現(xiàn)在，人工智能已經(jīng)以各種方式融入了我們的生活中。
但隨著被解決的問題逐漸增多，人工智能也開始逐步走進(jìn)深水區(qū)，面臨更加復(fù)雜的場景和需求。
那么，當(dāng)前的人工智能算法到底走到了什么階段？
今天技術(shù)的創(chuàng)新和創(chuàng)造越來越多的有點(diǎn)像工業(yè)化流水線，我們能夠用更多系統(tǒng)把算法創(chuàng)造的各個(gè)環(huán)節(jié)整合打通，并且在這個(gè)過程中通過數(shù)據(jù)的輸入，算力的支撐，持續(xù)地規(guī)模化地生產(chǎn)技術(shù)創(chuàng)新的結(jié)果。
站在MEET 2022智能未來大會的現(xiàn)場，商湯科技的聯(lián)合創(chuàng)始人兼副總裁楊帆這樣解釋道：
技術(shù)創(chuàng)新在未來會走向一個(gè)更加通用、智能、低成本、高效的過程，技術(shù)創(chuàng)新本身的模式在持續(xù)演化和進(jìn)步。
我們越來越需要通用基礎(chǔ)設(shè)施，以此為將來更大、更廣范圍內(nèi)的人工智能產(chǎn)業(yè)創(chuàng)新提供支撐和服務(wù)。
那么，人工智能產(chǎn)業(yè)的下一個(gè)階段又是什么？
現(xiàn)階段還面臨著怎樣的挑戰(zhàn)和趨勢？
AI業(yè)界又該采取什么樣的措施來響應(yīng)這樣的趨勢？
……
為了完整展現(xiàn)楊帆關(guān)于上述問題的答案和思考，在不改變原意的基礎(chǔ)上，量子位對他的演講內(nèi)容進(jìn)行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。
關(guān)于MEET 智能未來大會：MEET大會是由量子位主辦的智能科技領(lǐng)域頂級商業(yè)峰會，致力于探討前沿科技技術(shù)的落地與行業(yè)應(yīng)用。MEET2022采取線上參會形式，20余家直播平臺和渠道轉(zhuǎn)播大會直播，200萬行業(yè)用戶線上參會。除量子位微信、頭條號、知乎、微博等全媒體矩陣外，新華社、鳳凰科技、騰訊科技、澎湃新聞等數(shù)十家主流媒體紛紛報(bào)道大會及相關(guān)內(nèi)容，線上曝光量累計(jì)超過2000萬。
要點(diǎn)
人工智能產(chǎn)業(yè)時(shí)的最大價(jià)值不是去形成某一個(gè)閉環(huán)的產(chǎn)業(yè)、特定的消費(fèi)行業(yè)、或者說某一個(gè)特定的生產(chǎn)型行業(yè)，而是說本身就是類似于催化劑一樣的形式。
我們越來越需要通用基礎(chǔ)設(shè)施，以此為將來更大、更廣范圍內(nèi)的人工智能產(chǎn)業(yè)創(chuàng)新提供支撐和服務(wù)。
相比于之前算法比較依賴于科學(xué)家個(gè)人，在過去五年，在我們對人工智能產(chǎn)業(yè)的逐步熟悉的今天，人工智能是對于架構(gòu)、算力、數(shù)據(jù)這些外化型要素強(qiáng)依賴的一種技術(shù)。由此會看到今天技術(shù)的創(chuàng)新和創(chuàng)造越來越多的有點(diǎn)像工業(yè)化流水線，我們能夠用更多系統(tǒng)把算法創(chuàng)造的各個(gè)環(huán)節(jié)整合打通，并且在這個(gè)過程中通過數(shù)據(jù)的輸入，算力的支撐，持續(xù)地規(guī)模化地生產(chǎn)技術(shù)創(chuàng)新的結(jié)果。
