• <legend id="opdeh"></legend>
  • <legend id="opdeh"><table id="opdeh"></table></legend>

    1. <optgroup id="opdeh"></optgroup>

    2. 中國工程院院士談智能計算:應當夯實技術基礎,避免重蹈傳統計算產業覆轍

      2020-05-01 164

      2019 年 5 月 17 日下午,天津世界智能大會專題論壇「新一代人工智能核心技術及治理高峰論壇」在天津梅江會展中心舉行。本次論壇由科學技術部戰略規劃司、中國工程院三局指導,天津市科學技術局主辦,東麗區人民政府、新一代人工智能產業技術創新戰略聯盟共同承辦。會議圍繞國家新一代人工智能核心技術為討論方向,探討了人工智能發展現狀與未來技術趨勢。

       

      在會上,盧院士帶來了以《夯實計算基礎,方能行穩致遠》為題的演講。在演講中,他回顧了計算機技術的發展歷史以及我國的發展情況。以史為鑒,我們在傳統基礎技術平臺上的進展已經落于人后,現在,我們要緊握智能計算帶來的創新發展機遇,打破壟斷,引領創新。

       

      在美國對中國實行技術封鎖的當下,盧院士的發言引人深省。以下為盧院士的演講內容,有刪減。

       

      盧院長,1946 年 11 月 13 日出生于江蘇省靖江縣,計算機專家。1970 年畢業于哈爾濱軍事工程學院,1982-1984 年,在美國麻省大學進修計算機專業。曾任國防科學技術大學副校長、原總裝備部科技委副主任兼秘書長等職。

       

      長期從事高性能計算和分布處理領域研究工作。1970 年代,參加遠望一號測量船中心計算機研制;1992 年,負責研制成功銀河-Ⅱ巨型機高速網絡軟件系統;1994 年,負責研制成功「銀河仿真Ⅱ計算機」系統軟件,設計了集成化仿真軟件環境,提出直接映象優化技術,解決了系統前端機和仿真主機間的強實時通信問題;1997 年,主持研制成功「銀河-Ⅲ并行巨型計算機系統」,組織攻克了可擴展大規模并行體系結構、高速互連網絡、巨型機操作系統等關鍵技術;2000 年,主持研制成功銀河超級并行計算機系統,組織攻克了基于超結點的分布共享存儲(CC-NUMA)體系結構、高可擴展拓撲互連結構、層次式并行編程環境等關鍵技術;2004 年,主持研制成功國家 863 重點攻關項目「高性能核心路由器」。

       

      獲「國家科技進步一等獎」4 項,2 項為第一完成人;「國家科技進步二等獎」2 項,1 項為第一完成人;1996 年獲光華科技基金一等獎、1999 年獲軍隊重大專業技術貢獻獎、2000 年獲何梁何利科技進步獎、2005 年獲湖南省首屆科學技術杰出貢獻獎等。榮立一等功 1 次、三等功 3 次。

       

      以史為鑒,計算技術發展的回顧

       

      電子計算機誕生 70 多年了,這 70 多年來,計算技術追求的目標主要有兩點:第一,算得更快,這主要靠系統硬件技術進步;第二,使用更方便,這主要靠軟件系統技術進步。

       

      系統硬件技術的進步得從兩方面努力,一是發明新器件,器件(邏輯器件/存儲器件)是計算機的基礎,可以說是一代器件一代系統。二是創新體系結構,即創造適合應用特點的高效體系結構,隨著芯片技術的發展,又存在微體系結構和宏體系結構的創新。計算模型和算法的創新,催生了體系結構的創新。

       

      系統軟件技術的進步也得從如下方面努力:一是優化系統資源管理,提高資源利用效率;二是提供友好的人機交互方式,這主要是靠操作系統來做;第三是發明面向領域應用的編程語言;第四是豐富應用開發環境,這里包括軟件工具、編程庫、中間件等。

       

      計算競爭形態的演變

       

      早期是單個計算機系統的競爭,可以說是一種型號、一種體系結構、一套應用軟件,這時候軟件依附于硬件,用戶更換計算機型號的時候要移植已有的應用軟件。

       

