
人工智能觸手可及嗎?
李世石和柯杰,確實是兩位不錯的廣告代言人,他們給所有企業以“錯覺”——人工智能已觸手可及。真的近在眼前嗎?其實,大部分企業并不具備,或說并不單獨具備應用人工智能的能力。
為何?即使已經積累了海量數據,企業也難以辨識和確認人工智能的應用場景,不知道該從何入手;模型訓練成本昂貴,訓練周期往往以“月”為單位,且需消耗海量計算資源;數學專家懂算法但不熟悉應用場景,行業專家懂場景,但缺失數學算法知識。
UCloud 的“CBA”
上述瓶頸確實存在,但并非沒有解決途徑。鮑勃·羅杰斯,英特爾首席數據科學家,他的觀點就值得參考:“對于那些希望應用人工智能,卻不知該如何開始進行基礎設施搭建的企業,與云計算廠商合作是一條很好的路徑。”

的確,生態化的精密產業分工,正在降低人工智能的應用門檻。UCloud,國內領先且中立的公有云服務商,其已經在人工智能領域建立了很好的商業模型。2017年初,UCloud提出了“CBA”(Cloud 、Bigdata 、AI )三位一體的發展戰略,并發布了“文曲”UAI人工智能平臺。
該平臺包括:超高性價比的計算資源、人工智能訓練服務UAI-Train、人工智能在線服務UAI-Inference、安全屋等產品,可提供一站式 AI 全服務。
AI即服務
宋翔,UCloud資深人工智能技術專家,其對于基于公有云快速部署AI服務,進行如此表述:“UCloud的業務模式簡單清晰——‘AI即服務’,用戶可專注應用場景和AI算法,底層計算能力和工程服務則由UCloud進行支撐。”
通常所說,數據、AI算法、基礎架構是支撐AI應用的三項核心要素。其中,基礎架構又包括:計算能力平臺、AI平臺,以及模型訓練等在線服務能力。“云計算是人工智能的基礎設施,但‘工程能力’也是AI體系中不可忽視的一環。在應用過程中,不但需要計算資源的靈活調配,還需要具有穩定可靠的運行環境,這都是工程能力的體現。而大部分企業用戶AI團隊,通常不具備工程能力,需要公有云服務商提供在線支持。”宋翔說。
獨立搭建平臺并非最佳選擇
目前,“文曲”UAI人工智能平臺可提供人工智能訓練服務UAI-Train、人工智能在線服務UAI-Inference等。以模型訓練為例,此前訓練周期往往以“月”為單位,且動輒需要調用上“千”顆以上計算資源。用戶為此獨立搭建計算平臺,并非最佳選擇,成本昂貴,且一些“細節”,例如Caffe的技術理解也不一定到位。
UAI-Train按訓練任務時長收費,無空閑資源浪費,且加載了大量的開源和第三方模型算法案例。例如物體檢測、特征推薦、語音識別、圖片識別、人臉檢測等。“尤其對于初期嘗試AI應用的用戶,采用開源數學算法,可大幅度縮短服務部署時間,快速體驗到AI的價值。”
Caffe不是咖啡
同時,UAI-Train平臺還預置了Caffe、TensorFlow、MXNet多種人工智能訓練模型。其中,UCloud對 Caffe的“細節”理解,就頗體現其技術能力。Caffe與Coffee(咖啡)諧音,在AI領域同樣提神。Caffe是一種常用的深度學習框架,主要應用在視頻、圖像處理等領域。“而在Caffe性能優化方面,UCloud選擇與英特爾合作。”宋翔說。

為何?回顧近三年來,英特爾在人工智能領域的布局。2015年,英特爾以167億美元收購了年業務收入不足20億美元,但卻是全球第二大FPGA廠商的Altera。由于FPGA在圖像識別、信號處理等特定場景中,具有比 GPU、CPU 更高的性價比。因此此舉被認為是英特爾布局人工智能的一個重要戰略。
2016年,英特爾再次宣布收購深度學習創業公司 Nervana System。該公司是一家在芯片領域具有自主知識產權的公司,旗下的Engine芯片在深度學習訓練時,有著比傳統 GPU更好的能耗和性能優勢。
當然,更為重要的一次產品布局是,2017年,英特爾推出新一代至強可擴展處理器,該處理器被認為是業界最近十年來,在平臺技術上取得的最大進步。在硬件方面,新至強引入了AVX-512指令集,每時鐘周期浮點性能提升1倍。要知道,浮點性能是人工智能計算處理中的關鍵指標,UCloud利用至強可擴展處理器進行彈性部署,降低了用戶的TCO,克服了GPU價格昂貴,且擴展性不足的弊端。
回到Caffe,也回到英特爾與UCloud合作的話題。硬件是雙方合作的基礎,而軟件優化則體現合作的價值。英特爾與UCloud合作,聯合針對特定應用場景,針對不同硬件平臺配置進行Caffe優化。
通過合理使用英特爾MKL、矢量化和并行化技術,相比未被優化的Caffe方案,UCloud的特定模型訓練性能提升10倍以上。“這意味著,通過與英特爾的合作,圖像識別應用中,識別時間可從1秒,降低至100毫秒。優化大幅度降低了計算資源的消耗成本,更多的低延時應用場景,也將實現人工智能應用。”宋翔最后說。
責任編輯:焦旭





