2020年4月9日，中國工程院士、浪潮集團首席科學家王恩東在IPF 2020（2020年浪潮云數據中心合作伙伴大會的簡稱）上通過“智慧計算 源動新基建”的演講表示，智算中心是智慧時代最主要的計算力生產中心和供應中心。并指出：

"計算力就是生產力，智慧計算改造升級了生產力三要素，最終驅動了人類社會的轉型升級。智慧計算將勞動者由人變成了人加上人工智能，勞動者可以呈現指數增長；智慧計算將數據變成了一種新的生產資料，從有形到無形，生生不息，越用越多；智慧計算將計算力驅動的信息化設備變成了生產工具，也是指數增長，生產力得到了前所未有的解放"。

我們可以看到，以AI為核心的技術及其生態(tài)，成為新形態(tài)生產力發(fā)展的決定性因素，且將助力新基建和抗疫的深入。

同一天，浪潮存儲產品線總經理李輝表示“在人工智能、大數據、5G新技術驅動下，數據發(fā)生本質改變，從過去‘人工采集、人工干預’過渡到現在‘機器產生、機器處理’的新時代，數據不僅要存好、管好，更要用好，體現出來的浪潮存儲理念就是：云存智用，運籌新數據“。

在分布式存儲領域，浪潮存儲的AS13000-H可用于包含AI在內的HPC存儲場景，能夠應對AI訓練，也即海量小文件并發(fā)所需的高Ops的需求，AS13000-H單節(jié)點能支持高達數萬Ops的性能。

李輝指出：“浪潮存儲面向分布式存儲和集中式存儲兩大平臺，升級七大極致能力——除了基于iTurbo智能引擎實現極速性能，還圍繞極簡架構，升級自動感知風險的極致安全、六重保護的極致穩(wěn)定、EB級最優(yōu)利用率的極致容量、基于iSCMI云對接技術的極致云化、融合AIOps智能運維的極易管理等等，從而為智算中心帶來安全可靠、經濟高效、易用易管的存儲平臺”。

在集中式存儲領域，浪潮存儲在SPC-1這樣一個全球存儲基礎性能測試里面，AS5600G2 這一型號的16控存儲的性能在全球排名第一，高達752萬IOPS的負載下，延時不到0.5毫秒。這表明，AS5000系列存儲，能夠很好地滿足AI推理對于混合讀寫、超低延時的性能需求。

下面分享一些來自浪潮侯延露翻譯的2萬多字長文《CB Insights ：2019人工智能趨勢》中的部分內容，為大家揭示智算中心這一理念在AI算法、應用領域的探索和實踐。

2019人工智能趨勢

首先，我們使用CB Insights NExTT框架評估每個趨勢。

NExTT框架告知企業(yè)了解新出現的趨勢，并根據他們對風險的承受能力指導他們的決策。
NExTT使用數據驅動的信號，從概念到成熟再到廣泛采用，來評估技術，產品和商業(yè)模型的趨勢。

NExTT框架X軸、Y軸的含義：
行業(yè)采用（Y軸）：包括該領域中的初創(chuàng)公司的發(fā)展勢頭，媒體的關注度，客戶采用率（合作伙伴關系，客戶，許可交易）。
市場實力（X軸）：包括市場規(guī)模預測，投資者和資本的質量和數量，研發(fā)投資，盈利記錄分析，競爭強度，當下交易（并購，戰(zhàn)略投資）。

X軸、Y軸覆蓋的區(qū)域分成了四個象限：

分別是：

1、必要的（坐標右上角，NECESSARY）

行業(yè)和客戶的實施/采用情況以及對市場和應用的了解都在不斷出現趨勢。對于這些趨勢，在位者應制定清晰，明確的戰(zhàn)略和舉措。

2、實驗的（坐標左下角，NECESSARY）

功能性產品很少的概念或早期趨勢，尚未得到廣泛采用。實驗趨勢已經激發(fā)了早期媒體的興趣和概念驗證。

3、威脅的（坐標左下角，THREATENING）

大型可預測的市場預測和顯著的投資活動。這一趨勢已被早期采用者所接受，并可能即將獲得廣泛的行業(yè)或客戶的采納。

4、過渡的（坐標左上角，TRANSITORY）

趨勢正在被采用，但市場機會存在不確定性。隨著暫時趨勢得到越來越廣泛的理解，它們可能會揭示更多的機會和市場。

我們把發(fā)現的25個趨勢，放入到NExTT框中，得到如下概述圖。

按趨勢所在的四個象限，共計25個。其中：必要的6個；實驗的12個；威脅的4個；過渡的3個。 這25個趨勢按場景分：計算機視覺：7個；自然語音處理/合成：5個；智能預測：6個；架構：4個；基礎設施：3個。

