是时候让企业拥有“AI自由”了

  文章来源：虎嗅

  作者：钱德虎

2024年，中国在全球人工智能市场的占比将达到15.6%。

这是IDC发布的《2020-2021中国人工智能计算力发展评估报告》中的预测数据。报告还预言：中国人工智能产业将成为全球市场增长的重要驱动力。

这样的数据无疑反映了未来趋势中乐观的一面，即人工智能正逐渐成为企业智能化转型的核心。在大数据和人工智能等技术的加持下，企业决策的逻辑将被重构，产业智能化转型的步伐也将进一步加速。

可另一面，则是智能化转型正对企业基础设施的建设提出种种挑战，让人工智能落地这件事“说是一回事，做起来却成了另一回事”。

这也是为什么，在虎嗅携手英特尔特邀第四范式打造的人工智能观察式直播“至强非凡现场”中，如何克服人工智能落地过程中的种种门槛、中国人工智能落地前景如何，成为了我们热议的话题。

“人工智能前两年喧嚣一时，这一两年逐渐平静——平静是一个好事，能够真正地让那些做人工智能的人脱颖而出。”

正如在直播访谈环节，英特尔（中国）行业解决方案集团公共管理行业总经理余哲所说的那样，智能化转型正逐渐步入深水区，越早面对转型的困难，也将越早认识到人工智能的价值。

复杂的人工智能落地

“现在是一个强人工智能不强，弱人工智能不弱的时代。”

伊红卫来自人工智能行业基础设施平台供应方英特尔，作为英特尔亚洲人工智能销售技术总监，她亲历了过去数年来人工智能行业的起起伏伏，她认为：“如今的人工智能在各个方面都有了长足的进步，如互联网、金融、政务、能源、医疗等特定场景下，已经有了很好的落地实践案例。但另一方面，适用各行各业的强人工智能时代，也就是像科幻片中那样的人工智能应用场景还远远没有到来，还有更多的行业面临着人工智能落地难的困境。”

“究其原因，人工智能的三要素，应用、数据、算力，对应到企业落地的过程中每一个都是挑战。”

郑曌对此深有感触，他就职于人工智能企业第四范式，在服务客户的过程中，看到企业人工智能落地过程中出现的诸多问题。他将落地难题总结为了三个层面，也分别对应着应用、数据、算力：

• 诸如反欺诈、内容推荐这类人工智能应用的落地，推动了企业的智能化转型，但对企业自身而言，人工智能应用构建需要很多的技术环节，应用速度远追不上飞速增长的数据量和算力。

• 数据是整个人工智能系统的“输入”，但数据治理的过程复杂，平均需要耗费数据科学家95%的时间，治理周期长。

• 大部分企业难以承担起人工智能规模化带来的算力成本。人工智能面临多样化的异构算力，让软件与算力有效匹配以及实现异构算力的管理调度是一个挑战。

跟大家心中无所不能的AlphaGo相比，落地端的困难造成了认知上的落差，企业决策者开始焦虑于人工智能能否带来其所期望的价值。对人工智能的情绪，也从崇拜转向了迷惑甚至是质疑。

“根本就是浪费精力，就像你明明可以坐高铁，却非要骑自行车去上海。”

这是某制造业企业工程师的吐槽，也是无数产业从业者面对人工智能时的心声。

来自南京大学人工智能学院的俞扬教授，在人工智能领域有着多年研究经历，他认为，当初AlphaGo登场时的登峰造极与今天人工智能产业落地面临的焦虑，核心差异点来自实验室人工智能与企业人工智能价值点的“错位”：

“实验室里是看什么样的技术难，就去解决什么样的技术，能解决这些问题就能够带来技术价值；但在企业里，要面向客户创造价值，至于这个技术到底是难还是简单，这可能不是第一位的。”

俞扬教授通过制造业举了个例子：传统工业企业的数字化水平参差不齐，没有很好的数据提供给人工智能训练。而对企业来说，如果数字化阶段的成果不明显，对于智能化的投入就会很犹豫。

