11月15日，聯想集團副總裁、聯想研究院人工智能實驗室負責人范建平博士，聯想企業科技集團HPC&AI營銷總經理于濤應邀出席第二屆中國超級算力大會（China SC 2020），與眾多知名學者與產業從業者齊聚一堂，共同探討“新基建”背景下高性能計算行業的挑戰和機遇，展示智能算力的最新科技。會議期間，倍受矚目的HPC TOP100榜單正式揭曉，聯想以35套的成績名列榜首，其中六套位列榜單前十名，這是聯想第六次榮登中國第一。

會上，范建平博士發表主題演講，重點展示了聯想邊緣AI平臺的強大技術能力，以及在垂直行業中的應用實踐。他表示，聯想依托在邊緣計算、人工智能領域的深耕和積累，推出了“Edge AI”邊緣智能平臺。該平臺主要包括三部分：

第一，在云端進行模型的初始化和訓練。眾所周知，訓練環節是AI算力需求最大、最集中的部分。部署于邊緣和端的AI模型，為了保證良好的精度，必須通過深度學習算法，在AI服務器上基于大規模的訓練數據進行多次迭代訓練才能得到理想的AI模型。這個環節中，AI服務器基礎架構與AI 訓練管理軟件是保證AI訓練任務穩定高效運行的關鍵。聯想企業科技集團目前推出了一系列AI服務器產品，如基于英偉達NVLINK技術的SG670， 可以配置8張最高端GPU A100的HG680等產品，為人工智能的訓練任務提供了堅實的算力保障。同時范建平博士提到了聯想研究院的人工智能訓練平臺——煉AI大師，這是一款應用于聯想研究院內部的、功能豐富、強大的AI訓練工具，可以應對AI開發過程中，多機并行、多用戶、多任務、多環境等復雜場景。

第二，在邊緣側借助于Edge AI的訓練結果進行決策。范建平博士指出：在實際的客戶使用場景中出于延遲，決策速度，尤其是數據安全的考慮，越來越多的AI計算會在邊緣端完成，而不是把數據發送回數據中心，由數據中心完成計算再將計算結果返回。所以，AI的邊緣計算技術是解決這個問題的關鍵。范建平博士提到聯想研究院的“聯想大腦”在邊緣端的AI部署有靜態和動態兩種不同的方式，兩種不同的部署方式分別適用于不同的客戶場景——在客戶訓練數據與測試數據具有相同分布時，我們使用靜態部署模式；反之，則動態部署更為合理。尤其在動態部署時，我們需要在邊緣側通過不斷的訓練，升級，再訓練，再升級的方式，使邊緣端的能力越來越突出，越來越聰明。但這一過程也是極其耗費算力的過程，用戶面臨著大量的GPU計算需求。范建平博士在這里提出聯想的解決之道——AI算法創新，重點展示了AUTOML增量學習的方法，使得在實現模型動態的同時，大幅度減少了對計算資源的消耗與依賴。

聯想集團副總裁、聯想研究院人工智能實驗室負責人范建平博士發表演講

最后，范建平博士指出，聯想Edge AI平臺是由“煉AI大師”和“聯想大腦”兩個核心部分組成，與聯想企業科技集團等其他業務單元產品已經高度結合，能夠使云端和邊緣設備的算力最大化。如設計了最適配聯想邊緣設備的底層算子及其編譯器，能夠實現低功耗，小模型；同時，Edge AI平臺具備邊云多AI任務聯合作業的能力；此外，還支持企業用戶利用自己的個性化數據，建立企業專屬的“智慧大腦”。

目前，聯想Edge AI平臺已經通過聯想企業科技集團實現了產品化，推出了LiCO AI、AI一體機等功能強大的AI產品與解決方案，被廣泛應用于人工智能數據中心、智能制造、工業物聯網、智慧城市、智能零售、智能音箱和智能家居等各個方面。在自動駕駛領域，可以做到行人識別、車輛識別、信號燈識別等。

責任編輯：PSY