人工智慧的發展經歷過很有意思的波峰與波谷，雖然目前來看，人工智慧得到了很大的釋放，價值也在各種**中正在一步步落地。而在聯想首席科學家祝明發看來：人工智慧其實遠遠沒有20世紀50年代來得猛烈。
20世紀50年代人工智慧研究曾達到過乙個高潮，設想比現在還要大膽。大家甚至擔憂過未來人工智慧的發展將非常恐怖，很多年後世界會是機械人的世界，機械人將統治這個世界。當然這樣大膽的設想並沒有實現，因為人工智慧作為乙個學科來說，是從機器推理開始取得的進展，通過搜尋取得的進展都和人工神經網路深度學習取得的進展相關。
我們看到，人工智慧正在與各種行業應用越來越緊密結合，而這，也正是當前人工智慧與20世紀50年代人工智慧研究的本質區別。
hpc----高效能計算，是各種科學研究、氣象測算、海洋勘探的必備輔助，沒有hpc，很多科學研究將無法開展。怎樣才能保證人工智慧與hpc的成功融合?
未來hpc的三大緯度
中國科學院計算所所長孫凝暉認為，高效能計算未來將向三個緯度發展，即：算得快、算得多和算得穩。
首先，傳統hpc的要求便是算得快，中國高效能計算的發展，已從1p到100p到1000p甚至1億p的發展，計算算力要求無止境，這是永遠的緯度。
其次，還要算得多，包括以下兩個層次：首先是資料多，比如網際網路的資料非常大，主要靠資料採集和處理來獲得收益;再如傳統計算密集的石油勘探領域資料量也已經達到了幾十p的量;再如中國科學院也正在產生的大量資料，中國科學院正在制定新的發展規劃，國家投入建設了上海、合肥和懷柔三個科學中心，這三個大型科學中心將配備最頂級的科學裝置，不僅是傳統的天文望遠鏡，還有生物領域觀察的裝置，對地球觀察的裝置，對物質科學的觀察裝置等等。這些大的科學裝置都會產生大量的資料。第二個層次是如何解決資料的傳輸、移動和高效計算的問題，這將比純粹的計算更加重要。因此，ai在高效能計算領域的應用，雖然需要gpu很強的計算能力，但其核心還是要解決資料處理的問題，把資料處理好才能產生更大的智慧型。因此，讓計算機如何算得多，算得更加好，是第二個非常重要的發展方向。
第三，算得穩，雲計算和物聯網發展的應用特徵，需要計算使用者質量能更好地得到保障，物聯網應用，智慧型汽車等對延遲的要求更加苛刻，因此，計算的負載保證使用者任務完成時間上要求更穩定的供給，如何在計算負載劇烈變化，負載型別多樣的情況下，保證資源利用率，保證使用者體驗的穩定，算得穩也將是高效能計算非常重要的發展方向。
算得快、算得多和算得穩這三個緯度把高效能計算空間撐得更大，未來的科學研究還是企業運用出將會有更大的發展空間。
ai成功的四大要素
顯而易見，計算、演算法和資料是人工智慧的三大基礎。如何保證ai的成功呢?聯想集團副總裁、企業服務雲計算研究室、無線研究實驗室黃瑩博士認為：ai成功需要滿足四大要素，稱之為abcd。
a是演算法上的創新;
b是商業方面要有定向，即怎麼樣才能夠應用好;
c是計算力，也就是如何將gpu、cpu、tpu進行更好的結合;
d是資料，即怎麼樣才能把資料更好處理好等等。
因此，ai的成功因素之一是演算法，演算法是很重要的乙個方面，從alphago上也可以看到演算法的重要。目前，計算engine上，nvidia、tensorflow、caffe、torch等比較領先。
第二，進行大資料處理。未來資料量將越來越龐大，需要對大資料進行很好的處理。
第三是計算力，怎麼樣能夠在tpu、gpu和fpga等加速器上進行組合則是hpc專家的研究重點。因為gpu或者tpu或者fpga不完全跟上和演算法完全匹配時，要靠人做很多的調優才能把gpu集群真正用好，這其中會面對極大的挑戰。以谷歌做翻譯訓練為例，一般的訓練要在12台帶8個gpu的機器上算一周，但如果沒有這麼好的集群，只能在一台帶8個gpu上訓練需要計算三個月;如果只有乙個gpu的機器則需要算兩年。因此，很多這種研究需要ai專家、分布式計算專家、網路、儲存工程師等一群專家在一起工作。這種深度學習的訓練便導致了ai鴻溝，因為一般企業和一般的研究所沒有這麼多專家在一起做這樣的事情。
