新闻动态   News
搜索   Search
你的位置:主页 > 公司公告 >

企业出资物联网 人工智能成为下站香饽饽

2018-08-28 07:41      点击:

  企业出资物联网 人工智能成为下站香饽饽

  ARM供给物联网芯片的规划,即使真如Gartner所猜测在2020年将有260亿物联网设备,但这也仅仅物联网的物理根底。怎么对这260亿物联设备7×24连绵不断发生出来的数据进行剖析、判别和商业变现,单靠人工智能则远远不能满意这一需求,而有必要依托主动化的算法,这就是Gartner所活跃倡议的算法经济。

CORTANA微软人工智能

  人工智能将成干流商业竞赛战略

  为什么说人工智能将成干流商业竞赛战略?这是由于在算法经济年代,人工智能是终极算法,对终极算法的寻求必将成为干流商业竞赛战略。

  在华盛顿大学教授Pedro Domingos的2015年新书《终极算法》中,有这样结论:终极算法就是通过机器学习的方法,主动发现和发明其它一切算法的主算法。这个所谓的主算法是单一的、全球通用的算法,这个主算法关于生物界来说是人类大脑,关于以物联网为根底的机器世界来说就是人工智能。

  在曩昔60年间,全球最顶尖的科学家们一向在研讨怎么用数学的方法来模仿人类的智能。前期可证明《数学原理》的逻辑理论家程序让机器具有逻辑推理才干,中期的专家体系让机器能取得人类的常识,再到后来旨在让机器自主学习常识的机器学习算法,科学家们对人工智能的探究一向没有中止。

  进入到2016年,也是人工智能学科诞生60周年之际,依据深度学习的机器学习算法成为人工智能干流,而深度学习的中心就是多层深度神经元网络DNN,这也是现在干流科学家能到达的最为老练的机器智能。7月21日,技能解决方案供给商SoftServe发布了Big Data Snapshot 研讨报告,研讨显现 62% 的大中型公司期望在未来的两年内能将机器学习用于商业剖析。这意味着商用多层深度神经元网络DNN,行将成为各大企业追逐的干流商业竞赛战略。

  硬件前进推进人工智能商用

  咱们正在进入人工智能的商用年代。通过60年的开展,依据DNN的人工智能现已从高校和试验室走进了企业,并从企业分散向千家万户。谷歌本年刚发布的智能硬件Google Home、行将量产的阿里互联网轿车、微软人工智能助理Cortana等,都是依据DNN的规模化商业运用。

  在更为广泛的传统企业运用层面,一场大规模的人工智能商用化正在开端,这是依据硬件的前进,其间一个显着的前进是GPU在人工智能商用中的兴起。《连线》杂志在2015年末宣布了一篇名为《与Google竞赛,Facebook开源了人工智能硬件》文章中谈及GPU在人工智能商用年代的兴起。现在,Facebook、Google、微软、百度等大型互联网公司正在转向运用GPU完结人工智能商业运用。

  在曩昔,算法模型依托CPU核算得出,但人工智能算法的独特性在于分布式并行核算,这并非依据串行核算的CPU所拿手。实际上针对图形图画处理的GPU从一开端就是大规模并行核算,这也是为什么斯坦福大学的吴恩达教授会考虑选用GPU优化人工智能算法的初衷。研讨标明,12 颗 NVIDIA GPU 可以供给相当于2,000 颗 CPU 的深度学习功能。

  虽然从长时刻来看,开发真实的人工智能芯片依然是全球学界与企业界一起需求完结的使命,但那仍需求很长时刻的探究与试验。从当时人工智能商业化需求来看,把GPU用于人工智能商用显着具有极大的优势。这就是2016年4月,NVIDIA推出依据GPU的全球首款深度学习超级核算机DGX-1的原因。

  首款GPU深度学习超级核算机

  首款GPU深度学习超级核算机NVIDIA DGX-1依据 NVIDIA Tesla P100 GPU,该 GPU 选用2016年最新的 NVIDIA Pascal GPU 架构。Pascal是第五代GPU架构,于两年前的GPU技能大会(GTC)上发布,产品将于2016年上市,这就是Tesla P100 GPU。作为新一代GPU架构,Pascal比较于前一代的Maxwell有较大的功能进步。依据NIVIDIA的数据,Pascal GPU 在练习深度神经网络的功能方面有1个数量级的进步。2015年GTC大会上,用4颗Maxwelll GPU练习Alexnet深度神经网络需求25小时,到了2016年GTC大会上用8颗Pascal GPU则只用2小时;比照英特尔双路至强E5效劳器练习Alexnet网络需求150个小时,而DGX-1只需求2个小时。

  lexnet神经网络是2012 年世界ImageNet核算机图形辨认大赛的冠军深度学习算法,闻名的开源深度学习算法Caffe就是依据Alexnet。而到2015 年的 ImageNet 大赛中一切的最好成果,都是依据深度学习且在 GPU 加速的深度神经网络,这也难怪《连线》杂志惊叹GPU在人工智能年代的兴起。