一、必要的

1、開源框架得益于開源軟件，進入人工智能的壁壘比以往任何時候都要低。
Google在2015年開源了Tensor Flow機器學習庫。
人工智能的開源框架是雙向作用的：它使所有人都能使用人工智能，反過來，像Google這樣的公司也從有助于加速其AI研究的貢獻者社區(qū)中受益。

每月在GitHub上有數百名用戶向TensorFlow做出貢獻 （用戶可以在其中進行協作的軟件開發(fā)平臺）。 以下是一些使用Tensor Flow的公司，從可口可樂到eBay到Airbnb（愛彼迎）。

在與Nvidia，高通，英特爾，微軟等公司的研究人員合作創(chuàng)建了一個輕量級的模塊化深度學習框架之后，Facebook于2017年發(fā)布了Caffe2。該框架可以擴展到云之外，還可以應用于移動應用。Facebook當時還經營PyTorch，一個適用于Python的開源機器學習平臺。2018年5月18日，Facebook將兩者合二為一，“將Caffe2和PyTorch的有益特性結合到一個包中，并實現從快速原型到快速執(zhí)行的平穩(wěn)過渡”。
近幾個月來，PyTorch的GitHub貢獻者數量有所增加。

Theano是蒙特利爾研究所的另一個開源庫學習算法（MILA）。2017年9月，業(yè)界領先的AI研究員Yoshua Bengio宣布終止MILA對Theano的開發(fā)，因為這些工具已經變得更加普及。YOSHUA BENGIO，在一項MILA公告中說道： “支持深度學習研究的軟件生態(tài)系統(tǒng)發(fā)展迅速，現已達到健康狀態(tài)：開源軟件已成為常態(tài)；提供了各種框架，滿足了從探索新想法到將其部署到生產中的需求；強大的工業(yè)參與者正在刺激競爭中支持不同的軟件棧”。
今天，有許多開源工具可供開發(fā)人員選擇，包括Keras，Microsoft Cognitive Toolkit和Apache MXNet。

2、邊緣人工智能實時決策的需要將AI推向了邊緣。在智能手機，汽車或者可穿戴設備等邊緣設備上運行AI算法，而無需與中央云或服務器進行通信，從而使設備能夠處理在本地提供的信息，對情況做出更快的反應。
英偉達，高通和蘋果以及許多新興公司都致力于在“邊緣”專門為AI工作負載構建芯片。從消費電子產品到電信到醫(yī)學成像，邊緣AI對每個主要行業(yè)都有影響。
例如，自動駕駛汽車針對旅途中發(fā)生的事情必須實時響應，能在沒有互聯網連接的區(qū)域發(fā)揮作用。決策對時間異常敏感，較大的延遲可能會致命。

大型科技公司在2017年至2018年之間在邊緣AI方面取得了巨大飛躍。
蘋果在2017年發(fā)布了帶有“神經引擎”的A11芯片，適用于iPhone 8，iPhone8 Plus和X，聲稱可以每秒執(zhí)行多達6000億次操作的機器學習任務。它支持iPhone的新功能，例如Face ID，可在設備本身上運行面部識別以解鎖手機。
高通在18年第四季度推出了1億美元的AI基金以投資初創(chuàng)企業(yè)，“分享了設備端AI的愿景，讓AI變得更加強大和廣泛”，它的舉動與5G愿景息息相關。
作為許多數據中心的主導處理器，英特爾不得不發(fā)揮作用，進行大規(guī)模收購。英特爾發(fā)布了設備端AI的愿景：處理芯片Myriad X（由Movidius最初開發(fā)，英特爾于2016年收購）。
英特爾在18年第4季度推出了英特爾NCS2（神經計算棒2），它由Myriad X視覺處理芯片提供支持，可在智能家居設備和工業(yè)機器人等邊緣設備上運行計算機視覺應用程序。
CB Insights盈利記錄分析工具顯示了以下內容：
邊緣AI在2018年的一部分中呈上升趨勢

微軟表示，僅在18年第三季度，它就推出了100種新的Azure功能，“同時關注安全性等現有工作負載以及IoT和Edge AI等新工作負載。” Nvidia最近發(fā)布了Jetson AGX Xavier計算芯片，用于跨機器人和工業(yè)IoT的邊緣計算應用程序。雖然邊緣的AI減少了延遲，但它也有局限性。與云不同，邊緣具有存儲和處理約束，將會出現更多的混合模型，這些模型允許智能邊緣設備與中央服務器相互通信。

