首页 > 资讯 > 正文

高考分数 700+,状元们选择清华“智班”,AI 专业火热背后的“算力跃迁”

又到了一年开学季,各大高校陆续迎来生机勃勃的新生。不久前,清华大学开学当天的盛况引起了各路媒体的关注,除了对围棋天才柯洁的到来好奇之外,最让大家关心的还有一份“智班“新生的名单。

开学季AI专业火爆

所谓“智班”,就是清华大学在今年 5 月 18 日宣布成立的人工智能学堂班。

这份名单实在不算长,只有寥寥 30 人,但仔细一下就会发现这 30 人个个是天之骄子、人中龙凤,比如来自广西理科状元杨晨煜(730分)、四川理科状元张家杰(718分)、黑龙江理科状元王涵(707分)、北京市高考理科第八名张凯(704分)均通过统招进入智班。

作为智班的第一届本科生,这 30 人经过层层选拔才得以进入这份名单,其中包括 14 名保送生、12 名自主选拔考生,仅有 4 名高考统招学生。

随之,智班的 2019 年秋季课表也曝光了。从中可以看到,智班的培养核心侧重人工智能,除了传统的数学物理基础课程,课表中还包括“姚班”创建者姚期智院士授课的《人工智能入门》和《人工智能:原理与技术》,以及深度学习、计算机视觉、数据挖掘、自然语言处理、人工智能交叉项目(AI+X)、机器学习等特色课程,基本囊括了当前人工智能的基础知识和研究重点。

这一年,热闹不仅是清华的,隔壁北大的图灵班、浙大的竺可桢学院图灵班、以及上海交通大学、同济大学、南京大学、浙江大学等所高校,都已经获得建设人工智能本科专业的资格,开始了 AI 专业招生工作。

AI应用范围广,人才缺口大

AI 专业在今年的开学季呈现出前所未有的火爆局面,这背后的原因,大致有以下几点:

一方面,这得益于AI 教育得到国家政策的支持,今年共有 35 所高校获得建设人工智能本科专业的资格。

第二,AI 人才暴露出巨大的缺口。据《中国ICT人才生态白皮书》研究分析

2018 年底,我国人工智能人才缺口至少在 100 万以上。作为一个相对新兴的领域,目前国内的 AI 研究多限于学术研究和企业应用,缺乏系统的人才培养机制,优秀的 AI 人才千金难求,百万年薪招 AI 博士的待遇并不稀奇。比如 7 月 23 日华为公布 8 名顶尖学生的年薪方案,这 8 名2019 届应届博士所学专业多与人工智能等前沿领域有关,其年薪最低为 89.6 万元,最高为 201 万元,真可谓“书中自有黄金屋”。另外一家 AI 研究机构 DeepMind 也是不惜重金招揽 AI 人才,2018 年雇佣了数百名年薪百万的的研究人员和数据科学家,虽然净亏损约合人民币 40 亿,但对于 AI 人才,他们却十分舍得投入。

第三,面对人工智能的迅速发展,对于大部分人来说,挑战大于机遇,在不远的未来,我们或许需要不断升级自身才能跟上这个时代,AI 技术将成为工作的必备技能。机器学习大牛吴恩达就认为,孩子从刚学会走路时就应该学习 Python,因为人机交流将变得越来越重要,编码能力将成为可以预见的未来最深层次的人机交流的基础,所以,几乎每个人都应该学习编程,就像每个人都应该学习读写一样。

最后,最重要的一点是,目前 AI 落地应用的范围已经非常广泛,成果遍地开花,AI 作为通用技术可用于各行各业,并以产品形态逐渐进入到金融、医疗、娱乐、城市建设、安防、智能生活、自动驾驶等各个领域,拥有巨大的发展前景,机会无限。

从人才到生产力,需要的不仅仅是高等教育

强化学习教父 Richard Sutton 曾说过:70 年的人工智能研究史告诉我们,利用计算能力的一般方法最终是最有效的方法。摩尔定律揭示了这一事实。

大部分 AI 研究都是在认为智能体可用的计算为恒定的情况下进行的,在这种情况下,利用人类知识是提高性能的唯一方法。但是,短期看知识,长期看算力,研究人员利用专门领域知识可以在短期内提升性能,若想长期获得性能提升,利用计算能力才是王道。

Sutton 的这番话强调了计算能力的重要性。

从另一个角度来看,神经网络等算法上的突破其实在很早之前就已实现,一直以来,大量 AI 领域的优秀人才也在推动着相关研究继续向前,但是在落地上却无法取得大跨步的进展,很大一部分原因就是计算力不足。

同时,直至如今计算力的成本也依然高昂,因此我们仍然面临着许多挑战和亟待解决的问题,比如:

AI 训练往往需要数日、数月甚至更长的时间,如何才能在几分钟、几秒钟之内完成训练?

算力稀缺且昂贵,如何才能让算力变得充裕且经济?

AI 主要部署在云端,只有少量部署在边缘,如何让 AI 无处不在,并在尊重和保护用户隐私的前提下适用于任何场景?

.......

