人工智能跑向“最后一公里”(3)

03 商汤AI大装置：AI突破行业成本红线2019年，商汤便开始了SenseCore商汤AI大装置研发, 这是一种高效率、低成本、规模化的人工智能基础设施。目前，已经为长三角区域大量科研单位和头部企业提供了算力、数据、算法全领域的核心能力服务。SenseCore商汤AI大装置核心架构，由计算基础设施、模型层和深度学习层三部分组成。计算基础设施，即是支撑数字经济坚实基础的算力“基建”，数字经济时代的新型生产力。坐落在上海临港的商汤人工智能算力中心（AIDC），为亚洲最大，峰值算力可达3740P，可同时接入850万路视频，1天内即可完成23600年时长的视频处理工作。“P”即 PetaFlops，指每秒千万亿次浮点运算。数字越大，运算速度越快；算力也越高，能训练的模型数据也更多。算法方面，AIDC具备超大规模的AI模型生产能力，可以进行更为通用的大模型训练。在大数据应用领域内，快速生成稳定可靠的模型十分重要。商汤的SenseSpring“模型工厂”，已经开发数万个人工智能模型。这些模型将用于大数据应用的各个领域，如数字化转型、智慧城市智能汽车、商业领域等等。除模型工厂外，开源算法体系OpenMMLab平台，也将与外部资源协同，共建新型生态。由商汤参与打造的OpenMMLab， 在世界上最大的代码平台GitHub上，已经获得超过58,000个Stars。算法训练平台，是商汤SenseParrots深度学习层。该平台采用领先的视觉训练框架，具备接近90%的并行处理效率，可以实现900倍计算提速，也就是，仅需要1块GPU，就能实现 1000块的工作效率。这样的巨无霸型AI装置，如何赋能下游行业呢？在工业领域，人工智能尚未取得较高的效益。一个原因是，工业数据虽然量大，但是相互关系十分紧密。数据与数据之间，有明确的逻辑，本质上属于小数据的范畴。由于需要特定的高性能AI模型，因此生产成本高昂，模型开发效率低，导致市场大量需求无法满足。另外，某些低频发生、规模量小的数据集，难以训练出高性能的AI模型，也成为工业级人工智能落地的一个障碍。而SenseCore商汤AI大装置，通过整合强大的算力基础和领先的算法能力，能以高效、自动化、集约化的方式，让高质量的AI算法实现“量产”。比如，通过向企业开放算法模型工厂进行定制化生产，大幅降低人工智能的生产要素成本，实现高效率、低成本、规模化的AI创新和落地，进而打通商业价值闭环，解决长尾应用问题，乃至构建出物理空间的数字化搜索引擎。更有意义的是，AI企业在垂类领域的商业影响力越强，越有利于AI多元化落地的发展，最终搭建起辐射多行业的AI商业生态。在能源、基建、物流等行业，数字化转型过程中面临很多痛点。大到工业园区的统筹、生产与运营资产的安全和运行维护，小到对工业品质检，场景多，需求复杂且细碎。而商汤AI大装置的“能力圈”，不仅在于分布地域广阔的工业基础设施，铁路、电网等设备运营维护，即便是安全规范的车间生产区域中，AIDC也能通过智能化的AI感知，实现对车间、厂房、产线、车辆的实时智能安全管理，使用自动化预警措施，降低安全事故的发生率。国家电网“多站融合”的数字化转型中，国网综合能源服务集团有限公司得以被商汤AI赋能，成功提升了运维体验和效率，推动了现有变电站资源的整合。另一个频繁可见的工业场景在汽车行业。汽车产品质检环节，也是一个长尾场景，很多细微的瑕疵，需要被快速精准定位。无论是商汤协助一汽青岛汽车厂开发的业内首条“5G+AI”冲压件表面质量在线检测线，还是与发动机厂商康明斯合作研发的深泉质检推训平台，都在零部件的表面缺陷和工艺过程检测效率，以及质检结果输出的一致性上，有了极大改善。商汤科技联合创始人兼大装置首席科学家林达华表示，当人工智能进入到这个行业时，会发现它整个生产链条非常长，商汤遇到了很多长尾场景，在响应每个具体需求的时候，成本和代价都是非常高的。因此，要让人工智能成为未来整个国民经济发展的根本，就需要突破一个新的红线，即成本红线。SenseCore商汤AI大装置的出现，在某种程度上，意味着AI助力下游行业走到了成本下降的关键节点。