有了 AIDC 作为底层支撑 ， 商汤提供服务的模式也随之优化 。 在过去 ， 商汤以售卖软件的形式向客户服务 。 而有了 AIDC 之后 ， 服务模式将更加接近云计算 ， 直接提供端到端的服务 。 在使用过程中 ， 像系统升级、迭代算法更新 ， 可以在后台自动化实现 。

文章图片

「商汤科技人工智能计算中心」（AIDC）
02
用大模型 ， 降低创新成本
作为 AI 领域的头部企业 ， 商汤一路走来历时 7 年多 。杨帆表示 ， AI 产业经历了五、六年发展 ， 新的趋势是产业链的分化 。 当 AI 进入不同的场景落地 ， 经过了初期 ， 面对更多分化的场景、中深度的需求 。 「创新的成本高」 ， 成为了新阶段遇到的问题 。 其它行业期待以更低的成本获得匹配的算法 ， 以解决问题 。
从这个角度理解 ， AIDC 便是商汤在新阶段 ， 降低创新成本 ， 提高服务能力的「解法」： 解决对多任务、多长尾场景覆盖的核心瓶颈问题 。
比如 ， 在传统的工业生产线上 ， 客户希望 AI 算法能够检测钢铁的焊缝是不是符合标准 。 这个行业本来没有与之匹配的智能软件和平台 ， 应用的矛盾就在于 ， 以尽可能小的预算去解决这个问题 。 这样才是真正实现了降本增效 。 如果「一个算法本身要花几十万、上百万 ， 算法确实有用 ， 但是太贵了 。 」
如今 ， 面对这样的需求时 ， 商汤「通过 AIDC 的支撑和加持 ， 能够让算法的生产成本下降到过去的 1/10 。 」
要实现成本下降 ， 就要充分利用大模型带来的优势 。 AIDC 支持万亿参数大模型训练 ， 可以衍生出超过 2 万多个商用模型 ， 帮助产业界以极低的下游数据采集成本 ， 快速验证多个新场景 。
AI 行业里近年来出现了「大模型」的趋势 。 「用预训练大模型 ， 去指导小模型的训练 ， 实现跨场景应用方向 。 」杨帆介绍 ， AIDC 能够更好地支持大模型 ， 再用大模型指导长尾模型的自动化生产、自动化训练 ， 从而能够提高效率 ， 降低成本 。
大模型如何帮助实现长尾的细分场景呢？例如 ， 有地方提出需求 ， 希望算法能够检测到有人落水 ， 然后发出通知 ， 相关人员接到通知后第一时间前往救助 。
使用大模型作为支撑的好处在于：遇到频率低 ， 不常见的应用需求时 ， 基于少量的专有数据 ， 使用小样本达到结果 。
03
助力国产芯片产业化
预计到 2024 年 ， 所有服务器全部到位时 ， AIDC 国产化的硬件比例将超过 50% 。

文章图片

人工智能是软件硬件一体化的产业进程 ， 芯片厂商也需要拥有解决软件适配问题的能力 。 而商汤搭建的 AI 基础设施的综合角色 ， 可以使其在硬件、软件、应用的产业链上起到重要的沟通的作用 。
作为 AI 基础通用设施 ， 本身就包含了硬件层、平台层以及软件系统 ， 同时连接着下游应用厂商 。 商汤与硬件、芯片厂商做适配 ， 拉通应用侧需求的同时 ， 也帮助节约其研发费用和时间成本 。「整体上 ， 加速了他们的市场化进程 ， 帮助降低整体成本 。 」杨帆说 。
除了促进国产芯片的市场化进行 ， 商汤也正在探索从芯片、服务器、训练框架、算法到行业落地的 AI 生态 。
2021 世界人工智能大会上 ， 商汤与中国电子技术标准化研究院、中国信息通信研究院、清华大学、复旦大学、上海交通大学及多个行业伙伴共同成立了 「人工智能算力产业生态联盟」 。 整个生态的探索分为前、中、后期 。