算力推動數據處理和算法演進

延伸閱讀

算力推動數據處理和算法演進

算力、算法和數據是人工智能的三個基本要素，在人工智能的實際應用中缺一不可，在人工智能發展的進程中相輔相成，在不同的發展階段各自發揮著核心作用。

算法

算法是人工智能早期研究和發展的熱點，從人工智能概念提出開始，算法一直在不斷地發展和演進。從供給的角度來看，學術界是人工智能理論和算法的開創者，在人工智能理論和算法的早期發展過程中起到了核心的作用，從決策樹到神經網絡，從機器學習到深度學習，推動算法不斷演進和進步；2010年之后，TensorFlow和Caffe框架相繼誕生，互聯網巨頭開始更多地投入對算法和算法框架的研究，并以互聯網的方式和開源的精神推動了算法的發展，促進了算法與應用的結合。

進入新世紀之后，互聯網的發展和普及使人類進入數字時代，數據爆炸性增長，各種類型的數據、各種格式的數據、各行各業的數據都以前所未有的速度產生并存儲下來，為人工智能的發展提供了豐沃的土壤。

數據

在中國，數據主要可以劃分為兩類：行業數據和互聯網數據。行業數據主要掌握在政府和政府主導的金融、電信、制造、醫療、能源等行業巨頭和政府管理機構手中，互聯網數據主要掌握在BAT等頭部互聯網公司手中。數據量不再是一個問題，唯一需要考慮的是如何處理和使用數據？使之更適合為人工智能系統所用；如何打破數據的壁壘，將更多的數據開放出來，并保證數據的安全和隱私保護。

中國在2017年6月1日發布并實施了《中華人民共和國網絡安全法》，該法第三十七條中明確規定：“關鍵信息基礎設施的運營者在中華人民共和國境內運營中收集和產生的個人信息和重要數據應當在境內存儲。”，網絡安全法等法律法規為數據的存儲、管理和應用提供了法律依據。

算力

在人工智能的三個基本要素中，算力的提升直接提高了數據的數量和質量，提高了算法的效率和演進節奏，成為推動人工智能系統整體發展并快速應用的核心要素和主要驅動力。

人工智能計算具有并行計算的特征，按照工作負載的特點主要分為訓練（training）和推理（inference）。傳統的通用計算無法滿足海量數據并行計算的要求，于是以CPU+GPU為代表的加速計算得到了快速的發展，成為當前主流的人工智能算力平臺；推理類工作負載具有實時性要求高、場景化特征強、追求低功耗等特征，在不同的應用場景下呈現明顯的差異化，除了GPU加速計算解決方案以外還出現了眾多新的個性化算力解決方案。

算力的提升是個系統工程，不僅涉及芯片、內存、硬盤、網絡等所有硬件組件，同時也要根據數據類型和應用的實際情況對計算架構、對資源的管理和分配進行優化。目前提升算力的手段也主要是兩種，一種是與應用無關的，通過對架構和核心組件的創新，提升整體系統的算力水平；另一種是與應用強相關的，通過定制芯片、硬件和系統架構，為某個或某類應用場景和工作負載提供算力。

（文字/程紅琳）

本報擁有此文版權，若需轉載或復制，請注明來源于中國政府采購報，標注作者，并保持文章的完整性。否則，將追究法律責任。