是時候讓企業擁有「AI自由」了

題圖｜視覺中國

2024年，中國在全球人工智慧市場的占比將達到15.6%。

這是IDC發布的《2020-2021中國人工智慧計算力發展評估報告》中的預測數據。報告還預言：中國人工智慧產業將成為全球市場增長的重要驅動力。

這樣的數據無疑反映了未來趨勢中樂觀的一面，即人工智慧正逐漸成為企業智能化轉型的核心。在大數據和人工智慧等技術的加持下，企業決策的邏輯將被重構，產業智能化轉型的步伐也將進一步加速。

可另一面，則是智能化轉型正對企業基礎設施的建設提出種種挑戰，讓人工智慧落地這件事「說是一回事，做起來卻成了另一回事」。

這也是為什麼，在虎嗅攜手英特爾特邀第四范式打造的人工智慧觀察式直播「至強非凡現場」中，如何克服人工智慧落地過程中的種種門檻、中國人工智慧落地前景如何，成為了我們熱議的話題。

「人工智慧前兩年喧囂一時，這一兩年逐漸平靜——平靜是一個好事，能夠真正地讓那些做人工智慧的人脫穎而出。」

正如在直播訪談環節，英特爾（中國）行業解決方案集團公共管理行業總經理餘哲所說的那樣，智能化轉型正逐漸步入深水區，越早面對轉型的困難，也將越早認識到人工智慧的價值。

龐雜的人工智慧落地

圖註，由左到右依次為：虎嗅科技組負責人 傅博，第四范式研發副總裁、基礎技術負責人 鄭曌，英特爾亞洲人工智慧銷售技術總監 伊紅衛，南京大學教授、南棲仙策創始人、CEO 俞揚

「現在是一個強人工智慧不強，弱人工智慧不弱的時代。」

伊紅衛來自人工智慧行業基礎設施平臺供應方英特爾，作為英特爾亞洲人工智慧銷售技術總監，她親歷了過去數年來人工智慧行業的起起伏伏，她認為：「如今的人工智慧在各個方面都有了長足的進步，如互聯網、金融、政務、能源、醫療等特定場景下，已經有了很好的落地實踐案例。但另一方面，適用各行各業的強人工智慧時代，也就是像科幻片中那樣的人工智慧應用場景還遠遠沒有到來，還有更多的行業面臨著人工智慧落地難的困境。」

「究其原因，人工智慧的三要素，應用、數據、算力，對應到企業落地的過程中每一個都是挑戰。」

鄭曌對此深有感觸，他就職於人工智慧企業第四范式，在服務客戶的過程中，看到企業人工智慧落地過程中出現的諸多問題。他將落地難題總結為了三個層面，也分別對應著應用、數據、算力：

• 諸如反訛詐、內容推薦這類人工智慧應用的落地，推進了企業的智能化轉型，但對企業自身而言，人工智慧應用構建需要很多的技術環節，應用速度遠追不上飛速增長的數據量和算力。
• 數據是整個人工智慧系統的「輸入」，但數據治理的過程龐雜，平均需要耗費數據科學家95%的時間，治理周期長。
• 大部分企業難以承擔起人工智慧規模化帶來的算力成本。人工智慧面臨多樣化的異構算力，讓軟體與算力有效匹配以及實現異構算力的管理調度是一個挑戰。

跟大家心中無所不能的AlphaGo相比，落地端的困難造成了認知上的落差，企業決策者開始焦慮於人工智慧能否帶來其所期望的價值。對人工智慧的情緒，也從崇拜轉向了迷惑甚至是質疑。

「根本就是浪費精力，就像你明明可以坐高鐵，卻非要騎腳踏車去上海。」

這是某制造業企業工程師的吐槽，也是無數產業從業者面對人工智慧時的心聲。

來自南京大學人工智慧學院的俞揚教授，在人工智慧領域有著多年研究經歷，他認為，當初AlphaGo登場時的登峰造極與今天人工智慧產業落地面臨的焦慮，核心差異點來自實驗室人工智慧與企業人工智慧價值點的「錯位」：

「實驗室裡是看什麼樣的技術難，就去解決什麼樣的技術，能解決這些問題就能夠帶來技術價值；但在企業裡，要面向客戶創造價值，至於這個技術到底是難還是簡單，這可能不是第一位的。」

俞揚教授通過制造業舉了個例子：傳統工業企業的數字化水平參差不齊，沒有很好的數據提供給人工智慧訓練。而對企業來說，如果數字化階段的成果不明顯，對於智能化的投入就會很猶豫。