      到中期,變成了計算機系列的競爭,這是由 IBM 360 系列開始的,時間是 1964 年。這時候,系列內不同型號向下兼容,當用戶升級型號的時候,已有的應用軟件在原則上可以不用變化。

       

      到了網絡時代,是計算生態的競爭。計算基礎平臺,包括系統硬件和系統軟件,以及平臺上承載的利益相關的技術和服務商提供的產品集合,總體來講形成了一個競爭的計算生態。

       

      計算生態競爭的特點

       

      計算生態競爭和傳統的單個計算機系統及計算機系列的競爭有不同的特點。

       

      第一,不再是單打獨斗,而是利益相關者的抱團競爭。

       

      第二,生態的核心是基礎平臺,或者說是研發平臺的相關企業。

       

      第三,平臺越早進入市場,就越容易占領先機,定下生態發展的主旋律。

       

      第四,平臺上承載的內容越豐富,生態規模越大,就越容易吸引用戶,應用越多就發展越快,生態系統就會越穩定。

      互聯網時代,一個領域經過一段時間的競爭,最后往往出現一兩個計算生態壟斷的格局。

       

      縱觀每一次計算技術的轉軌,都會發現可能會引發行業的洗牌。有的企業抓住了機遇,就發展為新的產業巨頭,比如英特爾抓住微處理器發展的機遇;有的與時俱進,開拓了新的發展領域,比如 IBM 的大中型機、PC 機、云計算;有的未適應這種技術轉軌,就可能退出了相關領域,如摩托羅拉、諾基亞。

       

      我國傳統計算發展歷程

       

      回顧我國傳統計算發展歷程,可以分兩個階段。

       

      一是在電子管、晶體管中小規模集成電路時代。我國元器件與國際相比有差距,但是還不太大,是量上的差別。當時完全是基于國產的器件研制計算機的硬件系統,同時自行研制軟件系統。比如 1964 年哈軍工研制的 441B-I 型通用計算機,就是全國產晶體管。1979 年,國防科大研制成功的 151-IV 型大型通用計算機,全部采用國產中小規模的集成電路(全部器件自主設計、定型、生產),用于遠望一號測量船的中心數據處理。

       

      當時我國發展計算機的原則是:借助外援而不依靠外援,堅持獨立自主引進技術,不單純購買機器,有步驟地發展我國計算機事業。

       

      當集成電路進入超大規模時代,我國在微處理器技術方面出現了質的差距。為滿足發展需求,1981 年以后國家允許進口配套的器材來組裝系統或者直接引進計算機系統來解決應用需求,這樣基于引進的微處理器設計系統或者集成引進系統來做開發應用,就成為主要路徑。由于系統硬件退出了核心技術,系統軟件也就失去了發展動力,大部分學校也把人才培養轉向了計算機應用專業。特別是出現了軟硬聯盟、抱團競爭的計算生態壟斷以后,我國幾次努力都未能改變傳統基礎計算平臺發展的被動局面。

       

      回顧這段歷史,我想有如下幾點啟示:

      第一,使能技術、基礎平臺,決定了自主發展的基礎能力。

      第二,模型和算法創新,能夠牽引體系結構的變革。

      第三,規模的應用是整個生態發展進步的動力,技術的轉軌可以來創新發展的機遇。

       

      智能計算帶來創新發展的機遇

       

      我要談的第二點是智能計算帶來創新發展的機遇。大家都把這一次人工智能的興起歸結為深度學習+大規模計算+大數據(算法、算力、數據)。2006 年被視為深度學習元年,雖然神經網絡概念較早就提出來了。深度學習之所以成功的重要背景是,計算能力達到了可實用要求,互聯網的發展又帶來了大量可用的數據。

       

      這一次人工智能的興起有一個重要特點。前兩次更多是由學術主導,學術界呼吁政府和投資人投資。而本次主要是商業主導,政府和投資人主動向熱點領域投入??梢哉f,這一次的興起是人工智能技術真正與產業結合,飛入尋常百姓家。

