2016年7月爆出了舉世震驚的軟銀234億英鎊收購ARM公司事件，軟銀首席執(zhí)行官孫正義就此表示，這一收購標志著軟銀的一次“范式轉(zhuǎn)變”——投資物聯(lián)網(wǎng)。誠然，ARM作為壟斷了智能手機業(yè)的芯片設(shè)計公司，最近一兩年來正積極向物聯(lián)網(wǎng)拓展，因為物聯(lián)網(wǎng)有望在未來數(shù)年內(nèi)成為可替代智能手機產(chǎn)業(yè)規(guī)模的戰(zhàn)略性機遇。
然而，ARM僅僅提供物聯(lián)網(wǎng)芯片的設(shè)計，即便真如Gartner所預(yù)測在2020年將有260億物聯(lián)網(wǎng)設(shè)備，但這也只是物聯(lián)網(wǎng)的物理基礎(chǔ)。如何對這260億物聯(lián)設(shè)備7×24源源不斷產(chǎn)生出來的數(shù)據(jù)進行分析、判斷和商業(yè)變現(xiàn)，單靠人工則遠遠不能滿足這一需求，而必須依靠自動化的算法，這就是Gartner所積極倡導的算法經(jīng)濟。
人工智能將成主流商業(yè)競爭策略
為什么說人工智能將成主流商業(yè)競爭策略？這是因為在算法經(jīng)濟時代，人工智能是終極算法，對終極算法的追求必將成為主流商業(yè)競爭策略。
在華盛頓大學教授Pedro Domingos的2015年新書《終極算法》中，有這樣論斷：“終極算法”就是通過機器學習的方式，自動發(fā)現(xiàn)和創(chuàng)造其它所有算法的“主算法”。這個所謂的“主算法”是單一的、全球通用的算法，這個“主算法”對于生物界來說是人類大腦，對于以物聯(lián)網(wǎng)為基礎(chǔ)的機器世界來說就是人工智能。
在過去60年間，全球最頂尖的科學家們一直在研究如何用數(shù)學的方式來模擬人類的智能。早期可證明《數(shù)學原理》的“邏輯理論家”程序讓機器具備邏輯推理能力，中期的專家系統(tǒng)讓機器能獲得人類的知識，再到后來旨在讓機器自主學習知識的機器學習算法，科學家們對人工智能的探索一直沒有停止。
進入到2016年，也是人工智能學科誕生60周年之際，基于深度學習的機器學習算法成為人工智能主流，而深度學習的核心就是多層深度神經(jīng)元網(wǎng)絡(luò)DNN，這也是目前主流科學家能達到的最為成熟的機器智能。
2016年7月21日，技術(shù)解決方案提供商SoftServe發(fā)布了Big Data Snapshot 研究報告，研究顯示 62% 的大中型公司希望在未來的兩年內(nèi)能將機器學習用于商業(yè)分析。這意味著商用多層深度神經(jīng)元網(wǎng)絡(luò)DNN，即將成為各大企業(yè)追逐的主流商業(yè)競爭策略。
硬件進步推動人工智能商用
我們正在進入人工智能的商用時代。經(jīng)過60年的發(fā)展，基于DNN的人工智能已經(jīng)從高校和實驗室走進了企業(yè)，并從企業(yè)擴散向千家萬戶。谷歌今年剛發(fā)布的智能硬件Google Home、即將量產(chǎn)的阿里互聯(lián)網(wǎng)汽車、微軟人工智能助理Cortana等，都是基于DNN的規(guī)?；虡I(yè)應(yīng)用。
在更為廣泛的傳統(tǒng)企業(yè)應(yīng)用層面，一場大規(guī)模的人工智能商用化正在開始，這是基于硬件的進步，其中一個顯著的進步是GPU在人工智能商用中的崛起?！哆B線》雜志在2015年底發(fā)表了一篇名為《與Google競爭，F(xiàn)acebook開源了人工智能硬件》文章中談及GPU在人工智能商用時代的崛起?，F(xiàn)在，F(xiàn)acebook、Google、微軟、百度等大型互聯(lián)網(wǎng)公司正在轉(zhuǎn)向利用GPU完成人工智能商業(yè)應(yīng)用。
