華為與第四正規化,正在醞釀一個幫企業跳出AI悖論的“祕密計劃”
諾蘭的《信條》,你看懂了嗎?
這個問題好像挺難回答,說看懂了怕人說裝;說沒看懂怕人說傻。所以標準答案可能是既看懂又沒看懂,這或許說明諾蘭就是拍了個悖論。
跟大部分小夥伴一樣,時間鉗形運動這種東西我大概就看了個寂寞。但是《信條》裡關於時空悖論的處理,卻讓我似有所悟。電影裡無論怎麼穿越時空,最後都無法改變結果。這就構成了一個悖論:既然逆轉時間無用,那我還逆轉它幹嘛?
這個悖論在物理學上到底成不成立我不知道,但卻跟很多我們採訪過的產業AI案例有某種相似:企業在應用AI技術時,往往是硬體問題解決了軟體出問題,軟體解決了算力又不夠,算力解決了資料出麻煩——各種問題構成了一個鉗形運動,導致企業AI總是陷入一個死迴圈,還不如干脆不用。
想要跳出這個悖論,就不能單點突破,而是統籌考慮企業AI的全域性法則,把軟硬體問題一次“殲滅”。
在AI產業化突圍不斷加強的新階段,這種可能性正在加強。第四正規化與華為的一次握手,正在帶來從算力到框架,從資料統籌到作業系統的全棧AI可能。
企業跳出AI的時空悖論,也許就在彈指一揮間。
Sage AIOS:扼住資料的空間坍塌
企業應用AI的軟體問題,絕大多數出在資料上。
被資料餵養出來的智慧,是機器學習代表的第三次AI崛起之關鍵。但這種方案落在產業端,卻可能出現各種各樣的問題:有效資料稀少、訓練資料與生產資料不一致、資料干擾過多、資料時效性弱、各行業資料差異過大等等問題縈繞在企業周圍。恨不得資料所到之處,遍地都是問題——缺少資料規範和標準,或許可以被稱為資料空間坍塌的成因。
而解決企業“資料+AI”問題的關鍵,在於一套行之有效的作業系統,將資料的一致性、時序性、資料閉環,以及資料治理系統進行有效的統一。
面對這一問題,第四正規化在不久前釋出了面向企業AI的“Windows”:Sage AIOS企業級AI作業系統。
在Sage AIOS中,企業可以在簡單易用的操作介面上,完成資料資源治理、系統資源排程、應用場景管理等能力,從而實現企業AI應用中資料、資源、場景的規範化。
資料方面,Sage AIOS會規定每種場景的資料準備與使用方式。進入到某個AI應用場景中,只需要根據說明準備相關資料,呼叫IT資源,就可以實現低門檻落地AI應用。既降低了人才成本,又提升了落地效率。
如果說Sage AIOS解決了企業AI落地的資料標準化難題,將企業時常面臨的資料混亂狀態進行了統一,是在軟體端扼住了AI的時空悖論,那麼在另一側,華為與第四正規化算力平臺SageOne正在致力於在全棧全場景算力上解決企業的AI難題。
Atlas:擊穿計算的時間停滯
如果說,複雜的資料問題是企業應用AI時面臨的空間成本;那麼AI算力不足,就是標準的時間成本。
在企業應用AI時,從訓練到部署,從雲端到邊緣、端側場景,各個領域都需要充足且能夠適配的AI算力。否則就會出現訓練太慢、部署跑不動、具體場景找不到合適硬體支撐等等問題。AI算力就像產業智慧化時需要的電能,哪裡要用高壓電,哪裡需要電池必須明明白白,否則產業AI會陷入到算力不足的漩渦裡,甚至根本無法啟動。
面對這種情況,華為釋出了Atlas人工智慧計算解決方案,打造了面向各場景所需的模組、板卡、小站、伺服器、叢集等產品形態,實現“端、邊、雲”的全場景AI算力適配。
作為產業界獨特的AI基礎設施,Atlas目前已經廣泛應用在智慧城市、智慧交通、智慧醫療等領域,成為華為全棧AI解決方案的組成部分。
在硬體領域,Atlas可以說是AI基礎設施與IT產業、行業智慧融合的產物,將昇騰的底層優勢與各計算場景進行了對齊。這在很大限度上解決了AI算力不足與算力單一、算力體系間不適配的三重問題,從而讓企業跳出AI算力不足陷入“時間停滯”的窘境。
一邊是軟體層面的資料標準化,一邊是硬體層面的全場景AI算力適配。可能各位朋友也發現了,想要全面解決企業AI落地的軟硬體難題,最好是將兩種方案結合起來,實現《信條》裡的那種正逆部隊同時行動,一舉打破AI的“時空悖論”。
而這個奇點,並不遙遠。
奇點將至,悖論退散