技術(shù)創(chuàng)新在未來會走向一個(gè)更加通用、智能、低成本、高效的過程，技術(shù)創(chuàng)新本身的模式在持續(xù)演化和進(jìn)步
在人工智能時(shí)代系統(tǒng)第二重要，更重要的是算法本身。
把模型算法想象成樂高積木塊，我們提供更多基礎(chǔ)的積木塊，支撐產(chǎn)業(yè)內(nèi)的同仁一起用它打造更多更有價(jià)值的模型結(jié)果。
（以下為商湯科技聯(lián)合創(chuàng)始人兼副總裁楊帆演講全文）
人工智能逐步走入深水區(qū)
感謝量子位的邀請，今天來跟大家聊一聊商湯最近在做的一些事情。
量子位今天的主題特別好，“因?yàn)榭匆娝韵嘈拧保椅矣X得這話反過來說也挺有道理，“因?yàn)橄嘈潘钥匆姟保己苡形兜馈?/p>
所以，今天在這里想跟大家分享一下，在商湯最近兩年的人工智能產(chǎn)業(yè)發(fā)展過程中，我們都看見了什么，以及我們相信什么。
從2015年、2016年以來，過去的六七年時(shí)間里，人工智能產(chǎn)業(yè)或者說技術(shù)對于各個(gè)行業(yè)賦能的落地，在中國取得了非常大的進(jìn)展，而且這個(gè)進(jìn)展可以說領(lǐng)先于全世界，這絕非幸之，背后的原因非常多。
其中最重要的一個(gè)就是，當(dāng)我們?nèi)タ慈斯ぶ悄艿漠a(chǎn)業(yè)時(shí)，它最大的價(jià)值不是自己去形成某一個(gè)閉環(huán)的產(chǎn)業(yè)、某一個(gè)特定的消費(fèi)行業(yè)、或者說某一個(gè)特定的生產(chǎn)型行業(yè)，而是說本身就是類似于催化劑一樣的形式。
通過這種技術(shù)的創(chuàng)新能夠給我們整個(gè)國家經(jīng)濟(jì)、各個(gè)產(chǎn)業(yè)提供一種效率的提升、新場景的挖掘和新的價(jià)值。
在2017年發(fā)的人工智能的白皮書中講到：到2030年，中國人工智能核心產(chǎn)業(yè)規(guī)模將是一萬億，帶動(dòng)上下游相關(guān)產(chǎn)業(yè)規(guī)模十萬億，最有價(jià)值的是十倍的杠桿，這也是我們?nèi)タ碅I產(chǎn)業(yè)最大的價(jià)值。
最近一兩年我跟很多朋友聊，大家也在問一個(gè)問題，就是人工智能似乎在逐步走入深水區(qū)，我們是不是即將面臨越來越多更加復(fù)雜化的問題。
其實(shí)，雖然說今天AI已經(jīng)能夠?yàn)槲覀兲峁┓浅６嗟漠a(chǎn)品和服務(wù)，但在我們看來還有更多的細(xì)分場景的剛需大量存在，且在今天并不能被滿足。
隨便舉幾個(gè)例子，比如今天的高鐵鐵路的車輛設(shè)備的臨檢，需要在極短時(shí)間內(nèi)對于車輛設(shè)備的各個(gè)環(huán)節(jié)進(jìn)行快速的檢查，看是否存在安全的隱患。
這樣的需求目前就滿足得不夠好，因?yàn)樗枰写罅康膯栴}被定義，而且要在一個(gè)有限的成本下被解決。
還有最近做得比較多的城市智慧化管理，怎么樣才能針對一個(gè)城市的多樣化的管理需求提供這種綜合性的能力？
比如，我們今天做一個(gè)城市管理，其需求可能是了解整個(gè)城市有沒有自行車亂停亂放、井蓋的丟失、燈箱的損壞、乃至于糞車的偷排，這些數(shù)量眾多的細(xì)碎需求。
需求側(cè)的兩個(gè)最大挑戰(zhàn)
所以，我們覺得今天工智能產(chǎn)業(yè)或者商業(yè)面臨最大的挑戰(zhàn)有兩個(gè)：
第一個(gè)是幸福的煩惱，幸福在哪里？剛需大量存在，我們會面臨大量碎片化場景和多樣化場景。