       

       

      智能計算的特點

       

      人工智能,或者說智能計算也存在生態問題。智能計算分為兩個相對獨立的階段,一是訓練學習階段,二是推理應用階段。智能計算平臺可以分為兩大類,一個是「云側」平臺,解決模型的訓練(學習)以及海量智能信息服務(推理)問題,一個「端側」平臺,百花齊放,主要解決推理應用。

       

      智能計算模式相對比較少,精度要求相對低。深度學習算法集中在一些相對固定的操作模式,如向量、矩陣運算,在訓練階段,單精度(32 位)或者半精度(16 位)就可以了,在推理階段,甚至可以到低值、二值。此外,智能計算可并行度高,目前神經網絡同一層的計算可以完全并行,而且很多是規則的大數據流并行。

       

      智能計算對體系結構的要求

       

      智能計算也對體系結構提出了新的要求。比如,在云側的模型訓練需要高效能大規模并行計算能力的支撐。特別是學習模型參數多,數據規模大,計算量大的時候。比如涉及到 80 多億個參數的機器翻譯神經網絡模型,這種大型模型的訓練,即使在現在的大規模計算平臺上,有的也需要幾個月的時間。

       

       

       

      在云側,如果用來推理應用就需要高吞吐率、低延遲的服務計算模式支撐,滿足海量并發推理任務的服務質量要求,對海量在線用戶的快速實時響應。

       

      端側的推理應用需要小型化、高能效、低時延、傳感-計算-通信融合的體系架構支撐。無人機/無人車/機器人等諸多設備,對時延要求非??量?。

       

      智能計算技術發展態勢

       

      當前智能計算技術發展態勢主要有如下特征。

       

      一,大家都在積極探索高效智能處理芯片體系結構及實現技術。例如傳統通用芯片、FPGA 半定制芯片、全定制芯片或者類腦芯片。

       

      總體上來講,專用的 ASIC 芯片具有一定優勢,測試表明,專用 ASIC 的能效比(性能/瓦)明顯優于 CPU 和 GPU,同時,ASIC 芯片發展前景也比較好,預計 2025 年市場規模將超過 CPU 和 GPU 的總和。

       

      二,努力探索新型體系結構。比如分析人工智能計算特點,凝練高效人工智能計算指令集;面向智能計算的高速互聯拓撲;存算一體、算通融合、異質異構計算架構;適用 AI 其它模型的體系架構,如圖計算、規則推理等。此外,還有探索高效好用的智能計算的軟件生態,比如智能計算軟件框架,包括高效語言編譯、基礎算法庫等等,努力打造軟硬一體的智能生態計算。

       

      在云側,計算機產業幾大優勢企業正在競爭主導地位,比如谷歌的定制專用智能芯片 TPU,英特爾和微軟試圖采用 CPU+FPGA 爭奪市場,華為發布專用智能芯片昇騰 910。

      在端側,各大公司紛紛推出 ASIC 芯片架構,ARM、英特爾、蘋果、高通等企業在芯片上做出了很大的努力,中國企業的典型代表有華為、寒武紀、比特大陸。

       

      同時,各公司紛紛開源智能計算軟件框架,當前的態勢是群雄競爭,谷歌領跑。

       

      我前面講過,傳統計算已經形成了軟硬件抱團競爭的壟斷態勢,但是智能計算當前的態勢是,軟硬件還相對獨立,尚未形成軟硬一體抱團競爭的壟斷局面。

       

      我們應抓住自主、創新的發展機遇

       

      這里做出小結。

       

      人工智能應用對基礎軟硬件平臺技術提出了很大的挑戰,目前智能計算的生態尚未形成壟斷的態勢。正因為這樣,就給我們創造了機遇,要抓住自主、創新發展智能生態計算的機遇期。智能計算還有很多理論性的難題有待攻克,誰能在這些難題上率先取得突破,誰就有可能牽引新結構體系的發展。

       

      夯實基礎,防止重蹈歷史覆轍

       