基於上述思考，聯想推出了hpc+ai智慧型超算平台lico，lico是提供強大計算力的最佳平台，在hpc軟硬體平台上整合支撐了各種深度學習應用，並融合了主流的人工智慧框架。
聯想hpc的ai創新
聯想是全球領先的hpc廠商，聯想於2023年成立了高效能伺服器事業部，開始了在hpc領域的探索。而在剛剛結束的isc 2017上，聯想以91套高效能計算系統入圍全球hpc top500份額榜，連續三年獲得中國第一，繼續蟬聯全球第二。
在產品和技術上，聯想也正在步入世界先進行列，聯想的x86伺服器產品效能和品質全世界上共知，物理機計算節點可靠性有著很好的口碑。聯想獨創了45攝氏度溫水水冷技術，相比傳統的空氣冷卻，最高可降低40%的能耗，比其他廠商的水冷技術能耗也低了近20%。通過聯想水冷能夠使得資料中心的pue值降低到1.1，這遠低於1.8-2.0的業界平均水平，能幫助客戶大大節省整體投資，提公升ai計算的效能。目前，聯想與全球最大的7個資料中心中的6個達成了合作，繼續在hpc領域展露鋒芒。上乙個財年，聯想以17%的增長率成為全球增速最快的hpc廠商。
上圖為：聯想首席科學家祝明發
聯想首席科學家祝明發介紹：聯想近日推出的深騰8810集群由聯想自主研發，擁有多項hpc和ai的關鍵技術，包括46項國家發明專利。其搭載的全新hpc+ai智慧型超算平台lico，不僅強化了上一代lico的全部功能，更在hpc軟硬體平台上整合支撐了各種深度學習應用，融合了谷歌的tensorflow、臉書的caffe、微軟的mxnet等主流的人工智慧框架;另外，lico分布式的資源排程系統，可以幫助使用者從容應對人臉識別、自然語言處理等各種深度學習訓練不斷增長的計算需求;其任務模板可以讓不同型別的使用者，如初學者、專家、資料科學家，都能夠快速上手; 而lico端到端的解決方案包含資料預處理、訓練、引數調整、過程監控、測試等，能讓使用者能夠集中精力在ai演算法和業務應用。
採訪小記
無論如何，我們都正在進入乙個人工智慧研究及應用創新集中爆發的時代，我們不再像20世紀50年代一樣擔憂人類將會被機械人統治，我們更願意用人工智慧與應用結合，讓這個世界變得更美好。當然，人工智慧也只有在強大計算力的支援下，通過和成熟的演算法、大資料相結合，才能真正做到改變。
人工智慧 人工智慧與人類智慧型的關係
1.基本概念界定 1.1人工智慧 人工智慧是在20世紀中期以後產生的學科，人工智慧就是用機器模擬人類的智慧型活動，從而用機器代替人類行使某些方面的職能。人工智慧是通過探索人的感覺和思維的規律來模擬人的智慧型活動，電子計算機是人工智慧的媒介和基礎。阿倫 圖靈說 如果一台計算機能騙過人，使人相信它是人而...
人工智慧與大資料的應用
兩個概念 人工智慧 人造的智慧型，通過研究人類的智慧型，了解人類智慧型 看 聽 說 寫 聞 思考等能力 的實質，生產出具有人類智慧型的機器。大資料 密度大 體量大 維度多 價值高的資料。人工智慧與大資料的關係 人工智慧隨著大資料的發展，將智慧型應用發展得淋漓盡致，在各行各業都得到廣泛的應用。包括智慧...
人工智慧與大資料的區別
人工智慧和大資料是人們耳熟能詳的流行術語，但也可能會有一些混淆。人工智慧和大資料有什麼相似之處和不同之處?它們有什麼共同點嗎?它們是否相似?能進行有效的比較嗎?嵌入式定製 有人認為將人工智慧與大資料結合在一起是乙個很自然的錯誤，其部分原因是兩者實際上是一致的。但它們是完成相同任務的不同工具。但首先要...