浪潮副总裁胡雷钧：AI对计算能力的需求无上限

作为传统高性能计算服务器厂商的浪潮集团，在人工智能时代起到衔接芯片厂商与 AI 企业的作用。为此，浪潮做出了新的尝试。目前，除硬件层面以外，在框架层以及系统管理层，浪潮均有布局。

撰文 | 王艺

人工智能深度学习是浪潮智慧计算的三大支柱业务之一。2017 新财年，浪潮宣布成立人工智能部门，打造包括多样化的硬件平台、管理调度与分析平台、以及深度学习框架的「平台组合」。实现前端承接多源数据、后端支撑智能应用，为人工智能提供先进计算力的目标。

目前，浪潮已经是 BAT 的 AI 计算 GPU 服务器的最主要供应商，并与科大讯飞、奇虎 360、搜狗、今日头条、Face++ 等人工智能公司保持在系统与应用方面的紧密合作，帮助 AI 公司在语音、图像、视频、搜索、网络等方面取得应用性能的提升。

9 月 7 日，在由中国工程院信息与电子工程学部主办、浪潮集团承办的人工智能计算大会（AI Computing Conference，简称 AICC）大会现场，浪潮集团副总裁、高效能服务器与存储技术国家重点实验室科学家胡雷钧发表了《AI 计算挑战与应对》主题演讲。会后，我们对胡雷钧进行了独家专访。

胡雷钧在 AICC 上演讲

演讲中，胡雷钧谈到，近年来计算能力的发展为大规模系统的应用提供了可能。在未来，计算能力对 AI 技术的发展仍旧至关重要。他提到了两个事实：

一、在目前亿级计算机的计算能力下，若要用由 120 万张图片组成的数据集训练一个 ResNet，需要进行 2200 亿次的浮点操作（即 22 Exaflops），耗时 41 天，1 Exaflops 每秒的计算机预计在未来五年出现。

二、目前深度学习大部分是有监督学习，训练复杂度相比无监督学习要小。无监督学习所涉及到的网络深度、节点数量、层与层之间的连接、训练数据都在随时变化。在这些变化之下，系统所需的计算规模将是现在的 100 倍。更进一步地，接近人脑的通用人工智能的学习模型是一个层次式的稀疏结构，每一个节点向下链接的又是一个层次式的稀疏结构。在摩尔定律的约束下，目前还看不到人脑级运算能够实现的具体时间节点。

因此，浪潮认为，未来对计算能力的需求在人工智能方向上依然很强烈，且看上去没有上限。AI 计算平台会遇到很多瓶颈，如数据的瓶颈、计算能力的瓶颈、延迟的瓶颈、通信能力的瓶颈。浪潮在其中看到了几个核心问题。第一，处理单元能以多快的速度读取到它需要处理的数据；第二，每次处理完成后能以多快的速度交换数据，这是通讯问题；第三，在单位的空间内能集成多少计算能力，这是约束着一个计算系统能够达到的最大规模，也是约束着模型训练的最大速度的问题。

为了使其硬件发挥更强大的效力，浪潮正在围绕着 AI 进行一系列的生态布局。除却其立身之本——硬件服务器外，浪潮在人工智能框架层以及系统管理层均有所涉猎。2015 年，浪潮发布全球首个集群并行版的 Caffe 深度学习计算框架——Caffe-MPI，它保留了伯克利版本 Caffe 架构的特性，同时又兼具高性能计算系统所需的良好并行扩展性。在系统管理层，浪潮 AIStation 提供从数据准备到分析训练结果的完整深度学习业务流程，提高集群的可靠性。

在采访中，胡雷钧表示，计算是浪潮的根本，建设以计算为核心的生态系统是在为整个产业加速。他把计算比作发动机，把其他层级比作润滑油。「如果我们是行业中的跟随者或者挑战者，那么我们可以选择依靠老大的力量。现在浪潮在整个市场中占比这样大，因此我们必须去做，不做的话首先是把自己拖慢了。」胡雷钧说。

目前，针对人工智能应用，浪潮已经推出十余款产品，这些产品被 AI 公司广泛使用。采访中，胡雷钧介绍到，以浪潮的视角，目前规模最大的人工智能产业在互联网行业，包括语音、图像、面向运维数据、媒体数据的分析、类似今日头条的推荐系统等。此外，在公安、交通、医疗等传统行业中，人工智能的应用也较为活跃。未来，在流通、零售领域的流量、交易大数据分析方面，人工智能也能起到一定的作用。

胡雷钧认为，目前人工智能的应用领域缺乏已经训练好的成熟的模型，用户还不能像购买软件 Licence 一样购买人工智能服务。并不是每一个有应用需求的客户都有能力、财力训练适合自身的 AI 模型。因此，如何真正释放 AI 市场最大的能量，是业界需要共同解决的问题。浪潮希望能够与更多的合作伙伴共同推动 AI 发展。