算力多元化 企业如何快速获取AI能力?

近年来,AI普惠已成为企业数字化的一条快速通道,各类数字化工具为企业上云、用数、赋智提供了便捷的手段,而智能化也不再是那么的遥不可及。一方面,基础设施的算力在后摩尔定律时代高速增长,另一方面,越来越多的算力被以云服务的方式提供,甚至HPC云化也变成了一种潮流。此时,企业获取AI也在变得更加简便。

【安防在线 www.anfang.cn】近年来,AI普惠已成为企业数字化的一条快速通道,各类数字化工具为企业上云、用数、赋智提供了便捷的手段,而智能化也不再是那么的遥不可及。一方面,基础设施的算力在后摩尔定律时代高速增长,另一方面,越来越多的算力被以云服务的方式提供,甚至HPC云化也变成了一种潮流。此时,企业获取AI也在变得更加简便。

算力多元化 企业如何快速获取AI能力?

IDC预测,2023年AI系统的支出将达到979亿美元,是2019年375亿美元支出的2.5倍多。在摩尔定律和云效率的帮助下,人工智能正在从复杂的组织向每一个应用程序渗透。例如在NVIDIA的数据中心业务版图中,AI扮演着至关重要的作用,GPU可以满足大规模的并行计算需求,并且得益于Tensor Core和TensorRT的支持在云端低精度计算上构筑了技术优势,TensorRT 5可以将FP32模型转换成FP16或INT8模型,而不损失准确率,并降低能耗。

算力多元化 企业如何快速获取AI能力?

围绕TensorRT,NVIDIA帮助阿里巴巴和百度构建了深度推荐系统,对TensorFlow的输出结果进行优化,通过计算寻找计算图中可以融合的节点和边,减少访问以便开发者使用CUDA将负载高效部署在任意的GPU上。

此前,企业要在互联网数以百亿计的信息流中找到用户真正关心的内容就像大海捞针,而这需要一个智能的筛选系统将有效信息从数十亿过滤到数百个,并且进行排序,依据就是对用户喜好的了解,这种推荐系统的计算平台已从CPU转向GPU。在百度,10TB量级的数据使用GPU训练成本可减少90%。阿里在处理“双11”的交易量时,使用基于GPU的深度学习模型每秒可处理780个请求。

以往,机器学习采用的还是一些传统处理器架构,比如说CPU,有很多AI负载架构在CPU之上,CPU实际上是一个针对应用和网络设计的处理器,是标量处理器。后来的GPU是针对图形和高性能计算、以向量处理为核心的处理器,从2016年到现在被广泛应用在一些AI应用里。但在Graphcore看来,AI是一个全新的应用架构,底层是以计算图作为表征的,所以需要一种全新的处理器架构,而Graphcore IPU就是针对计算图的处理所设计的一款处理器。

在Armv9架构中也加入了针对AI的设计理念,AI工作负载的普遍性和广泛性需要更多样化和专用的解决方案。据估计,到21世纪20年代中期,全球将有超过80亿台搭载AI语音辅助的设备。且90%或更多设备上的应用程序将包含AI元素以及基于AI的界面,如视觉或语音。

为了满足这一需求,Arm与富士通合作开发了可伸缩矢量扩展(Scalable Vector Extension, SVE)技术,并驱动了世界上最快的超级计算机“富岳”。在此基础上,Arm为Armv9开发了SVE2,以便在更广泛的应用中实现增强的机器学习和数字信号处理能力。

SVE2增强了对在CPU上本地运行的5G系统、虚拟和增强现实以及ML工作负载的处理能力,例如图像处理和智能家居应用。在未来几年,Arm将进一步扩展其技术的AI能力,除了在其Mali GPU和Ethos NPU中持续进行AI创新外,还将大幅增强CPU内的矩阵乘法。

华为则认为,进入21世纪,以CPU为代表的、基于规则的算力出现过剩,由此出现了云。可以说,云汇聚各类工作负载,又将反过来驱动各类计算的创新与进步,尤其是以暴力计算为特征的统计计算,以及统计和规则为特征的混合计算。

如今,有越来越多的AI应用发生在云端,尤其是对于智能技术需求高的行业而言,他们甚至可以说是被AI逼上公有云,而那些原本使用私有云的企业用户,也由私有云跃迁到了混合云。当人工智能走向云端,开发者既是第一批受益者,又成为了云服务商手中的核心资源。此外,就像微软不惜重金收购GitHub、谷歌开源TensorFlow一样,核心的开发者群体或社区贡献着数以万计的应用资源,而背后的这些数据资源如果悉数运行在Azure或谷歌云平台上,对于微软和谷歌的云业务发展也是强势助力。

