BAT的數據紅利,催生AI時代的敏捷計算力
人工智能開放組織OpenAI 於2018年5月發布的分析表明,人工智能訓練任務中使用的算力,自 2012 年以來呈指數級增長,目前速度為每 3.5 個月翻一倍,而相比之下的摩爾定律則是每 18 個月翻倍。自 2012 年以來,人們對於算力的需求增長了超過30萬倍。在此期間,硬件算力的提升一直是人工智能快速發展的重要因素。
人工智能對於算力需求的飆升,很大程度上是互聯網公司的數據紅利造成的。9月12日,浪潮聯合IDC正式對外公布《2018中國AI計算力發展報告》摘要版,報告對中國AI計算力發展作出了綜合評估。報告評估杭州、北京、深圳、上海、合肥為中國AI計算力城市發展排名前五位的城市,其中杭州、北京和深圳都是BAT們的聚集地。
浪潮服務器產品部副總經理陳彥靈在2018杭州·雲棲大會上介紹,浪潮提出的JDM模式,核心就是敏捷設計、敏捷開發、敏捷制造,敏捷設計為前期的頂層設計、敏捷開發為設計過程中早期的POC以及後期不斷驗證和叠代更新、敏捷制造為快速交付。JDM最早是與互聯網公司合作而產生,正因為BAT的數據紅利,才產生了AI時代的大規模敏捷計算力。
與BAT的敏捷合作
互聯網公司的規模越大,導致數據的集中度越高,對AI計算力的需求也就越高。杭州的阿裏、網易,北京的百度、京東、今日頭條,深圳的騰訊,都是造成當地AI計算力需求激增的重要原因,從而也導致對於服務器需求的暴增。
JDM模式下,浪潮研發團隊與互聯網公司一起,從原型設計、樣品開發到共同驗證,再到小批量出貨和大規模部署,都由雙方聯合完成。JDM類似於軟件的叠×××發,互聯網公司的想法可能一開始並沒有想清楚,在聯合開發的過程中不斷調整再最後定型。JDM大幅提升了硬件開發的敏捷性,極大縮短了硬件產品開發的周期。JDM模式背後是浪潮柔性生產制造體系,位於濟南的浪潮信息化高端裝備智能工廠,集智能化、自動化、模塊化、數字化、精益柔性制造於一體,產品交付周期從18天縮短至3到7天。
陳彥靈介紹,浪潮與阿裏從2012年開始合作,經歷了三個階段。第一個階段,從采購標準服務器開始,隨著采購的規模越來越大,特別阿裏雲出現以後,阿裏的業務不僅僅是服務於國內市場,還要服務全球用戶,這時候對設備的需求量非常大。
第二個階段,浪潮與阿裏開始合作定制化硬件,截至目前約有超過上百個套餐的定制,定制的範圍非常廣。到現在為目,雙方合作處於第三個階段,已經從淺層的產品定制進入到深層的定制,這個定制就是所謂的JDM模式。到底JDM和傳統的標準化服務器有什麽差異?實際上因為互聯網公司的設備購買量足夠大,對設備的能效比、性能、技術先進性的訴求越來越高,傳統的服務器無法滿足要求,所以浪潮就開始頂層設計,根據客戶的構思,用敏捷設計、敏捷開發、敏捷制造的方式,快速為互聯網公司交付產品。
陳彥靈強調,JDM模式的創新,在於運營、交付和管理模式的創新。因為互聯網公司的服務器采購,每年在幾十萬臺的規模,如果按照傳統的下單再采購方式,很難解決時效性的要求。而浪潮、阿裏和上下遊合作廠商一起開發的JDM合作模式,從研發、設計層面進行深入的合作,解決了互聯網公司的挑戰。
加速傳統企業數字化轉型
除了阿裏,浪潮也與百度、網易、騰訊等互聯網公司進行了深度合作,極大滿足了他們的業務需求。
據了解,互聯網巨頭中的AI服務器有90%來自浪潮,浪潮與科大訊飛、奇虎360、搜狗、今日頭條、Face++等人工智能公司在系統與應用方面的深入緊密合作。隨著互聯網的思維模式,包括快速變化、快速創新等,對傳統企業數字化轉型的影響逐漸加深,並正向傳統企業賦能。
浪潮聯合百度為行業用戶深度定制的軟硬一體化的AI應用解決方案“ABC一體機”,采用了百度的DL框架、成熟的算法模型和和雲管理技術,以及浪潮的AI計算硬件平臺,覆蓋了模型訓練Training和線上推理Inference兩類需求,是一款開箱即用的交鑰匙解決方案。首鋼用ABC一體機對10000張鋼材圖片進行預測,鋼板缺陷分類模型的準確率達99.98%,與人工專業檢測結果十分接近。