正如俞揚教授所說，對更多企業來說，相比那些遠在天邊的願景，更切實的需求是，讓人工智慧給當下的企業系統運轉增效和變現。否則，就會像前文制造業企業工程師吐槽的那樣，人工智慧落地之後，很可能會演變成一場大型的「自討苦吃」現場。

這也是為什麼，這一輪以深度學習為代表的人工智慧概念最初興起的兩三年裡，很多公司都會宣傳算法的精準度與排名，而近兩年這樣的現象越來越少——隻追求算法上的優異，無法從根本上幫助企業解決實際問題，人工智慧落地需要的是更加全面地解決問題的能力。

俞揚補充：

「應用層面，只有幫企業創造更多的利益，企業才會很願意去投入，甚至願意把前面的數字化缺口也給補上。」

這一切並不容易，在企業與老百姓享受到人工智慧帶來的高效與價值之前，它需要接受底層硬件廠商的技術支持、中間人工智慧公司對解決方案的集成、以及最終應用企業的驗證與修正。

而這也正是本次「英特爾至強非凡現場」直播中，代表底層硬件技術提供方的英特爾會與深耕人工智慧一線市場的解決方案提供商第四范式坐在一起，共同談論這個話題的意義所在。

讓人工智慧開箱即用

直播中，一臺豎立在直播臺後的人工智慧軟硬件一體機，成了幾位嘉賓的討論焦點。

沒有對比就看不出差別，人工智慧行業的流行背景依然是：大多數人工智慧公司，都會將自己的業務集中在與算法密切相幹的軟體和服務上，很少涉足硬件。而將軟硬件結合作為一個完整產品售賣的形式，在這個行業中還非常少見。

對於這臺設備，在第四范式擔任研發副總裁，負責基礎技術的鄭曌很有發言權。他認為，將軟硬件一體化集成，可以幫助企業減少在人工智慧應用搭建環節的投入和彎路，並更快取得效果。

「絕大多數企業在人工智慧轉型中並不具備像互聯網巨頭一樣端到端的能力。人工智慧一體機將軟硬件進行協同優化和設計，可以幫助企業高效率的完成人工智慧應用的搭建，同時達到較高的性價比。」

正如前文所說，人工智慧的落地，遠遠沒有「在電腦上裝個軟體」那樣簡單，而是需要應用、數據、算力各個環節的聯接。在這樣的情況下，與技術合作夥伴一起構建「生態級支持」，要比隻開展點對點的技術合作更容易實現應用的落地。換句話說，生態級的難題，也需要生態級的解決方案。

而人工智慧軟硬件一體機中這些技術與產品的整合，正是從這種生態級解決方案的角度出發，正是為了填平人工智慧，從走出實驗室到走入企業過程中的那些「落差」。

在這其中，如：至強可擴展處理器、傲騰持久記憶體、FPGA晶片、白牌服務器等，這些核心組件所凝聚的、源自英特爾整個硬件生態的優勢，為第四范式提供了強大的助力。作為在晶片領域有著多年技術投入的英特爾來說，這些產品涉及了數據的采集、傳輸、計算、存儲等多個領域，在智能化轉型的過程中，也就意味著對整個數據生命周期的覆蓋。

在這樣一套完整的、能力全方位的基礎設施平臺上，CPU的應用價值成為了討論的重點。伊紅衛向我們揭示了CPU在機器學習系統中的重要性：

「有些人並不知道CPU也可以做人工智慧，事實上英特爾至強可擴展處理器內置了深度學習的指令，我們稱之為深度學習加速技術，能夠勝任很多人工智慧的工作，第四范式一體機是一個很好的樣本，我們還有很多的客戶都在用。」

與「提到人工智慧的訓練必提或隻提加速卡和GPU」不同，CPU在第四范式整個軟硬一體系統中扮演了重要角色。在至強的幫助下，單位計算密度下的計算效率和計算精度也得到保障。

這個觀點在俞揚教授口中得到了印證，他認為，CPU在機器學習中扮演了重要的運算角色，但或許因為其基礎性，CPU經常被忽視。

「上世紀90年代打贏國際象棋冠軍的「深藍」，其實裡面使用的全是CPU，南京大學實驗室裡面也在把深度學習和邏輯進行結合，也會遇到大量需要用CPU來計算的場景。而且深度神經網路只是機器學習的一部分，其它的機器學習方面的研究，例如南京大學提出的深度森林，也需要用到大量的CPU算力。」