      我想談的第三點是夯實基礎、防止重蹈歷史覆轍?,F在人工智能非常熱,人工智能發展也很快。

       

      我國人工智能發展面臨大好機遇

       

      我國人工智能計算發展面臨一個很好的機遇。

       

      我國應用需求旺盛,應用成果多。2016 年,中國數字經濟居全球第二,占 GDP 比重超 30%,互聯網應用發展非常好。2018 年,中國人工智能企業數量在全球排名第二,是全球人工智能投融資規模最大的國家之一。

       

      同時,我們也擁有一支實力強的科技隊伍。AI Index 2018 顯示,我國在人工智能領域發表論文的數量已經超過美國。人工智能領域的專利申請排名前十的國家,中國也是排在第一。

       

      在基礎領域,我們也取得了可喜的成果。我前面提到,在傳統領域,比如芯片技術上,特別是在微處理器階段,我們的落后導致我們的基礎必須要依靠別人。而現在圍繞智能芯片的研發,2018 年,中國有 7 家企業進入全球排名的前 24 名。智能計算軟件框架,中國企業也有領頭,比如百度的 PaddlePaddle、騰訊的 Angel、阿里的 X-DeepLearning 等。我們有很好的起點。

       

      嚴峻挑戰

       

      但是我們也面臨著嚴峻的挑戰。

       

      一,原始創新能力不足。我們的研究跟蹤多、創新少,量有優勢、質量上明顯不夠。

       

      二,短板明顯。智能芯片產品主要面向推理,云側訓練芯片競爭能力弱,高性能 GPU、FPGA 仍依靠引進。

       

      三,從事技術平臺和處理器芯片的企業數量比較少。無論是在計算基礎平臺還是處理器芯片研制上,我們的企業占的比例都較少。

       

      四,應用開發主要基于國外智能計算軟件框架之上。

       

      五,我國自主智能計算軟件框架的影響力與國際相比存在較大差距。聚集在上面的第三方應用少,以自用為主。從 Github 活躍度上可以看到,百度 PaddlePaddle、騰訊 Angel、阿里 X-DeepLearning 與谷歌 TensorFlow 等差距較大。

       

      除了以上幾點,最大的挑戰是,雖然我國軟硬件研發能力已有質的提升,但研發產品的競爭力仍然不強。如果我們不抓住機遇,夯實基礎,下大力氣去打造有競爭力的抱團競爭的智能計算生態,仍然只是注重近期效益,發展應用,我們就有可能重蹈傳統計算產業的覆轍。一旦在人工智能領域、智能計算領域也形成若干個這樣的壟斷生態,那我們又要變得被動。

       

      如何應對目前的艱難局面

       

      對于如何應對,我覺得有如下幾點思考。

       

      一,學術界要面向智能計算挑戰問題,加大國內外合作,持之以恒,以基礎理論、計算模型和算法上的創新突破,牽引體系結構的創新。

       

      二,產業界要推進產業聯盟(芯片、平臺、應用商),發揮既有骨干企業優勢,構建上下游協同的產業鏈,集中力量打造我國有競爭力的智能計算生態。關鍵是集聚應用、滾動發展、形成規模,規模越大,生態會越穩定。

       

      三,管理部門要綜合施策。一是激勵骨干企業加大對基礎平臺的投入;二是引導學術界、企業、應用部門基于自主計算生態做研究和開發;三是成立智能產業發展大基金,市場和政府協同,以目標為導向,推動產學研聯合。特別是要關注當前的一些小微創新。

       

      四是教育部門要合理部署多層次人工智能領域人才培養,在人工智能領域,從當前來看,雖然大家都很重視,但無論是人才總數還是基礎人才數量,我國和國際存在很大差距。

       

      最后,我想用這么一句話來總結今天的報告,前事不忘后事之師,只有夯實基礎,才能夠行穩致遠,謝謝大家!

      導航
      国产97碰公开免费视频
    3. <legend id="opdeh"></legend>
    4. <legend id="opdeh"><table id="opdeh"></table></legend>

      1. <optgroup id="opdeh"></optgroup>