另一方面,低代码和无代码也加速了AI的普及落地。低代码指的是减少传统应用程序的代码编写量,主要通过图形化可视化界面,以拖放组件和模型驱动逻辑的方式,让更多业务人员和IT开发人员共同参与业务流程的优化,快速为Web端和移动端创建企业级应用。Gartner预计,65%的企业应用在未来的4年中都会变成低代码的应用,到2024年,65%的企业都会采用低代码的应用。

为了更好地服务客户,G&J Pepsi一直在接纳采用领先的技术。随着公司IT部门对移动办公的需求越来越高,IT部门面临着越来越多的机遇和挑战。通过微软Power Apps、Power BI和Power Automate,G&J Pepsi的七人IT团队创建了用于门店审计和销售流程自动化的定制化应用。通过这些自定义的应用,IT团队可以建立、部署和管理可扩展的端到端解决方案,无需任何开发应用程序的经验,大幅提升了移动业务的效率和能力。

丰田汽车公司寻求一种无需IT部门大量参与的解决方案,用以提高跨部门、跨学科的合作效率,满足企业创新需求。通过部署微软Power Apps,丰田汽车公司的员工可以自主请求开发应用程序。借助跨应用程序的自动化,员工大大减少了每年在数据输入上花费的时间。目前丰田汽车公司已经通过Power Apps开发了400多个应用程序,影响范围从部分专业成员扩展至拥有成千上万名员工的团队。

据微软统计,Power Apps能够帮助企业减少70%的应用程序开发成本,目前已有95%的世界五百强企业都在使用Power Apps自定义构建程序。Power Apps还可与自动化工作流解决方案Power Automate一起使用,用于数据集成。

可以看到,无论是通过云还是本地计算的方式,客户关心的是AI功能如何快速、高效、低成本的实现,而这对于产品和服务提供商来说,则有了巨大的市场空间。

该文观点仅代表作者,本站仅提供信息存储空间服务,转载请注明出处。若需了解详细的安防行业方案,或有其它建议反馈,欢迎联系我们

(0)
小安小安

相关推荐

  • 暴雨倾城 智能交通如何为城市排忧解难

    北京7月21日中午至22日凌晨的特大暴雨,为首都有气象记录以来最大。截至昨日17时,已致约190万人受灾,已发现因灾死亡37人。据初步统计,经济损失近百亿元。

    2024年4月15日
  • 关于人工智能的未来,看这10大技术趋势

    随着Google、Microsoft和Facebook等巨头的大力投入,深度学习正在超越机器学习,人工智能来势凶猛。那么,如今人工智能最热门的技术趋势是什么?

    2024年4月4日 知识
  • 人工智能算法演进拓展生物识别应用领域

    正如依图科技罗忆所言“正是由于算法性能的不断深入,针对安防行业带来的变化以及应用场景都在呈现几何级数的增长。以前由于算法精度达不到,某些场景下应用是无法实现的,随着算法技术越深入,能应用场景就会越多。”也正是由于算法的精进,生物特征识别技术的识别能力不断提升,其应用的领域也将不断拓展。

    2024年4月12日
  • 暴雨天 杭州启用路灯视频监控保电畅通

    近年来,杭州市电力局陆续开发远程监控、运管平台等路灯智能化系统,为杭州百姓出行提供便利,该局自行研发路灯智能管理系统,系统与数字城管、95598服务热线等平台进行连接,如遇路灯损坏,该系统将实时接收路灯所在地点、杆号、图片等地理信息,为生产一线的路灯抢修班提供准确详细的抢修资料。

    2024年9月15日
  • 科研团队攻破射频识别技术易被干扰难题

    射频识别技术是通过无线电波进行数据传递的自动识别技术,是一种非接触式的自动识别技术。它通过射频信号自动识别目标对象并获取相关数据,识别工作无需人工干预,可工作于各种恶劣环境。不过该技术一直受制于金属环境的干扰,制约了其在物流等行业的普及和推广。由重庆大学曾孝平教授带领的科研团队已经初步攻破这个难题。

    2024年4月24日
  • 报警主机技术发展及入侵报警技术剖解

    报警主机是用物理方法或电子技术,自动探测发生在布防监测区域内的侵入行为,产生报警信号,并提示值班人员发生报警的区域部位,显示可能采取对策的系统。报警主机是预防抢劫、盗窃等意外事件的重要设施。本文将重点讲述报警主机的技术发展现状及功能。

    2024年4月10日