第二個(gè)問題是與此同時(shí)，我們提供這樣的技術(shù)創(chuàng)新的成本，包括邊際成本非常高，這也造成了今天AI產(chǎn)業(yè)進(jìn)一步發(fā)展面臨的供需匹配失調(diào)的問題。
我們先講第一個(gè)問題，場景碎片化。
一張簡單照片，中間可以被人類所理解和感知的信息量非常大。
一個(gè)人每天平均接觸六百個(gè)物品，每接觸三個(gè)物品定義成動(dòng)作的話，有三千多萬種組合等待著我們定義。
我們再看真實(shí)世界，有句話叫“長尾是無處不在的”，各種行業(yè)，各種場景下對于技術(shù)需求是非常細(xì)分而多樣的，這是未來五年十年會面臨的關(guān)鍵產(chǎn)業(yè)性問題。
另一個(gè)問題，就是今天的技術(shù)創(chuàng)新的成本仍然非常高。
數(shù)據(jù)獲取成本非常高，標(biāo)注成本非常高，處理成本也非常高。
舉個(gè)例子，有客戶需求說：我這里有一條河，希望你們能幫我在有人有時(shí)候掉河里去的時(shí)候自動(dòng)檢測。
但面臨的第一件事情就是正樣本數(shù)據(jù)怎么收集，找一些人天天往河里跳嗎？不現(xiàn)實(shí)。
同樣，我們也要看到今天的技術(shù)進(jìn)步對于海量數(shù)據(jù)的使用。人工智能在過去五年的發(fā)展中，單一模型的訓(xùn)練所需要的算力成本大了三十萬倍，這就是非常大的資源性的成本。
所以我們在需求側(cè)看到兩個(gè)非常大的挑戰(zhàn)，第一是場景多樣化和碎片化，第二個(gè)就是今天去解決碎片化場景的成本太高。
技術(shù)供給側(cè)和數(shù)據(jù)上的變化
再看技術(shù)供給側(cè)的進(jìn)步。
過去五年中人工智能的創(chuàng)新，最原始的創(chuàng)造周期在大大縮短。
和五年前比起來，當(dāng)我們今天研發(fā)一個(gè)同等目的的模型時(shí)，所需要的不論是人數(shù)還是需要投入的時(shí)間都在大大縮短，伴隨我們對于市場進(jìn)一步滲透的提高，這個(gè)時(shí)間將變得更短。
在今天，我們?nèi)匀徽J(rèn)為算力會成為人工智能產(chǎn)業(yè)向下發(fā)展的非常重要的基礎(chǔ)性能力——科研的演化方向是推動(dòng)大模型的建設(shè)，而大模型首先需要更大的算力支撐。
今天海量的產(chǎn)業(yè)應(yīng)用，對于算力提出了非常高的要求。
我們再來看看第三個(gè)要素：數(shù)據(jù)。數(shù)據(jù)是這個(gè)產(chǎn)業(yè)在未來五年會發(fā)生最大變化的地方。
當(dāng)我們的應(yīng)用場景深入到各個(gè)行業(yè)中間時(shí)，一方面，我們對于數(shù)據(jù)的隱私和安全越來越重視，行業(yè)內(nèi)會有很多新的技術(shù)和方式被提出來，并應(yīng)用到產(chǎn)業(yè)中。
另一方面，如果說未來人工智能注定是這樣對于數(shù)據(jù)有大量消化和使用的產(chǎn)業(yè)的話，對于數(shù)據(jù)的權(quán)屬的界定、數(shù)據(jù)的所有權(quán)、使用權(quán)、結(jié)果共享這些在我們今天都沒有得到足夠清晰定義的問題，就有賴于我們整個(gè)產(chǎn)業(yè)的同仁一起，在未來的時(shí)間中共同探索。
算法經(jīng)歷的三個(gè)階段
剛才講到的一些我們看到的產(chǎn)業(yè)發(fā)展的趨勢中，有需求側(cè)趨勢，有供給側(cè)趨勢，這些趨勢會為產(chǎn)業(yè)帶來什么樣的變化呢？