在過去，算法模型依靠CPU計算得出，但人工智能算法的獨特性在于分布式并行計算，這并非基于串行計算的CPU所擅長。實際上針對圖形圖像處理的GPU從一開始就是大規(guī)模并行計算，這也是為什么斯坦福大學的吳恩達教授會考慮采用GPU優(yōu)化人工智能算法的初衷。研究表明，12 顆 NVIDIA GPU 可以提供相當于2，000 顆 CPU 的深度學習性能。
盡管從長期來看，開發(fā)真正的人工智能芯片依然是全球?qū)W界與企業(yè)界共同需要完成的任務(wù)，但那仍需要很長時間的探索與實驗。從當前人工智能商業(yè)化需求來看，把GPU用于人工智能商用顯然具有極大的優(yōu)勢。這就是2016年4月，NVIDIA推出基于GPU的全球首款深度學習超級計算機DGX-1的原因。
首款GPU深度學習超級計算機
首款GPU深度學習超級計算機NVIDIA DGX-1基于 NVIDIA Tesla P100 GPU，該 GPU 采用2016年最新的 NVIDIA Pascal GPU 架構(gòu)。Pascal是第五代GPU架構(gòu)，于兩年前的GPU技術(shù)大會（GTC）上公布，產(chǎn)品將于2016年上市，這就是Tesla P100 GPU。
作為新一代GPU架構(gòu)，Pascal相比于前一代的Maxwell有較大的性能提升。根據(jù)NIVIDIA的數(shù)據(jù)，Pascal GPU 在訓練深度神經(jīng)網(wǎng)絡(luò)的性能方面有1個數(shù)量級的提高。2015年GTC大會上，用4顆Maxwelll GPU訓練Alexnet深度神經(jīng)網(wǎng)絡(luò)需要25小時，到了2016年GTC大會上用8顆Pascal GPU則只用2小時；對比英特爾雙路至強E5服務(wù)器訓練Alexnet網(wǎng)絡(luò)需要150個小時，而DGX-1只需要2個小時。
Alexnet神經(jīng)網(wǎng)絡(luò)是2012 年國際ImageNet計算機圖形識別大賽的冠軍深度學習算法，著名的開源深度學習算法Caffe就是基于Alexnet。而到2015 年的 ImageNet 大賽中所有的最好成績，都是基于深度學習且在 GPU 加速的深度神經(jīng)網(wǎng)絡(luò)，這也難怪《連線》雜志驚嘆GPU在人工智能時代的崛起。
Pascal GPU 架構(gòu)的優(yōu)勢在于：引入了NVIDIA獨家的新高速總線NVLink，專門用于GPU以及GPU與CPU的高速互連，GPU最高能夠以 160 GB/s的雙吐帶寬訪問系統(tǒng)內(nèi)存，相當于 PCIe傳統(tǒng)帶寬的5 倍；采用了目前最快、容量最高的堆疊式內(nèi)存技術(shù)HBM2，Tesla P100也是全球首款采用 HBM2 內(nèi)存的GPU；顯著改進編程模型的統(tǒng)一內(nèi)存，以單一統(tǒng)一虛擬地址來訪問系統(tǒng)中所有CPU 和 GPU內(nèi)存，極大簡化了程序的可移植性及數(shù)據(jù)吞吐能力等。
微軟研究院首席語音科學家黃學東表示：“微軟正在開發(fā)具有 1，000 多層的超級深度神經(jīng)網(wǎng)絡(luò)。NVIDIA Tesla P100 的驚人性能將讓微軟 CNTK 能夠加速實現(xiàn)人工智能的突破?！?/p>
80萬的AI服務(wù)器，到底值不值？
NVIDIA DGX-1的定價為12，900美金，約合80萬人民幣。那么，這個價格到底值不值呢？