在不久之前的昇騰 AI 新品全球釋出會(HAI 2020)上,華為釋出了昇騰 AI 全棧軟體平臺,包含異構計算架構 CANN 3.0、全流程開發工具鏈 MindStudio 和昇騰應用使能 MindX。大幅度提升了Atlas平臺的軟體使能與適配能力。
而在釋出會當天,一位非常重要的朋友來講述了自身與華為在AI領域的軟硬體合作,那就是第四正規化。
在第四正規化與華為的合作中,雙方在軟硬體一體的基礎上,基於Atlas產品,華為MindX DL完成了軟硬體的深度優化。第四正規化將自身在AI軟體技術上的深厚積累,與華為產品深度整合、優化。第四正規化自研的包括 GDBT(大規模分散式高維機器學習框架)、RTiDB(AI實時記憶體資料庫)、pRPC(零拷貝通訊協議)、HyperScheduler(AI排程核心)等多項技術,讓AI得以充分利用計算、儲存、網路、排程的多項資源。這讓第四正規化的資料訓練、推理演算法、模型應用等整個AI流程,能夠在極致算力上高效執行,以軟體定義的方式來助推AI落地。
而在此基礎上,第四正規化的Sage AIOS正在與華為昇騰體系進行更緊密的合作,將新一代企業級AI作業系統的軟體創新,與華為打造的Altas全場景軟硬體底座進行深度融合,為千行百業的企業使用者帶來極致算力體驗下的軟硬體聯合解決方案。
當最懂企業智慧化落地的AI公司,遇到最懂場景、生態、行業的昇騰,一個奇點或許正在醞釀當中。在一場勢必到來的爆發後,那些困擾了企業很久軟硬體悖論將煙消雲散。
一站式、全流程、無縫、一體機,這些關鍵詞背後究竟隱藏著怎樣的改變?
Sage的意思是先知,Atlas是古希臘神話中的大力神。當先知攜手大力神,這個組合將給企業探險者帶來怎樣的助攻?
答案盡在9月23日開啟的華為全聯接大會2020——產業AI的新規則,創立於舊悖論的衰亡一刻。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31561483/viewspace-2719226/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 專案計劃與日程表的悖論
- 第四正規化柴亦飛:低門檻的AI平臺正在成為一種趨勢AI
- 針對網際網路支付的“網聯”正醞釀面世 功能與銀聯相似
- 資料庫設計正規化2——BC正規化和第四正規化資料庫
- RapperBot,你在醞釀什麼?APP
- 德勤諮詢&第四正規化:企業智慧化轉型白皮書
- 最高祕密計劃,特斯拉自動駕駛卡車正在研發中自動駕駛
- IDC行業正在走向正規化,都有哪些趨勢呢?行業
- 《Nature Commuciations》發表第四正規化論文,AI為攻破生物化學難題提供新思路AI
- Web3是一個新的計算正規化? - GreylockWeb
- Reactive設計語言與正規化React
- 悲催的程式設計師悖論程式設計師
- 自動化測試經驗的悖論
- 開源:醞釀創新思想和創新產品的運動(轉)
- IT行業中的六個骯髒祕密行業
- React的併發悖論React
- [比賽報名]英特爾x第四正規化:AI應用與異構記憶體程式設計挑戰賽AI記憶體程式設計
- 企業資訊系統歸併規劃方案一
- 資料庫(第一正規化,第二正規化,第三正規化)資料庫
- 曝光一對一直播行業的“祕密”行業
- 三個規則劃分企業商機管理系統
- 資料庫設計正規化1——三正規化資料庫
- 程式設計師保值的4個祕密程式設計師
- 程式設計師工作效率悖論程式設計師
- [轉]資料視覺化的七個祕密視覺化
- 資訊化業務規劃與技術體系規劃
- 計劃與控制是製造企業ERP的核心
- 敏捷規劃,讓你做一個有計劃的開發人敏捷
- 第四正規化智慧風控中臺架構設計及應用架構
- 資料庫原理之第一正規化、第二正規化、第三正規化資料庫
- 網際網路的下一個祕密
- 【分享】企業如何進行施行規劃?
- 對“芝諾悖論”的思考
- 企業IT規劃|資料治理該歸哪個部門管?
- 暑假第四周規劃
- 華為計劃在波蘭建立一個網路安全中心
- 深度學習+符號智慧,硬核公司「深度好奇」正在將新技術正規化商業化深度學習符號
- 【一文秒懂】帶你徹底搞懂正規化與反正規化資料庫設計資料庫