  Pascal GPU 架构的优势在于:引入了NVIDIA独家的新高速总线NVLink,专门用于GPU以及GPU与CPU的高速互连,GPU最高可以以 160 GB/s的双吐带宽拜访体系内存,相当于 PCIe传统带宽的5 倍;选用了现在最快、容量最高的堆叠式内存技能HBM2,Tesla P100也是全球首款选用 HBM2 内存的GPU;显着改善编程模型的一致内存,以单一一致虚拟地址来拜访体系中一切CPU 和 GPU内存,极大简化了程序的可移植性及数据吞吐才干等。

  微软研讨院首席语音科学家黄学东表明:微软正在开发具有 1,000 多层的超级深度神经网络。NVIDIA Tesla P100 的惊人功能将让微软 CNTK 可以加速完成人工智能的打破。

  80万的AI效劳器,究竟值不值?

  NVIDIA DGX-1的定价为12,900美金,约合80万人民币。那么,这个价格究竟值不值呢?

  NVIDIA DGX-1供给8 颗 Tesla P100 加速器、每颗 GPU 16GB 内存、7TB 固态硬盘 DL 高速缓存等装备,吞吐量相当于250台E5双路X86效劳器。那么,按2万元人民币一台E5效劳器简略预算,250台即500万的本钱,这还不包含机房、网络、动力等额定本钱。而DGX-1选用 3U 架上型机箱,可独自运用也可以集成到集群傍边,显着用DGX-1做集群更合算。

  在集成的软件方面,NVIDIA DGX-1供给了一整套优化的深度学习软件,归于开箱即用型。在NVIDIA的开发者网站Developer.nvidia.com上,有一个Deep Learning深度学习专区,里边供给了Deep Learning SDK开发东西包、NVIDIA DIGITS图画分类与辨认软件、Deep Learning开源结构等定制化软件为深度学习供给了全方位的软件支撑,可供下载和运用。

  其间,Deep Learning SDK开发东西包内含强壮的东西及类库,可用于规划、开发和布置面向GPU优化的深度学习运用。其间的类库包含深度学习根底cuDNN、线性代数、稀少矩阵、多GPU通讯以及全面的CUDA C\C++开发环境。NVIDIA DIGITS深度学习办理调度渠道为图画视频类数据分类和辨认,供给了包含LeNet、AlexNet、GoogLeNet等在内的预设优化算法。除此之外,NVIDIA还定时更新开发者网站,为开发者供给更多的优化算法——如果说GPU现已是深度学习范畴不能或缺的组成,那么这款面向人工智能机器学习的NVIDIA DGX-1则让更多企业抛开捆绑,以更快的脚步迈向人工智能。

  依据NVIDIA GPU的商用人工智能软件还有一个很大的优势,在于GPU的普适性:针对个人电脑的GeForce、针对云和超级核算机的Tesla、针对机器人和无人机的Jetson以及针对轿车的DRIVE PX等一切NVIDIA GPU都共用同一种架构。

  百度、谷歌、Facebook、微软是第一批把 NVIDIA GPU 运用于深度学习的企业,在近两年内与NVIDIA 在深度学习方面协作的企业激增了近 35 倍至 3,400 多家,触及医疗、生命科学、动力、金融效劳、轿车、制造业以及娱乐业等多个职业。

  考虑到NVIDIA DGX-1在硬件、软件和集成效劳等方面的显着优势,80万的价格并不为高。NVIDIA DGX-1显着可以大幅进步AI模型的学习和练习时刻,加速关于来自物联网上各类图片、视频、语音等非结构化数据的处理速度,比方工业生产线检测的图片、医疗印象视频、道路交通图片与视频剖析等等,协助企业赶快、尽早地从AI算法中获益。

  中科曙光成为NVIDIA DGX-1在我国最重要的战略协作伙伴之一,而全球抢先的监控产品供货商、我国安全城市解决方案供给商海康威视也成为NVIDIA DGX-1的首单客户,后者将把DGX-1用于视频监控方面的深度学习超级核算机项目上。NVIDIA DGX-1现已于本年7月正式上市,DGX-1的上市有望激活人工智能的大规模商用。关于企业来说,在跟投物联网项目的一起,需求开端考虑人工智能战略。在大的工业趋势到来之前,只要抢先一步,才干步步占有先机。