[[217005]]

政策利導下的企業級AI價值在哪里？

IDC報告顯示，未來三年，在中國，人工智能整體市場的年復合增長率將超過50%，到了2020年，中國人工智能市場的整體規模將到達150.2億人民幣，其中政府、金融、醫療、制造等行業將占整體人工智能應用市場規模的一半以上。

如此重要的未來趨勢，如此重要的市場潛力，自然受到了來自政府和行業的深切關注。

[[217006]]

從國家政策角度看，從2015年開始，國務院和相關部委頻繁發布相關政策，推動人工智能的發展。比如在《中國制造2025》、“互聯網 +”行動計劃、“十三五規劃”中，紛紛將人工智能列為著重發展的領域， 國家發改委2016年9月還將人工智能納入“互聯網 +”建設專項。

2017年7月20日，國務院正式印發《新一代人工智能發展規劃》，明確提出了中國人工智能“三步走”戰略、八大關鍵技術研究、數十個產業落地、AI人才的培養和引進、以及成立人工智能規劃推進辦公室等戰略規劃。

這一系列的國家政策發文的激勵與引領下，人工智能已經從國家戰略層面登上了中國的歷史舞臺，并逐漸在多個行業里面“生根發芽”。

以全球的眼光看重，盡管中國人工智能基礎支撐能力還存在不足，但是，中國已經在深度學習技術及應用創新平臺的構建上發力了。同時在支撐大規模密集型計算、海量數據訓練、計算機視聽覺、生物特征識別、復雜環境感知、新型人機交互、 機器翻譯等技術的研發和工程化方面，不斷進取，以提升深度學習算法的綜合運用能力。

不過，按照國家在AI領域的發展大規劃，中國在AI人才培養上還需要下大力氣，依托更為豐富、堅實的人才基礎，然后構建中國的人工智能技術標準、服務體系和產業生態鏈。其最終目標就是要將人工智能核心產業規模發展到1500多億元，并帶動相關產業規模超過1萬億元。

[[217007]]

為此，國家AI層面也帶動了行業AI轉型，從“互聯網＋”到“人工智能+”，一個以人工智能為技術核心的新生態與新業態慢慢在形成。并且在幾個重要的行業中，AI所能發揮出來的價值已經獲得了業界的認可。比如在金融行業，人工智能在風險監測、反欺詐、信用評估等方面發揮了重要等作用；在制造行業，工業物聯網+實時數據分析則可用于故障診斷、個性化定制等。

不僅如此，在醫療行業，利用深度學習等技術可進行診療圖像處理、輔助診斷應用，未來還可以從就診前交互環節向下延伸至臨床診療、精準用藥，向上拓展至新藥研發環節，形成醫療AI生態鏈；在物流行業，倉儲及物流環節的無人車、無人機也正在成為新潮流。

業內專家評論道：國家政策利導，企業級AI的價值逐漸顯現，并在未來的發展中將會發揮著前所未有的作用。

企業級AI需要什么樣的基礎架構平臺？

行業在發展，企業級AI的價值如此重要，也如此引人注目，那么企業級AI到底需要什么樣的基礎架構平臺來支撐呢？

對此，中科院自動化所所長徐波表示：“我們始終堅持以智能技術作為研究所戰略發展的主要方向，并與戴爾中國共建聯合實驗室，將進一步加強研究所的計算平臺優勢，增強科研與產業的融合創新，助力研究所在人工智能領域的創新發展。”

一個幫助企業實現基于深度學習的大數據分析，快速步入人工智能時代的先進人工智能深度學習平臺“諸葛·深知”也就這樣誕生了。

作為中科院自動化所和戴爾聯合開發對AI成果，“諸葛·深知”以業界領先的企業級深度學習應用與服務平臺，幫助企業用戶提供深度學習工具包的統一接口，以及眾多成熟算法模型。這就明顯方便了企業用戶在AI領域的應用與進步。