正如俞扬教授所说，对更多企业来说，相比那些远在天边的愿景，更切实的需求是，让人工智能给当下的企业系统运转增效和变现。否则，就会像前文制造业企业工程师吐槽的那样，人工智能落地之后，很可能会演变成一场大型的“自讨苦吃”现场。

这也是为什么，这一轮以深度学习为代表的人工智能概念最初兴起的两三年里，很多公司都会宣传算法的精准度与排名，而近两年这样的现象越来越少——只追求算法上的优异，无法从根本上帮助企业解决实际问题，人工智能落地需要的是更加全面地解决问题的能力。

俞扬补充：

“应用层面，只有帮企业创造更多的利益，企业才会很愿意去投入，甚至愿意把前面的数字化缺口也给补上。”

这一切并不容易，在企业与老百姓享受到人工智能带来的高效与价值之前，它需要接受底层硬件厂商的技术支持、中间人工智能公司对解决方案的集成、以及最终应用企业的验证与修正。

而这也正是本次“英特尔至强非凡现场”直播中，代表底层硬件技术提供方的英特尔会与深耕人工智能一线市场的解决方案提供商第四范式坐在一起，共同谈论这个话题的意义所在。

让人工智能开箱即用

直播中，一台竖立在直播台后的人工智能软硬件一体机，成了几位嘉宾的讨论焦点。

没有对比就看不出差别，人工智能行业的流行背景依然是：大多数人工智能公司，都会将自己的业务集中在与算法密切相关的软件和服务上，很少涉足硬件。而将软硬件结合作为一个完整产品售卖的形式，在这个行业中还非常少见。

对于这台设备，在第四范式担任研发副总裁，负责基础技术的郑曌很有发言权。他认为，将软硬件一体化集成，可以帮助企业减少在人工智能应用搭建环节的投入和弯路，并更快取得效果。

“绝大多数企业在人工智能转型中并不具备像互联网巨头一样端到端的能力。人工智能一体机将软硬件进行协同优化和设计，可以帮助企业高效率的完成人工智能应用的搭建，同时达到较高的性价比。”

正如前文所说，人工智能的落地，远远没有“在电脑上装个软件”那样简单，而是需要应用、数据、算力各个环节的联接。在这样的情况下，与技术合作伙伴一起构建“生态级支持”，要比只开展点对点的技术合作更容易实现应用的落地。换句话说，生态级的难题，也需要生态级的解决方案。

而人工智能软硬件一体机中这些技术与产品的整合，正是从这种生态级解决方案的角度出发，正是为了填平人工智能，从走出实验室到走入企业过程中的那些“落差”。

在这其中，如：至强可扩展处理器、傲腾持久内存、FPGA芯片、白牌服务器等，这些核心组件所凝聚的、源自英特尔整个硬件生态的优势，为第四范式提供了强大的助力。作为在芯片领域有着多年技术投入的英特尔来说，这些产品涉及了数据的采集、传输、计算、存储等多个领域，在智能化转型的过程中，也就意味着对整个数据生命周期的覆盖。

在这样一套完整的、能力全方位的基础设施平台上，CPU的应用价值成为了讨论的重点。伊红卫向我们揭示了CPU在机器学习系统中的重要性：

“有些人并不知道CPU也可以做人工智能，事实上英特尔至强可扩展处理器内置了深度学习的指令，我们称之为深度学习加速技术，能够胜任很多人工智能的工作，第四范式一体机是一个很好的样本，我们还有很多的客户都在用。”

与“提到人工智能的训练必提或只提加速卡和GPU”不同，CPU在第四范式整个软硬一体系统中扮演了重要角色。在至强的帮助下，单位计算密度下的计算效率和计算精度也得到保障。

这个观点在俞扬教授口中得到了印证，他认为，CPU在机器学习中扮演了重要的运算角色，但或许因为其基础性，CPU经常被忽视。

“上世纪90年代打赢国际象棋冠军的“深蓝”，其实里面使用的全是CPU，南京大学实验室里面也在把深度学习和逻辑进行结合，也会遇到大量需要用CPU来计算的场景。而且深度神经网络只是机器学习的一部分，其它的机器学习方面的研究，例如南京大学提出的深度森林，也需要用到大量的CPU算力。”