我個(gè)人觀點(diǎn)是，會看到兩個(gè)重要變化。
首先，我們越來越需要通用基礎(chǔ)設(shè)施，以此為將來更廣范圍內(nèi)的人工智能產(chǎn)業(yè)創(chuàng)新提供支撐和服務(wù)，產(chǎn)業(yè)鏈走到今天這種分化的狀態(tài)也需要更細(xì)力度的分工。
另一方面，技術(shù)創(chuàng)新、產(chǎn)業(yè)創(chuàng)新、應(yīng)用創(chuàng)新也越來越需要跨組織的聯(lián)合與協(xié)作，這樣的協(xié)作模式對于過去20年互聯(lián)網(wǎng)高速發(fā)展，甚至更早的產(chǎn)業(yè)發(fā)展中的組織形態(tài)，協(xié)作模式都會提出前所未有的新的變化、挑戰(zhàn)和機(jī)會。
我這里重點(diǎn)講一下第一件事，也就是人工智能通用技術(shù)設(shè)施。
商湯一直是做算法的，在我們自己內(nèi)部來看，做算法經(jīng)歷了三個(gè)時(shí)代：
第一個(gè)時(shí)代，在某種意義上像手工業(yè)，科學(xué)家其實(shí)是一種勞動(dòng)力，就跟一千兩年前木匠或者鐵匠一樣，算法非常依賴于這個(gè)科學(xué)家的聰明才智和他的能力。
這樣情況下如果把它類比成工業(yè)化的話，某種意義上是作坊式的研發(fā)，其結(jié)果實(shí)際上不可知，而且依賴于科學(xué)家個(gè)人的水平。
第二個(gè)時(shí)代，在過去五年，隨著我們對人工智能產(chǎn)業(yè)的逐步熟悉，人工智能開始成為對于架構(gòu)、算力、數(shù)據(jù)這些外化型要素強(qiáng)依賴的一種技術(shù)。
今天技術(shù)的創(chuàng)新和創(chuàng)造越來越像工業(yè)化流水線，我們能夠用更多系統(tǒng)把算法創(chuàng)造的各個(gè)環(huán)節(jié)整合打通，并且在這個(gè)過程中通過數(shù)據(jù)的輸入，算力的支撐持續(xù)地，規(guī)模化地生產(chǎn)技術(shù)創(chuàng)新的結(jié)果。
下一個(gè)階段是什么呢？在我們看來，就是有了流水線，進(jìn)入工業(yè)革命，走到今天的工業(yè)4.0。
這是什么概念？整個(gè)生產(chǎn)線流水線更加自動(dòng)化、智能化。
換句話說，我們認(rèn)為技術(shù)創(chuàng)新在未來會走向一個(gè)更加通用、智能、低成本、高效的方向，技術(shù)創(chuàng)新本身的模式在持續(xù)演化和進(jìn)步，中間涉及到很多技術(shù)問題，整體上是這樣的趨勢。
如何響應(yīng)這樣的趨勢
商湯給出的觀點(diǎn)是，首先，我們就去用這種所謂的人工智能的通用基礎(chǔ)設(shè)施——我們自己的版本叫SenseCore。
通過這些方案，把從底層基礎(chǔ)設(shè)施到硬件、軟件、上游應(yīng)用，整個(gè)端到端系統(tǒng)化模式，或者說從人工智能的技術(shù)創(chuàng)新到應(yīng)用創(chuàng)新的各個(gè)環(huán)節(jié)都進(jìn)行更加標(biāo)準(zhǔn)化的定義，以及更加有機(jī)的組合。
其次，在這個(gè)過程中，對于整個(gè)平臺的通用性、開放性，以及相互之間連接應(yīng)該給出更好的標(biāo)準(zhǔn)和支撐，用它支撐我們在更加上層的百花齊放的應(yīng)用和創(chuàng)新的開發(fā)。