NVIDIA DGX-1提供8 顆 Tesla P100 加速器、每顆 GPU 16GB 內(nèi)存、7TB 固態(tài)硬盤 DL 高速緩存等配置，吞吐量相當于250臺E5雙路X86服務(wù)器。那么，按2萬元人民幣一臺E5服務(wù)器簡單估算，250臺即500萬的成本，這還不包括機房、網(wǎng)絡(luò)、能源等額外成本。而DGX-1采用 3U 架上型機箱，可單獨使用也可以集成到集群當中，顯然用DGX-1做集群更劃算。
在集成的軟件方面，NVIDIA DGX-1提供了一整套優(yōu)化的深度學習軟件，屬于開箱即用型。在NVIDIA的開發(fā)者網(wǎng)站Developer.nvidia.com上，有一個Deep Learning深度學習專區(qū)，里面提供了Deep Learning SDK開發(fā)工具包、NVIDIA DIGITS圖像分類與識別軟件、Deep Learning開源框架等定制化軟件為深度學習提供了全方位的軟件支持，可供下載和使用。
其中，Deep Learning SDK開發(fā)工具包內(nèi)含強大的工具及類庫，可用于設(shè)計、開發(fā)和部署面向GPU優(yōu)化的深度學習應(yīng)用。其中的類庫包括深度學習基礎(chǔ)cuDNN、線性代數(shù)、稀疏矩陣、多GPU通信以及全面的CUDA C\C++開發(fā)環(huán)境。NVIDIA DIGITS深度學習管理調(diào)度平臺為圖像視頻類數(shù)據(jù)分類和識別，提供了包括LeNet、AlexNet、GoogLeNet等在內(nèi)的預(yù)設(shè)優(yōu)化算法。除此之外，NVIDIA還定期更新開發(fā)者網(wǎng)站，為開發(fā)者提供更多的優(yōu)化算法——如果說GPU已經(jīng)是深度學習領(lǐng)域不能或缺的組成，那么這款面向人工智能機器學習的NVIDIA DGX-1則讓更多企業(yè)拋開束縛，以更快的步伐邁向人工智能。
基于NVIDIA GPU的商用人工智能軟件還有一個很大的優(yōu)勢，在于GPU的普適性：針對個人電腦的GeForce、針對云和超級計算機的Tesla、針對機器人和無人機的Jetson以及針對汽車的DRIVE PX等所有NVIDIA GPU都共用同一種架構(gòu)。
百度、谷歌、Facebook、微軟是首批把 NVIDIA GPU 應(yīng)用于深度學習的企業(yè)，在近兩年內(nèi)與NVIDIA 在深度學習方面合作的企業(yè)激增了近 35 倍至 3，400 多家，涉及醫(yī)療、生命科學、能源、金融服務(wù)、汽車、制造業(yè)以及娛樂業(yè)等多個行業(yè)。
考慮到NVIDIA DGX-1在硬件、軟件和集成服務(wù)等方面的明顯優(yōu)勢，80萬的價格并不為高。NVIDIA DGX-1顯然能夠大幅提升AI模型的學習和訓練時間，加快對于來自物聯(lián)網(wǎng)上各類圖片、視頻、語音等非結(jié)構(gòu)化數(shù)據(jù)的處理速度，比如工業(yè)生產(chǎn)線檢測的圖片、醫(yī)療影像視頻、道路交通圖片與視頻分析等等，幫助企業(yè)盡快、盡早地從AI算法中受益。
中科曙光成為NVIDIA DGX-1在中國最重要的戰(zhàn)略合作伙伴之一，而全球領(lǐng)先的監(jiān)控產(chǎn)品供應(yīng)商、中國平安城市解決方案提供商?？低曇渤蔀镹VIDIA DGX-1的首單客戶，后者將把DGX-1用于視頻監(jiān)控方面的深度學習超級計算機項目上。
NVIDIA DGX-1已經(jīng)于今年7月正式上市，DGX-1的上市有望激活人工智能的大規(guī)模商用。對于企業(yè)來說，在跟投物聯(lián)網(wǎng)項目的同時，需要開始考慮人工智能策略。在大的產(chǎn)業(yè)趨勢到來之前，只有領(lǐng)先一步，才能步步占據(jù)先機。