SenseCore商汤AI大装置:人工智能迈向通用的第一步?

共 5472字,需浏览 11分钟

 ·

2021-07-10 20:24


随着时代洪流奔涌向前的你,准备好了吗?


全文5340字,阅读约需11分钟


文|黄兆琦 马诗晴

编辑|常亮

实习生陈紫慧亦有贡献

题图|官方授权


“未来已经到来,只是分布不均。”


后疫情时代,人们熟悉的世界加速重构,过去与未来交织,呈现出光怪陆离的图景:


新冠病毒仍在肆虐,变异毒株凶猛隐蔽,但mRNA疫苗技术却日臻成熟,为人类未来战胜癌症带来新希望;世界各国闭关自保,开放交往遥遥无期,但火星车却已行驶在数亿公里之遥,为人类未来星际旅行开辟了道路。


就在几年前,万众瞩目的人工智能技术也被寄予厚望:引爆新一轮科技革命,彻底改变世界经济的增长方式。如今,这场新科技革命显然并未速成,然而,人工智能激动人心的未来,是否已经“分布”在世界的某个角落?


没错。这一次,在中国。



“专用”到“通用”,历史为何押韵?


从古至今,对人类社会产生深远影响的技术,并不取决于科学家的灵光一现,而是形成于分散的、个别的专用场景下。


积累经验,持续迭代,才能最终实现高效率、低成本的“通用”技术。


与人们的刻板印象不同,第一次工业革命的象征——蒸汽机,并非横空出世:最早的蒸汽机是固定的、单向功能的,长期用于大大小小的煤矿抽水,技术规格并不统一;直到数十年后,瓦特才改良了蒸汽机,发明了“万用蒸汽机”。这种蒸汽机不再受制于地理条件,才得以在此基础上实现高效率、低成本、规模化地用于火车机车、远洋船舶和工厂生产,极大地提升了人类利用能源的量级和效率,实现了生产力的跃迁。


第二次工业革命的象征是——汽车,早在19世纪80-90年代,很多发明家早已在欧美各地独立发明了汽车,但汽车定制成本很高,是专属贵族的“玩具”,与普通人无缘。数十年后,福特推出了流水线上生产的通用型的“T型车”,才实现高效率、低成本、规模化,足以让普通美国工人积攒三个月工资即能购买,汽车由此才成为 “国民交通工具”,带动了现代工业的腾飞。


第三次工业革命的象征是——集成电路,早在20世纪60-70年代,多种功能迥异的芯片既浪费又笨拙,分散于军工、航天和科学研究领域,定制成本极高,应用场景分散。直到霍夫设计出微处理器,从此“通用芯片”诞生,实现了高效率、低成本的批量生产,规模化的“个人计算机”时代才宣告来临。



由此可见,历史上伟大的科技发明都经历了由“专用”走向“通用”的历程,并从此有力地推动了各个阶段社会生产力的发展。因此,这些科技创新成果可以被称为是各个时代的”通用目的技术“(GPTs)。


一般而言,通用目的技术的共同特征表现在四个方面:


首先,它能够被广泛地、大规模地应用于各个领域,比如蒸汽机既能成为火车、轮船等交通工具的动力,又能应用于工厂机械生产;


其次,它能持续促进生产效率提高,降低使用者的成本,比如晶体管发明后,计算机处理器的性能提升上亿倍,耗电量下降了上百倍,而价格可以便宜到与一杯星巴克差不多;


此外,它能促进新技术创新和新产品生产,比如通用芯片诞生后,手机、计算机制造都与其密不可分;


更重要的是,它将不断促进生产、流通和组织管理方式调整和优化,比如蒸汽机、内燃机的发明,成为了流水线诞生的基础,标准化生产模式得以诞生。


历史不会重复,但会押韵。如今,人工智能技术同样走在了由“专用”到“通用”的演进道路上。


人工智能技术自20世纪50年代发轫,经历了数十年的技术积累迭代,在计算机视觉、语音语义识别、深度学习等技术类型上已取得了显著的研究成果。截至2020年底,全球AI申请专利累计超过180万件,在许多行业的专业场景中实现应用落地:如安防、政务、金融、零售、企业服务等。


然而,各个专业场景下的单点技术虽然已经发展成熟,但它们相互之间的融合性仍不乐观,仍是分散的、个别的应用。AI解决方案难以复用,边际成本高居不下,成为当前AI产业发展的顽疾。甚至有人认为:“十年来没有新技术问世,AI发展早已停滞。”


现实中,越来越复杂的需求如潮水涌来,“通用”的人工智能技术难道只是一厢情愿?



AI会成为当代的通用技术吗?