3、面部識別從解鎖手機到登機飛行，人臉識別已成為主流。在人臉識別方面，中國對安全的推動力以及AI的雄心壯志已成為媒體關注的焦點。

隨著政府在監(jiān)控中增加了一層人工智能，初創(chuàng)企業(yè)在為政府提供基礎技術方面發(fā)揮著關鍵作用。在CBInsights平臺上快速搜索中國的人臉識別初創(chuàng)公司的交易，反映了對該技術的需求。

SenseTime，Face ++和最近的CloudWalk等獨角獸已經從中國涌現。（這是我們有關中國的詳細報告。）但根據CB Insights專利分析工具，即使在美國，對該技術的興趣也在激增。

蘋果公司通過在iOS 10中引入基于面部識別的登錄技術，為日常消費者普及了這項技術。亞馬遜正在將其技術出售給執(zhí)法機構;卡內基梅隆大學等學術機構也在研究有助于增強視頻監(jiān)控的技術，獲得了“使面部特征清晰化”的專利-一種方法，當只捕獲面部的眼周區(qū)域時，可以通過重建整個面部來幫助執(zhí)法機構識別被掩蓋的嫌疑人，然后可以使用面部識別將“半透明臉”與實際臉部圖像進行比較，以找到具有強相關性的臉部。 但是技術并非沒有故障。據報道，亞馬遜因誤認一些國會議員為罪犯而備受新聞報道。當“笑臉解鎖功能”被暫時禁用時，西雅圖學校外的智能相機很容易遭到《華爾街日報》記者的欺騙，后者利用校長的照片進入該場所。“笑臉解鎖”和其他此類“活動檢測”方法提供了額外的身份驗證層。 例如，亞馬遜獲得了一項專利，該專利可以探索更多安全層，包括要求用戶執(zhí)行某些操作，例如“微笑，眨眼或傾斜頭部”。然后，可以將這些操作與“紅外圖像信息，熱成像數據或其他此類信息”結合使用，以進行更可靠的身份驗證。 早期的商業(yè)應用正在安全，零售和消費電子領域迅速發(fā)展，面部識別正迅速成為生物認證的一種主要形式。 4、醫(yī)學影像及診斷FDA正在批準AI作為一種醫(yī)療設備。2018年4月，FDA批準了AI軟件，該軟件可以篩查患者的糖尿病性視網膜病變，而無需專家提出第二次意見。它被授予“突破性設備稱號”，以加快將產品推向市場的過程。 IDx-DR軟件可以在87.4％的時間內正確識別出“輕度糖尿病視網膜病變以上”的患者，而在89.5％的時間內識別出沒有糖尿病的患者。IDx是最近幾個月被FDA批準用于臨床商業(yè)應用的眾多AI軟件產品之一。

FDA批準了初創(chuàng)公司Viz.ai的產品VizLVO，以分析CT掃描并通知醫(yī)療保健提供者患者中風的可能性。在獲得FDA批準后，Viz.ai從Google Ventures和Kleiner Perkins Caufield＆Byers處獲得了2100萬美元的A輪融資。FDA還批準了GE Ventures支持的初創(chuàng)公司Arterys的Oncology AI套件，該套件最初專注于發(fā)現肺和肝臟病變。 自2014年以來，快速的監(jiān)管審批為80多家自籌集了股權融資的AI影像和診斷公司開辟了新的商業(yè)途徑，共計149筆交易。

在消費者方面，智能手機的普及和圖像識別的進步正在將電話變成強大的家庭診斷工具。 Startup Healthy.io的第一款產品Dip.io使用傳統(tǒng)的尿液分析試紙來監(jiān)控一系列尿路感染。用戶使用他們的智能手機拍攝試紙的照片，然后計算機視覺算法會校準結果以考慮不同的照明條件和相機質量，該測試可檢測出感染和妊娠相關并發(fā)癥，已被FDA批準的Dip.io，已在歐洲和以色列上市。
除此之外，許多ML（機器學習）即服務平臺正在與FDA批準的家庭監(jiān)控設備集成，在出現異常時提醒醫(yī)生。

