西部地区,西南,西北地区发展程度最低。
未来2年的商业机会:生物识别和智慧城市
目前来看,中国人工智能已经在互联网、政府、医疗和金融等多个垂直领域得到应用,AI计算TOP行业包括互联网行业,应用场景有搜索引擎、电商用户行为分析;政府部门则主要用于公共安全和公共服务;医疗行业用于疾病预测诊断、信用风险管理;金融行业则用于知识管理和生成、在线业务人脸识别等。
预计未来2-3年,人工智能在生物识别和智慧城市建设领域的应用将会率先步入商业应用的成熟期;预计在未来5-10年,人工智能产业在智能家居和工业制造领域的应用也将逐步步入高速发展的产业窗口。
浪潮集团AI&HPC总经理刘军解读称:在未来的五年里,我们会看到来自于新兴经济AI的赋能进入一个爬坡阶段,例如智能制造中的智能工厂和QC自动化会得到快速发展。
AI计算面临四大挑战,异构计算结合云解决算力问题
随着人工智能与计算的融合发展趋势不断加强,AI计算在此过程中也遇到了挑战,这份报告针对中国AI计算力的现状给予了建议。
浪潮集团AI&HPC总经理刘军解读称:在未来的五年里,我们会看到来自于新兴经济AI的赋能进入一个爬坡阶段,例如智能制造中的智能工厂和QC自动化会得到快速发展。
AI计算面临四大挑战,异构计算结合云解决算力问题
随着人工智能与计算的融合发展趋势不断加强,AI计算在此过程中也遇到了挑战,这份报告针对中国AI计算力的现状给予了建议。
目前中国AI计算发展面临着四大挑战:
首先,算力的发展并未达到需求。报告建议通过异构计算和云的结合来解决算力的问题;
其次,数据量仍有限。报告指出可以采用数据共享+整合的方法来解决这一问题;
另外,AI计算力在从实验室到实际应用的过程中还存在着很多问题,这需要能力输出与生态建设作为支撑;
最后,从应用场景到提供完善的行业解决方案之间仍存在着差距,这份报告指出若想缩小距离实现跃进,则需要准确的行业洞察和痛点分析。
目前最强AI超级服务器AGX-5发布,每秒提供AI计算两千万次
其实在整个AI计算领域,从整个产业来看,过去这些年许多人工智能企业已经注意到产业发展发生了比较大的变化,这里面就包含非常重要的技术变迁,刘军提出了三个重要的变化趋势:
•在AI的应用研发周期上,业内希望尽可能地缩短研发周期,提升创新效率,因此大家越来越关注 AutoML,试图通过自动化的方式寻找最适合的模型,用机器的计算力替代掉原本要消耗很多人力的时间;
•在AI应用要上线部署时,如何节省线上运营成本成为企业越来越关注的重点,可定制的计算成为大家愈发重视的技术;
•当AI成为企业整个研发中举足轻重的部分时,越来越多的客户希望把AI和已有的IT技术设施进行整合集成,这是AI+云的变化。
在分享《中国AI计算力发展报告》后,刘军针对这几大趋势明确表示,如今浪潮面临的挑战是“如何在这样一个计算量剧增的环境下获得更高的研发效力”。
在此影响下,针对AutoML的兴起,浪潮在大会上全球首发 AI 超级服务器——AGX-5。
AGX-5是目前全球最强大的AI计算主机之一,刘军说,它是目前能够在8U的空间里有16颗最新的板卡高速互联,每秒提供AI计算两千万次。在强有力的支撑上,AGX-5可以把16块GPU实现全局共享,实现高速互联,使得它在AI计算的性能大幅度提升,在做一些AI推荐和机器翻译的时候,会比其他架构的16颗GPU的性能提升到2.7倍以上。
技术变迁固然是重大挑战之一,刘军还表示:“我们发现最大的挑战不是技术,技术仅仅完成工作的10%,后面的工作则是来自整个生态的挑战。”
如果我们现在所看到的所有与AI有关的机会仅仅是冰山在海面上的10%,那么剩下90%的行业市场怎么打开,或许将成为整个产业链中最大的挑战。没有充足的人力资源、没有充足的合作伙伴和完善的体系,这将如何来支撑规模如此庞大的AI转型?这一问题得深思。
首先,算力的发展并未达到需求。报告建议通过异构计算和云的结合来解决算力的问题;
其次,数据量仍有限。报告指出可以采用数据共享+整合的方法来解决这一问题;
另外,AI计算力在从实验室到实际应用的过程中还存在着很多问题,这需要能力输出与生态建设作为支撑;
最后,从应用场景到提供完善的行业解决方案之间仍存在着差距,这份报告指出若想缩小距离实现跃进,则需要准确的行业洞察和痛点分析。
目前最强AI超级服务器AGX-5发布,每秒提供AI计算两千万次
其实在整个AI计算领域,从整个产业来看,过去这些年许多人工智能企业已经注意到产业发展发生了比较大的变化,这里面就包含非常重要的技术变迁,刘军提出了三个重要的变化趋势:
•在AI的应用研发周期上,业内希望尽可能地缩短研发周期,提升创新效率,因此大家越来越关注 AutoML,试图通过自动化的方式寻找最适合的模型,用机器的计算力替代掉原本要消耗很多人力的时间;
•在AI应用要上线部署时,如何节省线上运营成本成为企业越来越关注的重点,可定制的计算成为大家愈发重视的技术;
•当AI成为企业整个研发中举足轻重的部分时,越来越多的客户希望把AI和已有的IT技术设施进行整合集成,这是AI+云的变化。
在分享《中国AI计算力发展报告》后,刘军针对这几大趋势明确表示,如今浪潮面临的挑战是“如何在这样一个计算量剧增的环境下获得更高的研发效力”。
在此影响下,针对AutoML的兴起,浪潮在大会上全球首发 AI 超级服务器——AGX-5。
AGX-5是目前全球最强大的AI计算主机之一,刘军说,它是目前能够在8U的空间里有16颗最新的板卡高速互联,每秒提供AI计算两千万次。在强有力的支撑上,AGX-5可以把16块GPU实现全局共享,实现高速互联,使得它在AI计算的性能大幅度提升,在做一些AI推荐和机器翻译的时候,会比其他架构的16颗GPU的性能提升到2.7倍以上。
技术变迁固然是重大挑战之一,刘军还表示:“我们发现最大的挑战不是技术,技术仅仅完成工作的10%,后面的工作则是来自整个生态的挑战。”
如果我们现在所看到的所有与AI有关的机会仅仅是冰山在海面上的10%,那么剩下90%的行业市场怎么打开,或许将成为整个产业链中最大的挑战。没有充足的人力资源、没有充足的合作伙伴和完善的体系,这将如何来支撑规模如此庞大的AI转型?这一问题得深思。
责任编辑:张迪
相关推荐
AI芯片创业潮生存真相:等其他人死了 活下来就成功
8月上旬,深鉴科技CEO姚颂出现在北京一场以科技创新趋势为主题的小规模交流会中。 姚颂今年25岁,是国内人工智能芯片领域冉冉升起的新星。两年半前,他与在清华的导师、学长共同创立深鉴科技,专注于深度学习加速解决方案的研发。创立后在A轮融资中得到了赛灵思、蚂蚁金服、联发科等知名产业资本的投资。 就在20多天前,深鉴科技突然宣布被芯片