中国人工智能的发展为什么需要“根技术”？

点击下方卡片，关注“新机器视觉”公众号

重磅干货，第一时间送达

当我们还是小学生的时候在畅想未来的作文中经常会描写到未来有会飞的汽车、帮助人们工作的机器人等等，在后来，文艺工作者将这种幻想具象化，并且搬上了大荧幕，就有了我们所熟知的科幻电影《终结者》、《机械姬》、《我，机器人》等等，无论在哪一个阶段人工智能、机器人都是我们对未来畅想的关键词。

至少自公元前一世纪开始，人类就对制造机器模拟人脑的可行性充满兴趣。到了现代，John McCarthy 在1955 年创造了“人工智能”这个词语。1956 年，McCarthy等人组织了一场名为“达特茅斯学院夏季人工智能科研项目”的会议。以此为开端，机器学习、深度学习、预测性分析应运而生。在迈向现代的过程中人工智能几经沉浮，直到2016年一场人工智能与人类围棋高手李世石的大战，人类方惨败，将人工智能再度拉回人们的视线，并且迅速成为最炙手可热的新兴技术。

中国、美国、日本、欧盟等主要经济体都不约而同将人工智能视为引领未来的战略技术，是新一轮产业变革的核心驱动力。特别是随着数字经济等新兴产业蓬勃发展，将推动互联网、大数据、人工智能和实体经济深度融合。毫无疑问，人工智能作为一种全新的技术形式，为平台经济赋能、提高资源配置效率，畅通要素流通渠道具有重要意义，也将会对人类社会产生深远的影响。

不过，我们现实中的人工智能技术当然不像影视作品里所表现的神乎其神，在当前的技术体系下，业内普遍认为算力、算法、算据三大要素构筑了人工智能的基础，这三个要素缺一不可，相互促进、相互支撑。

目前，人工智能技术已经从最初的互联网领域渗透到生活中的方方面面，例如智慧城市建设，工业智能化等等，更加广泛的人工智能使用就需要更加厚实的人工智能基础。从整个人工智能的发展趋势来看，未来社会发展过程中的产生的文本、图片、语音等非结构化数据是主要的算据来源；算法是对这些算据进行处理的策略机制；而对这些数据的处理主要依靠人工智能算力，算力就是生产力，人均算力水平决定了整个数字经济发展水平。如果说前几次工业革命的核心在于蒸汽机、电力、互联网，那么在智能时代的工业革命主要就将依靠人工智能算力。

可以说，算据决定着数字经济发展的深度，算法决定了数字经济发展的质量和高度，而算力决定着数字经济发展的广度和速度。

大众对于人工智能的熟知在于应用层面，比如AI的语言识别，各种数字人等等。但是在专业人士眼中，要想发展好人工智能可不能只盯着这些应用层面的繁荣，更需要着重发展好人工智能的“根技术”。

就像在计算机发展过程中需要有硬件层、系统软件层、应用软件层一样，人工智能的发展也遵循了类似的层次结构。人工智能发展也需要芯片这样的基础硬件，同样需要AI框架这样的基础软件，最终才会有我们普通人看到的形形色色的人工智能应用。如果没有这些基础的支持，就没有办法完成整个应用的开发，我们的人工智能发展就会成为无源之水。所以基础软硬件就是发展人工智能的“根技术”。

在基础硬件层面，国内不乏像华为昇腾这样性能优异的覆盖全场景的系列AI处理器，随即更多的AI企业如百度寒武纪、地平线、清微智能等也陆续推出创新型AI芯片。

而在软件层面上，人工智能领域中的AI框架是基础软件，也被称为“AI领域的操作系统”，定位和Windows、安卓等操作系统类似，是连接数据、算法和算力等人工智能要素的关键一环，其下接芯片，上承应用，所有人工智能的算法及应用都要通过深度学习框架进行训练与部署，其重要性不言而喻。

目前，业界以Google的TensorFlow，和Meta的PyTorch两款AI框架起步早、发展快，占据了业界主导地位。如果我们不发展出自己的AI框架，并且在此基础上培育产业生态，在人工智能领域的核心竞争力就依旧会受制于人。

