“新基建”浪潮来袭 人工智能基础设施全面升级

2022-12-26 13:11

通信世界网消息（CWW）3月4日，中共中央政治局常务委员会召开会议，提出要发力于科技端的基础设施建设，人工智能成为“新基建”七大版块中的重要一项。“新基建”不同于“铁公基”传统思路，其本质是信息数字化的基础设施建设，用于支撑传统产业向网络化、数字化、智能化方向发展。那么对于人工智能而言，“新基建”到底有何特点呢？笔者认为，与仅聚焦基础硬实力建设的传统基建思路不同，人工智能新基建更需要以应用需求为目标，发力软硬协同，融合新老系统，培育全新生态。那么在“新基建”浪潮的背景下，人工智能基础设施应该建什么、怎样建？

建什么：聚焦算力提升，培育协同生态

当前，摩尔定律失效，算力需求增速已经远远超过了算力供给能力。人工智能所需的基础算力具有独特性。因此，人工智能新基建的核心是构建专用设施，填补算力不足，同时应在泛在、融合的发展趋势下，构建软硬件协同、新老系统协同、各个行业协同的产业新生态。

一是继续夯实通用算力基础。当前算力供给已经无法满足智能化社会构建，根据OpenAI统计，从2012年至2019年，随着深度学习“大深多”模型的演进，模型计算所需计算量已经增长30万倍，无论是计算机视觉还是自然语言处理，由于预训练模型的广泛使用，模型所需算力直接呈现阶跃式发展。据斯坦福《AI INDEX 2019》报告，2012年之前，人工智能的计算速度紧追摩尔定律，算力需求每两年翻一番，2012年以后，算力需求的翻番时长则直接缩短为3、4个月（如图1所示）。面对已经每过20年才能翻一番的通用计算供给能力，算力捉襟见肘已经不言而喻。

图1 深度学习算力递增示意图（来自《AI INDEX 2019》）

二是全面提升专属计算能力。经过近两年的研究及应用实践沉淀，产业界逐渐发现以机器学习为代表的人工智能计算具有独特性，具体表现在3个方面：第一就是机器学习计算大部分场景仅需要低精度计算即可，经过推测，一般应用场景下8比特即可满足95%以上需求，无需FP32、FP16等高精度计算；第二就是机器学习计算只需要很小的操作指令集，在过去40年中开发的众多使得通用程序能够在现代CPU上以高性能运行的机制，例如分支预测器、推测执行、超线程执行处理核、深度缓存内存层次结构等，对于机器学习计算来说都是不必要的，机器学习只需要高性能运行矩阵乘法、向量计算、卷积核等线性代数计算即可；第三就是分布式特性，随着模型不断增大，深度学习“大深多”模型已经无法在单片芯片完成计算，多芯片多场景的异构计算需求使得机器学习计算必须考虑分布式的计算通信以及计算任务的协同调度，实现密集且高效的数据传输交互。

三是提前布局系统协同生态。基于对产业界解决方案的梳理分析，笔者对于人工智能工程发展态势有如下研判：为了更好满足应用泛化的需求，未来人工智能应用及产业发展将呈现多平台多系统协同态势，以实现更为广泛的赋能。可以看到，当前阶段，人工智能的主要赋能方式还是通过通用平台，以聚合提供人工智能基础技术能力的方式进行赋能，面向端侧的一些成熟应用场景也出现了软硬一体的端侧应用系统，如自动驾驶平台、智慧安防摄像头、基于智能语音语义的智能音箱、终端翻译机等。但是通用平台无法实现广泛赋能，目前市面上的端侧应用也是功能单一且能力固化。

在通用领域，通用平台将进一步分化为提供人工智能基础能力的基础平台和融合行业基础应用的行业平台两个方向（如图2所示）。实际上，现在阿里的城市大脑、腾讯的医疗优图等平台，就已经开始呈现出从基础通用功能平台向行业应用能力平台演进的态势。

在专用领域，现有的端侧应用无论是功能还是可扩展性上都远远达不到实际的泛化应用需求，因此未来面向泛化应用将呈现专用系统这个形态，专用系统最大特点是它不仅仅是端侧应用的软硬件固化，而是通用平台、行业平台和端侧应用的协同组合，以软硬一体的方式实现具体应用的功能定制和扩展。这种工程发展态势将对产业生态产生巨大影响，现在谈及的人工智能芯片和框架，其实都属于通用平台和端侧应用范畴，其生态主体是提供人工智能技术的科技企业，而到了专用系统阶段，系统协同将成为主流，融合通用能力、行业能力、业务逻辑的专用系统将由垂直行业来牵头打造，人工智能的生态主体也将逐渐变成人工智能技术的使用者，即各个垂直行业的传统企业。