马克思曾经指出:“各种经济时代的区别,不在于生产什么,而在于怎样生产,用什么劳动工具生产。”


通用目的技术,对经济社会转型的影响,主要在于改变了人类社会的生产工具,并推动了各个历史阶段社会生产力的飞跃。


两次近代科技革命中,蒸汽机、电力、内燃机都改变了体力劳动者的工作方式,推动了现代工厂制度的建设,从而也诞生了新的岗位与工业经济,例如装配线的使用让数以亿计的农民转行成为了工人。


在现代科技革命中,计算机、互联网等信息技术改变了部分脑力劳动者的生产方式,美国中产阶级涌现,并出现了越来越明显的财富聚集现象。


亿欧EqualOcean认为,由于能够同时改变体力与脑力劳动的生产方式,人工智能引领的科技革命极大可能达到前几次工业革命的规模,且呈现出反超趋势。


对照历史上通用目的技术的共同特征,我们不难发现AI技术与其高度重合:


首先,AI能够大规模应用于各个领域,比如金融、医疗、安防、工业等;


其次,在提高生产效率方面,AI的潜在影响力是巨大的:企业能够应用AI技术分析大量历史数据,从而动态调整业务、节约成本,确保企业始终能够提供高质量的生产服务。


此外,在促进新技术创新和新产品生产方面,AI也发挥着重要作用:AI应用与大数据、云计算、5G等技术协同发展,并促进这些技术迭代更新,使得技术叠加应用形成的合力增强。


而在促进生产、流通和组织管理方式调整和优化方面,AI与企业成熟应用的数字化系统相结合,能够强化组织内每个环节、流程,提升组织整体的作业效率。


尽管具备上述特征,AI技术仍处于“专用“阶段,其在各领域遍地开花,但仍未实现“通用”。从其发展进程来看,或许正处于成为当代GPT的前夜。那么,从“前夜”到“黎明”,距离还有多远?


SenseCore商汤AI大装置:

通用人工智能的先声?


商业落地一直以来都是人工智能企业关注的焦点,也是当前决定人工智能企业能否将技术优势转化为经济效益,从而在市场上长久存活的关键。


人工智能要成为当代通用目的技术(GPTs),要在复杂多样的垂直场景中实现大规模复制,关键一步便是攻克“长尾应用需求”。


所谓“长尾应用需求”,即行业中应用频次较低,却蕴含巨大商业价值的应用需求。


以城市管理为例,按照固定路线重复的地铁自动行驶,是高频应用;与之相反,针对火灾、水灾的预警,理论上频次极低,即是长尾应用场景。


相对于高速公路、园区、港口等封闭环境中相对“一成不变”的环境感知,在开放道路上躲避行人和障碍物、识别信号灯、应对突发状况,即是自动驾驶的长尾应用需求。


长尾应用需求,具有发生频率低且复杂多变的特点。倘若AI企业针对每种长尾需求都进行技术研发,势将陷入投入产出比不高的困境;同时,种类繁多的细分行业场景也需要更大规模的数据处理能力和算力支持,进一步提升了AI商业落地的成本和难度。


然而在现实世界中,正是长尾应用占据了巨大的核心资源,是价值闭环的关键。正如互联网平台的优越性是把很多小众需求连接起来,AI的长尾应用也包含着不可或缺的商业价值。


针对高频应用,部分单点AI技术在发展成熟后已经能较好地解决问题。但是面对渗透到生活方方面面的长尾应用需求,什么样的AI技术能以低成本、高效率的方式终结这个难题?对此,商汤科技的“AI大装置”给出了它的破解之道:


SenseCore AI大装置是商汤科技打造的新型人工智能基础设施,其基础架构由算力层、平台层、算法层构成。


商汤科技新型人工智能计算中心外景

图源:官方授权


“算力层”以商汤自主建立的新型人工智能计算中心(Artificial Intelligence Data Center,简称AIDC)为基础,整合AI芯片及AI传感器,能够提供强大的算力基础,支撑对海量数据和算法模型的分析、训练和推理。


“平台层”能够打通数据平台、深度学习训练框架、深度学习推理部署引擎和模型生产平台,打造创新的人工智能通用算法开发平台,实现从数据存储、标注,到模型训练、生产、部署、测试的全链路、批量化过程。


算法层基于平台层生产的创新算法模型,向企业开发者提供算法工具,为企业赋能,助力其实现智能化升级,同时与香港中文大学商汤联合实验室(MMLab)打造算法开源计划(OpenMMLab)。迄今为止,商汤的算法工具箱已开发超过1.7万个算法模型。算法开源框架在GitHub上超3.7万颗星,为亚洲星数最高,与其他开源框架总星数相当。


长期以来,人工智能创业企业往往被定义为“算法公司”,即针对具体工程需求提供针对性解决方案,呈现“项目制”的人力密集型高成本商业模式。人力的高成本不仅体现于高素质工程师的绝对数量,还必须雇佣精通各行各业的专业人才。假如人工智能作为一种生产要素的背后是居高不下的人力成本,那么“昂贵”的人工智能就无法被千行百业大规模应用,以往的人工智能技术演进范式,正在面临危机。


SenseCore 商汤AI大装置尝试真正降低人工智能生产要素的成本:输入多模态的庞大数据,利用强大的算力加以处理并输出算法模型,这一过程不断接近标准化,将降低并最终消除人工成本。以往算法开发的第一步就是“提出假设以拟合现实”,需要人类的灵感和勤奋。如果通过庞杂数据加上强大算力即可实现这一步,并在此基础上实现自动化、自适应的迭代,这必将是一次引人瞩目的范式转换。


这条路走得通吗?