5、預測性維護

從制造商到設備保險商，AI-IIoT可以為現有企業(yè)節(jié)省數百萬美元的意外故障。現場和工廠設備產生了大量數據，但意外設備故障是制造中停機的主要原因之一。
GE最近對450位現場服務和IT決策者進行的一項調查發(fā)現，有70％的公司不知道什么時候進行設備升級或維護，計劃外的停機時間可能使公司每小時損失25萬美元。將使資產保險公司以及制造商的利益無法實現。
在預測性維護中，傳感器和智能相機會從機器收集連續(xù)的數據流，例如溫度和壓力生成的實時數據的數量和各種格式使機器學習成為IIoT不可分割的組成部分。隨著時間的流逝，這些算法可以在故障發(fā)生之前進行預測。
工業(yè)傳感器成本的下降，機器學習算法的進步以及對邊緣計算的推動使預測性維護得到了更廣泛的應用。對該領域感興趣的一個主要指標是這里的大型高科技公司和創(chuàng)業(yè)公司數量眾多。

與專注于工業(yè)和能源的AI公司的交易正在增加，其中包括用于IIoT的ML即服務平臺。較新的初創(chuàng)公司正在與C3 IoT和Uptake Technologies等獨角獸競爭。 GE風險投資于2016年成為這里的積極投資者，支持包括Foghorn Systems，Sight Machine，Maana和Bit Stew Systems（后來被其收購）在內的公司。GE憑借其Predix分析平臺是IIoT的主要參與者。
競爭對手包括西門子和SAP，它們已經推出了自己的IIoT產品（Mindsphere和Hana）。 印度塔塔咨詢公司（TataConsultancy）宣布，它將為能源公用事業(yè)公司推出預測性維護和基于AI的解決方案。 塔塔（Tata）聲稱，其“數字孿生”技術的早期版本-以數字格式復制地面運營或有形資產以對其進行監(jiān)控，幫助發(fā)電廠每年每吉瓦節(jié)省約150萬美元。 甚至像Microsoft這樣的大型科技公司都在擴展其云和邊緣分析解決方案，以包括預測性維護。

6、電子商務搜索

對搜索詞的上下文理解正在脫離“實驗階段”，但是廣泛采用仍然遙遙無期。
自2002年以來，亞馬遜已申請了超過35項與“搜索結果”相關的美國專利。它擁有一家獨家子公司A9，專注于亞馬遜的產品和視覺搜索。A9在美國擁有近400項專利申請（并非全部與搜索優(yōu)化有關）。

一些與搜索相關的專利包括使用卷積神經網絡“確定其圖像與查詢圖像具有視覺相似性的一組項目……”，以及使用機器學習來分析圖像的視覺特征并基于這些特征構建搜索查詢。 亞馬遜正專門在其搜索部門招聘150多個職位，包括自然語言理解，混沌工程和機器學習等。 但是，亞馬遜在電子商務搜索中的運營規(guī)模和研發(fā)規(guī)模是零售商中的例外。很少有零售商討論與AI有關的電話會議策略，而許多零售商尚未擴展或優(yōu)化其電子商務業(yè)務。 但是最早這樣做的品牌之一是eBay。該公司在其15年第三季度的收益電話中首先提到了“機器學習”，那時，eBay剛開始強制要求賣方必須寫產品說明，并且正在使用機器學習來處理該數據以在目錄中找到相似的產品。 在使用電子商務搜索顯示相關搜索結果時，使用適當的元數據描述網站上的產品是一個開端。但是僅描述和索引是不夠的，許多用戶以自然語言搜索產品（例如“沒有按鈕的洋紅色襯衫”），或者可能不知道如何描述他們要尋找的東西。這使得電子商務搜索的自然語言成為一個挑戰(zhàn)。 早期的SaaS初創(chuàng)公司正在興起，將搜索技術出售給第三方零售商。 圖像搜索創(chuàng)業(yè)公司ViSenze與Uniqlo，Myntra和日本電子商務巨頭Rakuten等客戶合作。ViSenze允許店內客戶在商店中拍攝他們喜歡的東西的照片，然后上傳照片以在線查找確切的產品。 它在加利福尼亞和新加坡設有辦事處，并在2016年從包括樂天風險投資公司在內的投資者那里籌集了1,050萬美元的B輪融資。它于2017年進入聯合利華鑄造廠（Unilever Foundry），這使東南亞的初創(chuàng)企業(yè)可以用其品牌測試試點項目。 另一家為在線搜索推薦開發(fā)AI的初創(chuàng)公司是總部位于以色列的Twiggle。 阿里巴巴支持的公司正在開發(fā)一種語義API，該API位于現有的電子商務搜索引擎之上，以響應買方非常具體的搜索。Twiggle在2017年的B輪融資中籌集了1500萬美元，并于去年加入即插即用加速器。 ......