尤其是對于大量技術力量薄弱的中小企業來說更是需要“諸葛·深知”這樣的企業級AI平臺。因為當前深度學習框架、工具庫眾多，很多都是開源版本，適用場景各有不同，如何構建一個統一、高效的深度學習管理平臺，滿足多種深度學習框架及工具庫的安裝、配置、管理，以及多重框架的并行工作，這對多數企業和機構是一個巨大的挑戰。“諸葛·深知”有著先進的基礎架構支撐，將各種工具集成在一個AI平臺上，對于企業用戶的AI應用來說，可謂一步到位。

不過，要實現這樣的企業級AI平臺，其基礎架構的構建卻不是一步就可以到位的。

事實上，“諸葛·深知”對于基礎設施的需求較高，針對中科院自動化所用戶數量多、種類多、應用多的實際情況，系統對于計算能力和存儲能力的需求都非常大。如在影像處理方面，要求800MB/s單線程帶寬訪問，能夠存儲32GB的數據文件。在訓練計算方面，要求GPU運算至少能支撐十幾個應用并發等等，在計算和存儲方面有著不同于傳統企業級用戶的需求。

企業級深度學習應用與服務平臺第一、二期架構圖

從總體基礎架構設計來看，“諸葛·深知”企業級深度學習應用與服務平臺項目分為兩期進行。第一期的目標是基礎設施建設，即搭建先進的通用計算平臺。第二期的目標是通過增強存儲和計算能力、增強 GPU能力等，滿足深度學習和機器人平臺的需求。

從“諸葛·深知” 實際建設的過程來看，深度學習應用與服務平臺真正需要滿足的企業級AI基礎架構有著三大關鍵。

“諸葛·深知”正式發布之后，隨著一系列深度學習框架及工具集的推出，操作人員相比以往更容易在高性能計算集群上針對應用進行深度學習建模、訓練、測試和調優，并且可以利用GPU技術實現成倍的浮點計算性能加速。

如何構建企業級AI應用的入口？

不僅企業級AI的基礎架構平臺建設如此重要，同時AI對于企業用戶業務與發展的重要性也得到了業界到肯定，AI自身市場的高復合增長也進一步加深了大家對構建企業級AI應用的最佳入口的重視。

來自埃森哲的研究數據顯示，到2035年，人工智能有望將企業盈利能力提升38%，同時可能為中國經濟增長率增加1.6個百分點。另據預測, 到2020年，全球深度學習系統市場規模將超過13億美元，2016~2020年間的復合年增長率將達到38.73%。

那么，如何構建企業級AI應用的入口，對戴爾、對中科院自動化所來說，無論是IT技術廠商還是科研機構，還是直接的企業用戶，這都顯得非常重要。

當前，“諸葛·深知”為數據密集、價值型行業提供以深度學習為基礎的大數據挖掘解決方案和計算平臺，逐漸成為累企業級人工智能應用的入口。

為了保障這個企業級AI應用入口的獲得穩定、高效的運行，戴爾借助自身和合作伙伴在計算、存儲、網絡等多個領域等基礎架構優勢資源， 與科研資源強強聯合，推動人工智能跨越發展。

在“諸葛·深知”平臺建設過程中，中科院自動化所采用了戴爾及合作伙伴的先進技術和產品，包括戴爾高性能服務器、NVIDIA Tesla GPU、戴爾存儲服務器和戴爾大容量存儲設備、Intel Lustre高性能并行存儲、高性能Mellanox網絡產品，以及業界領先的BrightComputing HPC/Deep Learning軟件，并由戴爾中國的專業服務實施團隊進行安裝部署。

“諸葛·深知”軟硬件基礎架構圖

從軟硬件系統的組成來看，硬件系統由CPU計算集群、GPU計算集群、大內存節點集群、高性能存儲系統、網絡系統等組成。軟件系統由操作系統、集群管理和資源管理軟件組成。可以提供高性能計算平臺、大數據平臺和云平臺。用戶的訪問非常靈活，可以通過Web Portal、SSH登錄和ftp文件訪問。同時，通用計算平臺特別構建了由用戶設定的服務體系以及安全體系。

企業級AI平臺架構特別在哪里？

企業級AI應用的入口需要的不只是某一個服務器或某幾臺服務器集群發揮出來的價值，更需要的是一個整體的軟硬件發揮出高性能。但是想要獲得突出的高性能，一個成功的企業級AI平臺架構，必然在具體的高性能計算與應用方面有著非常特別而又實用的設計。

