0
雷锋网按：2018年浪潮服务器年度出货量、销售额全球前三，中国第一，全球增速第一。其中，人工智能服务器全球第一，云服务器全球第一。浪潮是人工智能产业链后端的“隐形”巨头，处于人工智能产业链后端的公司存在感总是不那么明显，每个产业都如此，但借鉴过往，往往是后端决定了行业发展的上限。
浪潮是服务器厂商，IDC数据显示，在2018年上半年中国人工智能基础架构市场，浪潮以51.4%市场份额位居第一。但如果浪潮仅仅是一家服务器厂商，我们也不必对其特别研究，在4月16日举办的IPF2019浪潮云数据中心合作伙伴大会上，浪潮用它的方式阐述了人工智能生态质变。
在人工智能爆发之前，计算力主要来自于x86服务器，围绕x86架构，产业生态已经是一个分工明确，各司其职的完整生态，但是人工智能是个“闯入者”，围绕人工智能的计算力生态需要重构。
浪潮AI&HPC总经理刘军表示，在之前的生态，不管是系统平台厂商、操作系统和数据库厂商，还是上层应用开发商的定位都是非常清晰的，边界明晰，分工明确，各行业都是很成熟的业务生态，大家有一些竞争，但大部分是合作，竞争非常少。
目前基于人工智能的生态则有两个特点，第一个核心主要是在于生态的多样性和不成熟。从数据清理开始，导入算法，通过框架建模，形成一个人工智能的应用，传统客户没办法直接使用人工智能应用，整合复杂性更高。
第二，不确定性更多，现在大部分算法公司脱离实验室和互联网ToC的业务，他们在产品上并不成熟，包括顶尖的CSP公司提供产品依然不成熟，对于商业化公司是不能忍受的。
浪潮认为，人工智能最大的机会是两大块组成，一个是人工智能产业化，另一个是产业人工智能化。
人工智能的产业化，智能音箱属于最典型的代表，人工智能产业化的领导公司主要是百度、阿里、腾讯、科大讯飞、商汤等，把深度学习演化出来的能力应用到语音、图像、视频等识别上，演化出一个新产业的机会。
刘军强调，现有的人工智能产业化并不代表整个人工智能产业的全部，只是冰山浮出海面上的一点，海面下的90%是产业的人工智能化，也就是传统行业用户怎么实现人工智能的转型，这才是最大的市场。
在人工智能领导企业和人工智能使能传统行业转型之间有着巨大的鸿沟，如上图所示，人工智能领域的leader公司有很好的算法能力和人工智能能力，他们在引领人工智能产业化向前。金字塔底是产业人工智能化潜在的市场。
“我们看到现实的情况，在这些传统的行业里，客户对于人工智能的渴望是非常高的，想要人工智能帮助行业转型，但是他们遇到了很大的困难，却没人来告诉你，这个行业应用的人工智能怎么建立，所以他很多时候没有办法直接找到最上游的人工智能领导公司帮他一起做，找百度、阿里、商汤，这是很好的事情，但大家一讨论会发现这个事情没有办法做大，因为大家没有办法少数几家公司应对成千上万的客户，这是大家面临很大的问题”，刘军直言。
为什么会出现一个巨大的反差？原来所有的行业智慧化转型都有一个已经成体系的服务商，完全成体系的服务匹配市场需求，但到了人工智能时代，原来的这些市场角色并没有被人工智能化，所以导致了我们在供给和需求端发生重大偏差，他只好跑到最前面找，最前面的人工智能领导公司本质上并不具备服务成千上万用户的能力，这是一个巨大的鸿沟。
浪潮所要构建的生态，目的就是希望把中间巨大的鸿沟填平，真正使人工智能的能力有机会使能到最终的行业人工智能。
“这是我们看到的非常重要的机会，同时也有比较大的挑战”。机会在于这一市场仍有很大的可塑空间，先行者将得到奖励；挑战在于浪潮如何扮演在生态中的角色，增长自己的价值，以及如何让合作伙伴愿意投入到这个生态，而非其他生态。
我们正处于第三次人工智能浪潮，也是公认最靠谱的一次，人工智能的三要素中，数据是行业客户的，算法的差距在缩小，越来越多的声音认为，算力才是人工智能产业发展的瓶颈。
在第三波人工智能浪潮之前的数年，受制于计算力，传统神经网络的层数一般只有几十层，要提高深度学习模型的精度就要增加层数，层数的提高意味着算力增加，不是线性增长，而是指数级增长，当下算力已经能满足层数几千层的神经网络。
人工智能需要强大计算力来连接芯片提供商、应用提供商、服务提供商和算法提供商，计算力是一切人工智能产业发展的核心，是人工智能产业发展的基石。
有没有一个服务提供商能提供人工智能全栈能力，既包含场景化人工智能基础设施、深度学习框架与工具以及人工智能 PaaS平台和算法层等“有形”产品，同时也凝聚人工智能算法优化、系统优化服务等“无形”能力？
基于此考虑，浪潮集团副总裁彭震正式发布了浪潮元脑，由如下几部分组成。
超强人工智能计算系统：通过浪潮人工智能计算平台、人工智能超高速计算加速卡、极低延迟RDMA网络与超高带宽并行存储，共同提供极致人工智能计算性能。
敏捷人工智能Paas平台：由极致优化的人工智能资源平台、极速流程化人工智能开发平台、开放兼容的人工智能生态平台和秒速构建人工智能软件栈。