「可以這麼說，CPU實際上是整個人工智慧的計算、訓練的一個基礎設施。但就是因為它可能太基礎了，所以大家不太經常會提到這樣的一個設備。」

無論是軟硬一體的系統還是採用CPU作為算力基礎，三位人工智慧領域的從業者，都在以自己的經驗，告訴大家什麼才是最為實際的轉型方式。也正因其深入產業，才有機會直面轉型痛點，對症下藥。

當然，英特爾與第四范式的合作是以CPU為起點，但並不是只會繞著CPU轉，比如英特爾提供的FPGA通過面向特定應用的編程後，也可以為一些人工智慧任務提供性能功耗比更優的算力支持。而在不遠的未來，借助英特爾XPU這種「將CPU、GPU、VPU、FPGA和ASIC等晶片集合在一起」的方案，第四范式或其他人工智慧解決方案提供商的產品藍圖也會變得更加多樣化，進而能更好滿足更多企業在算力、功耗，以及靈活性、通用性上的差異化需求。

人工智慧的下一個爆發點在哪裡？

「加快人工智慧核心技術突破，促進人工智慧的推廣應用，培育若干引領全球人工智慧發展的重要人員企業和創新團隊，形成創新活躍、開放合作、協同發展的產業生態。」

早在2015年，國務院出臺的《關於積極推進「互聯網+」行動的指導意見》，便將人工智慧納入重點任務。

六年之間，當初的指導方向被驗證切實有效，國家、地方紛紛出臺政策加強對人工智慧落地支持，也誕生了今天行業內無數開放合作、協同發展的案例。現在，人工智慧已經走到了積累「量變」，即將達成「質變」的階段。

「今天我們可以看到：人工智慧雖然做了非常多很有用的東西，但還沒有什麼‘大用’——在企業內還不夠關鍵。」在鄭曌看來，很多企業已經不滿足於一兩個場景的提升。對於從業者來說要去思考，還有哪些場景足夠重要、足夠關鍵，可以被人工智慧所重構，從而達到臨界點，實現質變。

這些是今天人工智慧面臨的問題，也是下一波人工智慧浪潮的機會。

圖註，由左到右依次為：虎嗅科技組負責人 傅博，第四范式聯合創始人、首席研究科學家 陳雨強，英特爾（中國）行業解決方案集團公共管理行業總經理 餘哲

在直播的探營環節中，第四范式聯合創始人、首席研究科學家陳雨強認為，在企業智能化轉型這場長跑中，從業者需要踏踏實實解決更加實際的問題：

「人工智慧的建設是一個持續的事情，也是一個互相促進的過程。需要有足夠多的算力和足夠好的數據，也需要為應用開發者提供豐富的土壤。」

第四范式正通過開源的方式，讓更多企業、開發者可以便捷、低門檻地去落地人工智慧，並通過支持開源社區、舉辦比賽等方式，提升人工智慧場景落地的效率。

正如英特爾（中國）行業解決方案集團公共管理行業總經理餘哲所說：

「最大的開源和開放是‘讓每一個人都能用得起人工智慧’，從這方面而言，我們跟第四范式在軟硬件優化技術及產品上開展了非常多的合作。降低了整個人工智慧的使用門檻，讓更多的人能夠參與進來。」

當然，降低使用門檻並不是人工智慧落地的終點，更根本的則是對我們思考方式的重塑，餘哲說：「這些年的實踐讓我們覺得，人工智慧不僅僅是一個工具，而是一種思維方式。」

目前大家還是將人工智慧視為工具——對「工具」的期望自然是希望它簡單好用。但其實在這之上，人工智慧更是一種全新的「解題思路」。這種從「工具」到「思路」的演變已有前車之鑒——很多人也曾經隻把「雲計算」視為一種工具或業務平臺，但後來的實踐證明，誰能以」雲原生「的思維去重塑IT系統，甚至是業務流程，誰才能成為雲上的真正贏家。所以「 對不同行業的人來說，通過人工智慧的視角去思考業務問題，將成為人工智慧未來建設過程中更加重要的課題。」

可以預見的是，隨著政策的長期支持、科技企業在底層算力和應用技術上的持續突破，以及更多企業管理者們人工智慧思維方式的養成，人工智慧還是會一步一個腳印地，為更多企業帶來更優的收益。

種種跡象預示著，當人工智慧成為企業的剛需，解決方案也足夠成熟之時，中國人工智慧的下一個爆發點，就不遠了。