人工智慧作詩、寫對聯，神經醫學人工智慧研究最新進展，人工智慧交通融合感知與數字孿生解決方案，精準醫療輔助診斷平臺……10月26日，2021人工智慧計算大會在北京舉行，一批人工智慧技術應用的創新成果吸引了不少觀眾互動。
會上，包括中國工程院院士、浪潮首席科學家王恩東在內的專家深入探討了數字經濟新格局下，計算如何向智算轉型，智算如何賦能科技創新、社會治理及産業升級，並對人工智慧如何發展出像人類的邏輯、如何跟應用場景結合等人工智慧行業的熱點問題進行了解答。
“人工智慧已經從五六年前的‘黑科技’變成了今天的‘熱科技’，我們看到前沿的研究不斷涌現，比如通過Alpha Fold 2模型，預測人類蛋白質序列，通過腦機介面研究，讓猴子用意念來打遊戲。同時，我們也看到人工智慧正在與各個産業深度融合，改變第一、第二、第三産業的生産方式，各種行業大腦、無人化作業模式不斷涌現，這些新基建正在加速推動著智慧時代的到來。”王恩東説，人工智慧變成“熱科技”的關鍵，在於加強新基建，釋放多元算力價值，其中計算系統的創新是關鍵。
2020年人工智慧加速晶片的計算力總和超過通用CPU
今年的人工智慧計算大會以“智算·新際”為主題。在大會現場，浪潮人工智慧研究院開發的全球最大規模中文AI巨量模型“源1.0”成為全場焦點，大批參會者排隊與“源1.0”互動，親身感受由人工智慧驅動的內容生産方式變革。
“2020年，人工智慧加速晶片所交付的計算力總和已經超過了通用CPU（中央處理器）。預計到2025年，加速晶片所提供的計算力可能超過80%。”王恩東表示。
“隨著人工智慧的規模化發展，算力已經成為決定性的力量，智慧計算是智慧時代的核心生産力。”王恩東表示，人工智慧帶來指數級增長的算力需求，計算産業正面臨多元化、巨量化、生態離散化交織的趨勢與挑戰。一方面，多樣化的智慧場景需要多元化的算力，巨量化的模型、數據和應用規模需要巨量的算力，算力已經成為人工智慧繼續發展的重中之重；另一方面，從晶片到算力的轉化依然存在巨大鴻溝，多元算力價值並未得到充分釋放。如何快速完成多元晶片到計算系統的創新，已經成為推動人工智慧産業發展的關鍵環節。
人工智慧如何發展出像人類的邏輯
人工智慧如何發展出像人類具備邏輯、意識和推理的認知能力，是人工智慧研究一直在探索的方向。
“目前來看，通過大規模數據訓練超大參數量的巨量模型，被認為是非常有希望實現通用人工智慧的一個重要方向。”王恩東認為，隨著巨量模型的興起，巨量化已成為未來人工智慧發展非常重要的一個趨勢。
全球知名的AI領先公司都在巨量模型上予以重兵投入，谷歌、微軟、英偉達、浪潮、智源研究院、百度、阿裏等公司相繼推出了各自的巨量模型。
王恩東介紹，巨量化的一個核心特徵就是模型參數多、訓練數據量大。“以‘源1.0’為例，其參數量高達2457億，訓練數據集規模達到5000GB。”
應用面臨困局，人工智慧如何跟應用場景結合
很多人會有這樣的困惑：人工智慧那麼好，但是怎麼跟我的業務、應用場景結合？我想通過AI技術做智慧化轉型，但是沒人懂演算法懂模型，也缺少好用的AI開發平臺，演算法模型那麼多，如何找到不同演算法在應用中的最優組合？
“懂這些的人，往往都集中在科研機構或者頭部公司。這些地方集中了最優秀的AI人才，但缺少對傳統行業的需求場景、業務規律的深入理解。”對於當前人工智慧從技術到應用所面臨的困局，王恩東指出。
來自埃森哲的一份調研報告顯示，70%以上有技術的研究機構、科技公司缺需求場景、領域知識和數據，70%以上的行業用戶缺技術人才、AI平臺和實踐能力。
王恩東認為，目前人工智慧的技術、産業鏈條脫節，生態離散化成為制約人工智慧技術上水準、應用上規模、産業上臺階的瓶頸。“要想釋放多元算力價值、促進人工智慧創新，既要重視智算系統的創新，加大人工智慧新型基礎設施建設，把從技術到應用的鏈條設計好，從體系結構、晶片設計、系統設計、系統軟體、開發環境等各個領域形成分工明確而又協同創新的局面，又要加快推動開放標準建設，通過統一、規範的標準，將多元化算力轉變為可調度的資源，讓算力好用、易用。”