最新开发的人工智能PaaS平台AIStation面向人工智能企业训练场景，可实现容器化部署、可视化开发、集中化管理等，有效打通开发环境、计算资源与数据资源，提升开发效率。
高效的Auto ML Suite：最新开发的AutoML Suite可实现非专业人员亦能通过极少操作构建网络模型并获得高精度，极大降低了人工智能开发、应用的门槛和成本。在2018年的NeurIPS 的自动机器学习挑战赛中，浪潮与北京邮电大学、中南大学团队合作，获得自动机器学习领域的国际顶尖赛事的全球第三佳绩。
整合一体化交付：计算/存储/网络一体化、内置人工智能 Paas平台、内置建模优化工具、预配置系统调优。
虽然元脑包含技术栈颇多，但是最重要且最基础的还是超强的人工智能计算系统，本次浪潮进一步丰富了人工智能计算产品。浪潮拥有业界最全的人工智能产品线，覆盖从单机4卡到64卡集群的不同人工智能计算平台，产品涵盖GPU/CPU/FPGA等所有计算技术，覆盖了从小规模的样本训练到千亿样本、万亿参数级别的超大规模模型训练需求，能够满足人工智能云、深度学习模型训练和线上推理等各类人工智能应用场景，对计算架构性能、功耗的不同需求。从2018年以来浪潮持续发布多款人工智能创新产品，包括计算性能高达每秒2千万亿次的人工智能超级服务器AGX-5，专为智能视频分析优化设计的人工智能服务器NF5280M5-V，全球首款集成HBM2的人工智能计算可重构加速卡F37X，支持TensorFlow的FPGA计算加速引擎TF2，人工智能开箱即用即开发的百度ABC一体机3.0。
据雷锋网观察，浪潮早在数年之前即开始向计算之上的领域扩展，浪潮元脑是浪潮综合过往技术和能力的集合体，驱动浪潮推出元脑既有客户需求，也有浪潮的战略定位使然，目前业界有资源有条件的服务器厂商也在做同样的事情，仅仅提供单一计算力就有被淘汰的危险，服务器行业的马太效应正在显现。
有变化就有应对，浪潮从计算力的角度出发，融合、开放与敏捷将是人工智能计算最重要的三大发展趋势，它们将对围绕人工智能计算构建而成的整个AI产业生态体系，提出新的变化和要求。
融合首先是技术的融合，随着软件定义技术的发展，计算、存储和网络三类设备开始融合为统一的融合架构模块，越来越多的运营商用搭载软件定义的通用服务器来替代原有的存储和网络设备，而一直封闭的传统电信产业也在SDN、NFVI等技术的推动下，开始与计算产业融合，开始走向融合开放。在产业层面，传统的服务器、网络和存储厂商，如戴尔、EMC、HPE、思科、浪潮等，纷纷通过并购或者拓展业务的方式，成为涵盖三大领域的数据中心全栈方案供应商。
然后是产业的融合，2018年以来，互联网和产业界巨头加大了对人工智能市场的投入，人工智能产品和服务层出不穷，行业解决方案和应用场景快速落地。人工智能将深度融合传统产业，只有通过这种大的融合、更大的产业机会，人工智能才释放出更大的潜能。
开放——在人工智能的时代里，开源的边界越来越广阔。技术层面，IT软硬件技术正在从传统的开放标准化向开源升级，在云、大数据领域，VMware、SAP HANA等商用软件还可以与Hadoop、KVM、Spark等开源软件相抗争，而到了人工智能领域，TensorFlow、Caffe等所有的计算框架均为开源，没有商用人工智能框架存在。
在硬件领域，2012-2013年，OCP和ODCC成立以后，硬件开源已经成为趋势，不仅是互联网企业将开源硬件作为主要采购对象，连高盛、中国移动等传统行业用户，也在大量部署开源硬件，以提高整个基础架构的效能。任何一个厂商都可以加入一个技术社区、企业联盟，不同的生态群彼此之间虽有竞争，但并不封闭。
敏捷——技术层面，软件定义技术隔离了应用与硬件，从而实现了基础架构层面的敏捷，可以为应用按需提供资源支持，保证用户应用的高度灵活性。
应用层面，对于互联网、电信运营商等大型用户来讲，软件定义技术更多是保证基础架构的高能效，而非灵活性，由于其业务规模超大、变化超快，基础架构对于业务的保证需要厂商在运营方面的全面支持，提供全程定制化的产品和服务，需要整个产业链以更为敏捷的形态运行。
技术开放融合推动了产业层面的开放融合，技术创新的加速让产业的敏捷化程度不断提高，但同时带来了生态问题——生态发展滞后于应用需求。在人工智能的产业链中，生态将呈现百花齐放。
在雷锋网看来，不管产业人工智能化，还是人工智能产业化，人工智能的目标都是驱动产业变革，技术最终要落地于行业，计算瓶颈的突破带来的是人工智能商用价值的提升，哪种生态更适于人工智能在行业的普及，哪类厂商将最先收益。人工智能基础层已经品尝到了市场的甜头，下一步将逐渐传导至中间的技术层和上层应用商，摆在人工智能从业厂商的一个现实问题，选择哪个生态？
相关文章：
平安科技首席医疗科学家谢国彤：布局医疗AI生态，我们如何落子？
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
