0
| 本文作者： 张驰 | 2017-04-27 17:07 |
在4月26日的云数据中心合作伙伴大会上，浪潮集团执行总裁王恩东说，2016年智慧计算在计算需求中所占的比例达到了二分之一，云计算大数据正在演变成智慧计算。
智慧计算也就是我们熟知的人工智能。在浪潮的定义中，智慧计算是以云计算为基础平台，以大数据为认知方法，以深度学习为优化方法。它已经在医疗、交通、金融等领域都产生了层出不穷的应用。这或许可以解释为什么浪潮在推动“智慧计算”。
在人工智能的应用主要靠三个方面：计算，数据与算法。详细来说，就是首先进行物理集中，形成以云为中心的计算基础，为应用和数据的集中提供条件；然后进行数据整合，并在此基础上进行应用创新。
而实现人工智能计算的挑战也是在这三方面。
就计算而言，传统的信息化计算是随着业务量的增长而呈线性增长，但以云计算和大数据为基础的人工智能，对计算的需求是指数级增长的。可以说，它对算法和硬件提出了更多的挑战。
在数据上，数据处理的速度无法适应数据增长的需要，这对深度学习来说更是如此。其中就包括了产生的数据总量大于实际能存储的量，存储接口的速率提升相对存储介质来说较慢，以及无法利用数据产生价值。
在算法上，则是算法不够成熟，而较为成熟的算法无法满足实际应用的需求，比如对算法模型的选择、优化和开发部署。
对于这种挑战，王恩东表示，浪潮在2015年开始构建“计算+”的生态，产品则包括可重构的硬件，云数据中心操作系统，大数据处理平台，以及深度学习算法平台。
具体而言，在计算上他认为，面对人工智能，传统数据中心那种将服务器、存储设备进行简单堆积，以交换机连接，再加上虚拟化软件进行资源调度和管理的方式，已经无法满足需求。在现阶段，异常重要的是计算架构的创新。
因此，浪潮在推动的是融合架构，这也是应对计算挑战的必由之路。而所谓融合构架，核心包括了硬件重构和软件定义。
对于硬件重构，王恩东表示，以前增强处理能力会增加特殊的设备，比如用于数据挖掘的计算密集型应用，会需要增加处理器或GPU。但随着处理器芯片内部的晶体管资源更加丰富，FPGA这样的可编程逻辑器件的性能和容量也都大幅提升，这令面向特定应用软件重构计算处理硬件逻辑成为可能。而可重构计算单元既保持了处理器的通用性，又具备专用硬件逻辑的高效率。
软件定义，则是在将计算存储与网络整合为资源池的基础上，在软件层动态感知业务的资源需求，利用硬件重构的能力，动态分配和组合资源，满足应用的需求。
“二者必不可少，只有软件定义，虚拟化效果不高；只有硬件重构，系统缺乏灵活性，用起来很复杂。”
浪潮集团副总裁彭震也在采访中表示，在新IT的变革中计算在未来仍然是非常核心的，人工智能也给硬件带来了更多的挑战，“谁能够迎接挑战谁就能挣钱”。
人工智能硬件中除了常用的GPU，现在FPGA也逐渐成为一种主要方案，前段时间腾讯云与阿里云相继推出了基于FPGA的深度学习平台。而科技巨头如Google、亚马逊也都在开发适用于人工智能的芯片，比如雷锋网解读过的Google推出的TPU。彭震告诉雷锋网，鉴于人工智能对芯片的需求越来越强，公司还在加强芯片方面的投入。
所以，对于计算上的挑战，浪潮的方法是推出多样化的计算设备，面向不同的应用场景的计算需求，比如通用服务器，整合架构服务器和应用优化服务器。
在大数据方面，浪潮提供应用驱动的大数据处理平台云海Insight和支持原生云应用的大数据开发平台云海IOP。在智能算法方面，它则提供深度优化的智能算法平台，主要包括三个层次的算法工具与套件。
总体来说，面对人工智能，浪潮主要做三件事：多样化的硬件平台，包括各类处理器；数据管理调度与分析平台；加速深度学习框架。
彭震告诉雷锋网，浪潮的定位是一家为人工智能提供工具和平台的厂商。“互联网公司做人工智能的时候有数据，但浪潮没有数据，我们做工具和平台，在产业链的不同环节上。”
看起来，云计算与人工智能的兴起让传统的服务器厂商不再引人注目，被边缘化。根据IDC最新的季度报告，云计算基础设施产品的销售收入（包括服务器，存储和以太网交换机）在2016年增长至326亿美元，同比增长9.2％。非云类的传统IT基础设施的营收，在去年第四季度同比下降了9％。戴尔，惠普企业HPE的收入都有所下滑。
但你可能不知道的是，BAT三家的GPU服务器都是由浪潮提供的。拥有公有云的百度也在与浪潮合作，同时还推出了SR-AI整机柜服务器。
就像浪潮与思科合资公司浪潮思科CTO周牧所说，做云计算与大数据的公司往往会认为，底层的网络问题都会自然而然地得到解决，但真实情况并不是这样。所以，思科也与浪潮共同推出了S系列网络交换机，这也弥补了浪潮在网络方面的劣势。
同样的，在人工智能之下的计算、数据和算法等方面的挑战也不会轻易得到解决。所以，浪潮的想法是做工具，做硬件，做底层平台，大家各司其职。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