如前文所提到的“諸葛·深知”平臺建設分為一期通用計算平臺和二期針對深度學習和機器人應用的平臺，這分步驟建設的平臺架構中有所側重，自然有著特別之處。

在一期通用計算平臺中，采用12臺戴爾PowerEdge C4130 GPU服務器組成了高性能計算集群，同時搭建了容量為960TB的并行存儲系統Lustre。

其中，戴爾PowerEdge C4130高性能服務器針對HPC作業和VDI環境，1U空間擁有高密度的PCI插槽，并且支持1TB大內存，以及最大4個300W的加速器和2 顆Intel Xeon E5-2600 v4 CPU，增強了IO能力的同時，還支持InfiniBand FDR、NVIDIA GPU DIRECT和Intel Omni-Path架構，對計算加速和網絡性能提供了更大的靈活性。

此外，采用Intel Lustre并行存儲系統，可以通過單文件系統命名空間，存儲容量和性能獲得同步輕松擴展，滿足PB級文件存儲的高要求。其動態存儲擴展功能，實現了18.5GB/s的讀取速 率和15.1GB/s的寫入速率。

與此同時，搭配了Intel Hadoop Adapter for Lustre（HAL）大數據工作負載的解決方案設計，將HPC和Hadoop的數據融合到一整套存儲系統中，數據處理速度得到大大提升。

為了配合高性能計算和并行存儲獲得更高到效率，網絡方面采用了基于Intel Omni-Path架構的戴爾Networking H系列交換機與每端口速率高達100Gb/s的Mellanox EDR InfiniBand高效網絡方案 。

在二期主要針對深度學習和機器人應用方面，針對深度學習和機器人應用進行了存儲系統的分別配置，同樣采用了12臺戴爾PowerEdge C4130 GPU服務器組成集群，對應2個容量為480TB和240TB的NFS存儲系統用于深度學習。采用另外2臺C4130 GPU服務器和一個 240TB的NFS存儲系統用于機器人應用平臺。如一期工程那樣采用多種計算平臺和多種高速網絡結合的方案, 以滿足深度學習和機器人浮點計算強度以及網絡傳輸需求。

其中，戴爾NFS解決方案的優化設計配置，提供最高的數據吞吐量和峰值可達6.07GB/2.23GB的讀寫性能，很好滿足了深度學習和機器人平臺的性能嚴苛需求。

需要著重指出的是，戴爾Bright Cluster Manager（BCM）集群管理軟件與NVIDIA GPU這樣性能加速的關鍵部件的很好配合，在直接集成了NVIDIA驅動、工具集及管理API的情況下，用戶可以在各種深度學習框架下運行GPU，支持深度學習應用跨越多臺物理設備的GPU資源。同時，BCM軟件還對NVIDIA GPU卡運行狀態、以及業界常用的人工智能與深度學習框架、工具集、函數庫與硬件驅動進行有效管理。

當然，既然“諸葛·深 知”平臺由戴爾與中科院自動化所聯合推出，因而也充分利用了雙方的技術優勢，中科院的成熟算法模型，以及深度學習工具包的靈活調用，對于企業AI應用與進階之旅有著立竿見影的作用。

企業級AI 未來已來

好的基礎架構平臺自然可以構建好的企業級AI應用，企業級AI平臺架構在高性能計算、并行存儲、高效網絡、強大集群管理軟件等共同配合下，也讓企業用戶可以用好AI得到了有效的保障。

[[217011]]

隨著“諸葛· 深知”等全新認知的人工智能平臺的推出，為企業和機構打開了利用人工智能的應用窗口。

“諸葛· 深知”幫助用戶快速構建企業級AI應用，為企業用戶在AI領域的整體創新實力提升創造了基礎條件。在企業級AI應用的進一步深入下，公共交通、營銷和媒體、法律服務、金融服務、 醫療保健服務、石油和天然氣等行業的業務創新與效率提升也將因此而改變，相關應用企業也獲得了行業競爭力的增強，并加速企業用戶邁向數字化轉型。