通用AI模型已经开始应用


事实上,探索基于大规模算力的通用AI模型一直是世界人工智能技术研究的“终极目标”。2018年以来,OpenAI、Google和Facebook围绕超大规模预训练模型展开的“军备竞赛”日益白热化。


2019年,OpenAI耗资1200万美金研发GPT-3模型,建立了2600P的基础算力,相比其2018年6月推出的GPT模型,数据规模增长了500倍。如果使用单块NVIDIA V100 GPU,则其完成GPT-3当前能实现的训练规模,需要长达355年之久。



事实上,早在GPT-3出现以前,商汤科技就已经率先开启了针对“通用AI训练模型”的研究。如今,商汤科技投资56亿在上海临港建设了具备3740P算力的人工智能计算中心(AIDC),在技术路径上已经处于国际领先行列。


通用AI模型实现后,商汤大装置将成为AI迈向通用的第一步,具备了当代“蒸汽机”的特征:


首先,通用模型让AI跨行业大规模复制不再是难题,尤其在长尾应用场景中,AI大装置能够以低成本的方式为其提供通用产品,带动AI在各类场景深度落地;


其次,在提升效率方面,对于AI技术本身来说,AI大装置能够大幅提高对基础算力的使用效率和自主原创算法的迭代效率,提高AI技术本身的生产力,降低人工智能生产要素成本,只有AI不再是劳动密集型行业,才能实现与其他行业的融合;


此外,在促进新技术创新和新产品生产方面,当算力和算法效率提升,AI大装置可以构建出基于城市物理空间的数字化搜索引擎和推荐系统,将虚拟世界的搜索转化到物理世界的搜索,打造全新的商业模式。


在促进生产、流通和组织管理方式调整和优化方面,AI大装置能让未来智慧城市走向全面数字化,助力生产生活中各流程优化。


目前,在细分领域,商汤已逐步实现“AI通用”。


在城市治理方面,商汤科技在上海市长宁区江苏路街道率先试点“AI+一网统管”,基于商汤SenseFoundry方舟城市开放平台,构建多场景、一站式AI城市治理解决方案,实现了AI研判处置全闭环管理,有效解决了暴露垃圾识别、共享单车乱堆放等城市痛点问题,极大提升城市管理效能。


在医疗行业,商汤科技SenseCare®智慧诊疗平台能够全面满足影像科、骨科、肝外科、心内科、病理科、胸外科、放疗科等多科室的临床诊疗需求。平台不仅提供了行业最全面的疾病智能辅助诊断,覆盖超过13个人体部位和器官,打通了3D术前规划以及愈后康复跟踪的完整流程,成为行业领先的覆盖“诊-疗-愈”全流程的智慧医疗解决方案。


展望未来,商汤AI大装置从长尾需求出发,以低门槛、低成本的方式输出通用的AI服务能力,将AI从成本高昂的“定制模式”,提升为“工业化生产模式”。


以史为鉴,社会生产力的每一次大幅跃升都离不开通用目的技术的广泛运用:


两百年前,“万用蒸汽机”出现,推动世界进入机械时代,普通人突破肌肉力量的极限,可以获取千倍万倍的能量翻山越岭开山劈石;一百年前,流水生产线问世,批量生产的海量商品走入千家万户,普通人也可以过上堪比古代帝王的生活;五十年前,通用芯片诞生,催生“PC时代”,世界逐渐变“平”,普通人足不出户也能与全世界互通有无。


未来,当人工智能成为通用工具,进入工业化、规模化的大生产阶段——世界天翻地覆,将是何等震撼。


历史的车轮只会向前,当AI逐渐成为颠覆世界的新力量,新一轮生产力变革到来。随着时代洪流奔涌向前的你,准备好了吗?




参考资料:


1.《创新者》

2.《全球科技通史》

3.《铁道之旅:19世纪空间与时间的工业化》

4.《技术的本质》

5.《科学革命的结构》

6.《经济转型:通用技术和长期经济增长》

7.《第二次机器革命》

8.《未来呼啸而来》

9.《解开人工智能与生产力的悖论》


本文由亿欧原创,申请文章授权请后台回复“转载”,联系相关运营人员,未经授权不得转载。




RECOMMEND

推荐阅读


浏览 35
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报