當(dāng)然，這種平臺的組合也會進(jìn)一步帶來更低的成本和更高的效率。
而商湯正是在去年年初的時(shí)候推動(dòng)了上海重要新基建的項(xiàng)目，構(gòu)建了一個(gè)商湯內(nèi)部最大的智算中心（AIDC）。
這一設(shè)施可達(dá)到3740P FLOPS的算力，預(yù)計(jì)明年初正式投入運(yùn)營。
我們以AIDC作為基礎(chǔ)底座，用它支撐未來低成本、高效率的更好的技術(shù)創(chuàng)新和創(chuàng)造。
這一設(shè)施有非常多優(yōu)勢，包括大規(guī)模彈性算力、更低的成本和更高效的使用，并且，當(dāng)端到端進(jìn)行整合的時(shí)候，也能帶來更高的安全性和更低的網(wǎng)絡(luò)時(shí)延，給上面的核心軟件系統(tǒng)提供更好的支撐。
此外，商湯也有自研的人工智能的訓(xùn)練引擎，用以支撐工業(yè)化大規(guī)模超大模型生產(chǎn)。
同時(shí)，我們也關(guān)注如何才在整個(gè)AI的模型生產(chǎn)過程中，通過系統(tǒng)的方式把更多的數(shù)據(jù)，更大結(jié)構(gòu)的網(wǎng)絡(luò)整合起來，讓算力資源得到更好的規(guī)模化應(yīng)用。
其實(shí)，如果從一個(gè)系統(tǒng)來看，光有訓(xùn)練能力遠(yuǎn)遠(yuǎn)不夠。因?yàn)橛?xùn)練出來的算法模型離真正來到應(yīng)用側(cè)，可以被高效部署還有很長距離。
而我們的平臺兼容業(yè)內(nèi)典型主流的各類開源平臺，通過開放架構(gòu)給用戶提供更好的支撐，用大大小小的功能化組件提供服務(wù)支撐。
人工智能時(shí)代算法最重要
我個(gè)人認(rèn)為，在人工智能時(shí)代系統(tǒng)第二重要，更重要的是算法本身。我們應(yīng)該通過算法去實(shí)現(xiàn)上面提到的大量多樣的碎片化的、細(xì)分的技術(shù)創(chuàng)造。
用什么方式去推動(dòng)技術(shù)創(chuàng)造呢？
把模型算法想象成樂高積木塊，我們提供更多基礎(chǔ)的積木塊，支撐產(chǎn)業(yè)內(nèi)的同仁一起用它打造更多更有價(jià)值的模型結(jié)果。
那么，用了這樣一整套平臺體系的我們今天在做什么？
其實(shí)人工智能大裝置一直在持續(xù)迭代和進(jìn)步，商湯的幾個(gè)主要業(yè)務(wù)方向上的大量應(yīng)用和技術(shù)創(chuàng)新都來自于我們?nèi)斯ぶ悄艽笱b置的支撐。
下一步，我們希望對當(dāng)前整個(gè)產(chǎn)業(yè)進(jìn)行更大分化。我們相信，當(dāng)深入到場景挖掘出更多用戶的細(xì)分需求時(shí)，這種平臺化、規(guī)模化且低成本、高效的工具體系，實(shí)際上會讓整個(gè)產(chǎn)業(yè)技術(shù)創(chuàng)新走的更快。
舉個(gè)例子，如果用這樣的平臺去跟某些做特定類型研究的科研機(jī)構(gòu)、特定行業(yè)的科研技術(shù)平臺、行業(yè)頭部企業(yè)合作的話，就能夠推動(dòng)持續(xù)的發(fā)展和創(chuàng)新。
我們希望通過這樣一整套的技術(shù)底座和平臺體系，以及整個(gè)產(chǎn)業(yè)生態(tài)中的開放合作，持續(xù)地加速我們創(chuàng)新的過程，降低創(chuàng)新的成本，解決我在一開始講到的人工智能產(chǎn)業(yè)的、我們看見的、也是我們相信的未來關(guān)鍵的挑戰(zhàn)。