AI框架中的“深度学习框架”被列入“新一代人工智能”领域，成为国家重点支持的前沿创新技术。当前，中国人工智能企业开发的AI框架在社区繁荣度、开发者数量等方面还存在一定差距。但是中国的AI框架也更了解中国产业的发展特点。一方面，中国AI框架不断扎根实际应用场景，牢牢抓住了开发者和企业智能化升级的需求，降低人工智能技术的应用门槛。另一方面，中国AI与更多芯片厂商深度适配并融合，形成了软硬协同优势。

例如，作为昇腾AI基础软硬件的核心之一——全场景AI框架昇思MindSpore在初始架构设计时，就考虑了大模型和AI+科学计算的发展趋势，因此原生支持大模型以及AI+科学计算。大模型方面，昇思通过业界领先的自动并行能力，加速大模型开发，实现开发并行代码量降低80%、系统调整时间下降60%。目前，已成功开发出全球首个中文NLP大模型鹏程.盘古、全球首个三模态大模型紫东.太初、全球首个遥感影像智能解译深度学习专用框架武汉.LuojiaNet等；此外，昇思MindSpore联合伙伴成立了“多模态人工智能产业联盟”和“智能遥感开源生态联盟”，积极孵化行业应用，开创了科研创新到产业落地的新模式。

AI+科学计算方面，昇思完成了AI计算框架向AI融合框架的演进，通过神经网络的降维拟合，让科学家无需再解高维方程，提升科技创新效率。布局制造、制药、航天等8大领域AI+科学计算应用，加速产业落地效率。基于此，昇思已成功发布AI电磁仿真套件MindSpore Elec、AI生物计算套件MindSpore SPONGE。

目前国内AI框架发展，除了昇思（MindSpore）之外，还有百度的飞桨平台、旷视的工业级深度学习框架天元（MegEngine），一流科技的OneFlow。这些国产AI 框架正在让AI应用变得更简单。基于AI框架，企业可以根据自身行业的特点和场景需要，更快更便捷地开发AI应用，不再需要从0到1地搭建地基，极大提升了产业智能化的效率和水平。

特别是对于中小企业来说，企业进行数字化变革有着人工智能能力使用的需求，但是又不具备芯片和框架的研发能力。如果依靠传统的人工智能发展模式，显然壁垒极高。因而，面对数字经济发展的新形势，我国主要采用政府主导的人工智能计算中心，通过提供普惠AI算力，牵引区域人工智能产业落地，发展本土人工智能生态。本着高质量和集约化建设的原则，全国多个城市规划建设人工智能计算中心，深圳、武汉、成都、西安、中原、南京等人工智能计算中心已建成使用中。

2021年9月，深圳、武汉、西安、成都、北京、上海等21个城市共同点亮了“人工智能算力网络”，通过“算力网络”实现“算力、数据、生态”三汇聚，使AI算力与水、电一样成为城市基础设施的一部分，在大算力与大数据的结合下，进一步通过使能AI算法、模型和工具创新，来达到孵化新型AI应用、推动AI产业发展的目的，为东数西算工程的实施奠定了良好基础。

此外，影响人工智能发展的一大核心要素就是人才。从中小学生到高校到社会开发者的“全学段”，和重构各行各业的“全面覆盖”的人工智能人才培养体系，已经成为各国AI人才培养战略竞争的焦点。与此同时，更精准、更细分的AI人才培养‘分化’模式也成为当前主流趋势。

在人才培养方面，华为联合各高校和出版社在教材教辅书籍、算子、模型众筹等领域同步开展合作，已完成《昇腾AI处理器架构与编程》和《深度学习与MindSpore实践》等数本合作教辅的编写及出版，同时与相关出版社进行人工智能系列教材合作，相关课程已经覆盖72所高校的超过10万名学生，百度等企业也在开展类似高校合作。

随着当前中国产业数字化转型的不断深入，中国深度学习框架的生态布局正在工业、交通、能源、城市等千行百业“开花结果”。公开数据显示，仅是昇腾AI的技术和商业生态就已初具规模，截至目前，昇腾AI合作伙伴已经超过500家，共同孵化联合解决方案900多个。

随着东数西算工程的实施，人工智能算力网络让各区域共享资源、促进AI技术生态和商业生态发展，加速科学新发现、推动应用新场景、发现产业新方向、孵化发展新理念，为数字经济发展提供源源不竭的动力。