浪潮多年來累積了豐富的行業級、企業級的服務洞察及經驗,實現了對2B行業客戶的成體系覆蓋。基於豐富的服務經驗和洞察,浪潮可以將互聯網和2B企業級的技術模式進行有效整合。
陳彥靈強調,浪潮現在不僅僅是設備制造商,更多是與企業一起進行合作創新,把來自互聯網公司的優秀硬件方案推向傳統行業,幫助傳統企業加快數字化轉型。而在國際市場,浪潮也正在通過JDM模式拓展全球範圍的CSP客戶。未來,浪潮將通過資源池化和模塊化提供產品設計基線復用效率和定制化解決方案交付能力,解決計算力的供給挑戰。
AI算力需求大爆發
現在,整個社會都在進行數字化轉型,部分已經開始加速數字化轉型。在轉型過程中,IT基礎設施的支撐非常重要。浪潮AI&HPC產品部AI首席架構師張清在2018杭州·雲棲大會上表示,過去20年基本上服務器形態沒有太大變化,最近隨著AI邊緣計算出來後,未來服務器將出現爆炸式增長。
由於沒有一個通用的產品可以滿足所有的需求,浪潮主要融合、開放、敏捷和高效四個維度,解決這個問題:
融合,即IT領域內計算、存儲和網絡三類設備的融合。現在的雲計算概念已經從原來的單一的計算資源雲化變成了計算、存儲和網絡三類資源的整體雲化;而IT和CT的融合,傳統的電信運營商正在前所未有的速度部署SDN軟件定義網絡和NFV網絡功能虛擬化,用標準服務器來替代原來的專用網絡設備;IT和OT的融合,很多企業開始將信息網絡和物聯網打通、鏈接和融合,打通了需求研發、生產和服務,將定制訂單和智能制造結合起來,實現了定制化產品研發和大規模訂單快速交付。
開放,無論在軟件還是硬件領域,開放都已經成為主旋律。過去幾年,軟件領域的Linux、OpenStack,以及硬件領域的OCP、ODCC、Open19等開放社區的發展都引人註目,開放的軟硬件已經形成完整的產業體系,覆蓋了雲計算、大數據、AI等各個應用領域,成為計算產業發展的重要趨勢,開放技術為企業建設新型IT基礎架構提供更好的選擇。
敏捷,主要指業務層面的敏捷需要IT架構具備快速的交付能力。數字化時代,企業業務的創新速度將不斷加快,IT基礎架構需要更快、更準確的響應企業業務需求,需要以企業業務為中心,重新組織IT系統建設流程。企業積極部署雲計算、存儲虛擬化、網絡虛擬化以及各類硬件重構技術,將計算、存儲和網絡等傳統計算設備實現資源化、動態可伸縮,從而達到技術層面的敏捷,讓IT基礎架構能夠根據業務應用的需求隨需而變。
高效,則指包括基礎架構在內的IT將是企業業務戰略的支持和構成部分,IT投資將更為理性,對於投資回報率、業務支持程度等需要做出更為細致和科學的考量。
浪潮在AI領域的布局包括硬件、軟件、算法和生產管理平臺,也從融合、開放、敏捷和高效等維度,解決企業的AI算力需求。張清強調,AI算法對於算力的需求,遠高於傳統的商業智能、數據分析等算法,雖然當前AI算法在整個企業算法中所占比例較小,但對算力的需求卻非常高。特別是金融科技和互聯網金融、智能汽車和車聯網、智能制造和工業互聯網等新的應用場景,對於AI算力的需求激增,造成了傳統企業的算力荒。
目前,浪潮側重在數據中心的產品布局,但也看到邊緣計算的巨大需求。隨著物聯網的發展,行業對邊緣計算的需求也在增長,浪潮也開始對邊緣計算有所布局。比如,浪潮也在研究無人駕駛,與智能汽車企業合作無人駕駛端上的芯片,打通從雲端到數據終端再到邊緣端的通路。在邊緣側,浪潮正在對通信、零售和AI新應用等進行布局,AI新應用包括語音識別一體機、視頻監控等,而傳統的CDN也在浪潮的研發範圍中,這是因為5G和AI的發展對於CDN也產生了新的要求。
多年來AI基礎研究的積累才剛剛在商業領域爆發出來,AI正在驅動全球的數字化轉型,正在倒逼全球企業、政府和組織的業務變革。而AI也在倒逼計算力形態的變革,大規模的敏捷計算力正在成為GDP的新增長驅動力。可以說,大規模的敏捷計算力,正在成為新時代的生產力。(文/寧川)
BAT的數據紅利,催生AI時代的敏捷計算力