“可以这么说，CPU实际上是整个人工智能的计算、训练的一个基础设施。但就是因为它可能太基础了，所以大家不太经常会提到这样的一个设备。”

无论是软硬一体的系统还是采用CPU作为算力基础，三位人工智能领域的从业者，都在以自己的经验，告诉大家什么才是最为实际的转型方式。也正因其深入产业，才有机会直面转型痛点，对症下药。

当然，英特尔与第四范式的合作是以CPU为起点，但并不是只会绕着CPU转，比如英特尔提供的FPGA通过面向特定应用的编程后，也可以为一些人工智能任务提供性能功耗比更优的算力支持。而在不远的未来，借助英特尔XPU这种“将CPU、GPU、VPU、FPGA和ASIC等芯片集合在一起”的方案，第四范式或其他人工智能解决方案提供商的产品蓝图也会变得更加多样化，进而能更好满足更多企业在算力、功耗，以及灵活性、通用性上的差异化需求。

人工智能的下一个爆发点在哪里？

“加快人工智能核心技术突破，促进人工智能的推广应用，培育若干引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。”

早在2015年，国务院出台的《关于积极推进“互联网+”行动的指导意见》，便将人工智能纳入重点任务。

六年之间，当初的指导方向被验证切实有效，国家、地方纷纷出台政策加强对人工智能落地支持，也诞生了今天行业内无数开放合作、协同发展的案例。现在，人工智能已经走到了积累“量变”，即将达成“质变”的阶段。

“今天我们可以看到：人工智能虽然做了非常多很有用的东西，但还没有什么‘大用’——在企业内还不够关键。”在郑曌看来，很多企业已经不满足于一两个场景的提升。对于从业者来说要去思考，还有哪些场景足够重要、足够关键，可以被人工智能所重构，从而达到临界点，实现质变。

这些是今天人工智能面临的问题，也是下一波人工智能浪潮的机会。

图注，由左到右依次为：虎嗅科技组负责人 傅博，第四范式联合创始人、首席研究科学家  陈雨强，英特尔（中国）行业解决方案集团公共管理行业总经理 余哲

在直播的探营环节中，第四范式联合创始人、首席研究科学家陈雨强认为，在企业智能化转型这场长跑中，从业者需要踏踏实实解决更加实际的问题：

“人工智能的建设是一个持续的事情，也是一个互相促进的过程。需要有足够多的算力和足够好的数据，也需要为应用开发者提供丰富的土壤。”

第四范式正通过开源的方式，让更多企业、开发者可以便捷、低门槛地去落地人工智能，并通过支持开源社区、举办比赛等方式，提升人工智能场景落地的效率。

正如英特尔（中国）行业解决方案集团公共管理行业总经理余哲所说：

“最大的开源和开放是‘让每一个人都能用得起人工智能’，从这方面而言，我们跟第四范式在软硬件优化技术及产品上开展了非常多的合作。降低了整个人工智能的使用门槛，让更多的人能够参与进来。”

当然，降低使用门槛并不是人工智能落地的终点，更根本的则是对我们思考方式的重塑，余哲说：“这些年的实践让我们觉得，人工智能不仅仅是一个工具，而是一种思维方式。”

目前大家还是将人工智能视为工具——对“工具”的期望自然是希望它简单好用。但其实在这之上，人工智能更是一种全新的“解题思路”。这种从“工具”到“思路”的演变已有前车之鉴——很多人也曾经只把“云计算”视为一种工具或业务平台，但后来的实践证明，谁能以”云原生“的思维去重塑IT系统，甚至是业务流程，谁才能成为云上的真正赢家。所以“ 对不同行业的人来说，通过人工智能的视角去思考业务问题，将成为人工智能未来建设过程中更加重要的课题。”

可以预见的是，随着政策的长期支持、科技企业在底层算力和应用技术上的持续突破，以及更多企业管理者们人工智能思维方式的养成，人工智能还是会一步一个脚印地，为更多企业带来更优的收益。

种种迹象预示着，当人工智能成为企业的刚需，解决方案也足够成熟之时，中国人工智能的下一个爆发点，就不远了。