归根结底,问题还是在于算力的限制。因此,在AI 落地上,正如 Richard Sutton 所说,计算力的提升才是王道。

在这样的背景下,很多算力和 AI 解决方案应运而生,华为 Atlas 就是其中一个。

2018 年 10 月 11 日,在华为全联接大会 (HUAWEI CONNECT)上,华为发布了基于华为 Ascend(昇腾)系列芯片和业界主流异构计算部件的 Atlas 人工智能计算平台。

  • 基于自主研发的 Ascend 芯片

基于自主研发的 Ascend 芯片

Atlas 人工智能计算平台是基于华为 Ascend(昇腾)系列芯片。其中, Ascend 310 AI SoC 采用达芬奇架构,半精度达 8 TeraFLOPS,整数精度可达 16 TeraOPS,功耗仅 8W;Ascend 910单芯片计算密度达到业界领先水平,超越 NVIDIA Tesla V100 和 谷歌 TPU v3,AI 运算服务器拥有 2048 个节点 ,整体性能多达 512 Peta Flops(2048 x 256)。基于高性能自研芯片,Atlas 人工智能计算平台可以提供强大的算力,助力客户 AI 转型或智能化。

  • Atlas 全景图

Atlas 全景图

Atlas 人工智能计算平台是华为于 2017 年发布的 Atlas 智能云硬件平台的全新演进,总体上分为 AI 解决方案和 AI 基础设施两部分,通过模块、板卡、小站、一体机等产品,打造面向端、边、云的全场景 AI 基础设施方案。

其中,AI 基础设施部分包括面向端侧的 Atlas 200 AI加速模块、面向数据中心侧的 Atlas 300 AI加速卡、面向边缘侧的 Atlas 500 智能小站、面向云端训练的 Atlas 200 开发者套件,以及定位于企业领域一站式 AI 平台的 Atlas 800 AI服务器:

  • Atlas 200 AI 加速模块:赋予终端设备智能,性能提升 7 倍,AI 摄像机可并行多种算法,支持 16 路高清视频实时分析,实现像素级图像分割,面向摄像头、无人机等端侧设备部署,进行人脸识别、姿势识别和车辆识别,功耗仅 10W 左右。

Atlas 200 AI 加速模块:赋予终端设备智能,性能提升 7 倍,AI 摄像机可并行多种算法,支持 16 路高清视频实时分析,实现像素级图像分割,面向摄像头、无人机等端侧设备部署,进行人脸识别、姿势识别和车辆识别,功耗仅 10W 左右。

  • Atlas 300 AI 加速卡:业界最高密度 64 路视频推理 AI 加速卡,实时性能业界领先,采用标准的半高半长 PCIe 卡设计,面向数据中心和边缘侧服务器场景。该加速卡支持多种数据精度,单卡即可提供 64 TOPS INT8 计算性能,为深度学习和推理提供更强大算力,支持视频分析、OCR、语音识别、精准营销、医疗影像分析等。

Atlas 300 AI 加速卡:业界最高密度 64 路视频推理 AI 加速卡,实时性能业界领先,采用标准的半高半长 PCIe 卡设计,面向数据中心和边缘侧服务器场景。该加速卡支持多种数据精度,单卡即可提供 64 TOPS INT8 计算性能,为深度学习和推理提供更强大算力,支持视频分析、OCR、语音识别、精准营销、医疗影像分析等。

  • Atlas 200 开发者套件:强算力、简单易用,编程效率提升 2 倍,适用于云上云下全栈 AI 开发,1 台笔记本即可搭建开发环境,本地开发+云端训练协同,无需任何修改。

Atlas 200 开发者套件:强算力、简单易用,编程效率提升 2 倍,适用于云上云下全栈 AI 开发,1 台笔记本即可搭建开发环境,本地开发+云端训练协同,无需任何修改。

  • Atlas 500智能小站:是业界领先集成 AI 处理能力的边缘产品,机顶盒大小即可实现 16 路高清视频处理能力,相比业界产品性能提升 4 倍,适用于交通、看护、无人零售、智能制造等领域,满足严苛的边缘部署场景环境。

Atlas 500智能小站:是业界领先集成 AI 处理能力的边缘产品,机顶盒大小即可实现 16 路高清视频处理能力,相比业界产品性能提升 4 倍,适用于交通、看护、无人零售、智能制造等领域,满足严苛的边缘部署场景环境。

另外,Atlas 智能计算平台还为客户提供了多种 AI 解决方案,包括 Atlas 800 AI服务器、人脸识别一体机、车辆识别一体机、OCR 一体机等。

Atlas 800 AI服务器:基于标准服务器和Atlas 300 AI加速卡,打造基于Kunpeng处理器和x86处理器的集成推理平台,提供强大实时推理性能和高效能计算特性。

此外,华为与商汤联合打造的人脸智能分析解决方案将 Atlas 人工智能计算平台与商汤的人脸分析软件结合起来,可广泛应用于公安、商场超市、交通枢纽等场景,拥有视频接入、视频解码、人脸布控、抓拍图片等核心功能。

在华为以萨人车解决方案中,Atlas 人工智能计算平台+以萨技术的 AI软件,可实现车辆大数据分析,进行智能搜车、大数据研判、布控查缉等任务。

总之,华为 Atlas 基于自研昇腾系列芯片,为开发者带来向端、边、云的全栈全场景 AI 基础设施方案,为 AI 落地提供了已经过市场检验的多种 AI 解决方案,助力客户实现 AI 战略转型和产品升级。

华为AI战略:无比重视人才培养

AI 浪潮之下,具有长远规划的企业大多意识到 AI 未来在企业发展中的重要性,纷纷加大 AI 投入。据德勤对美国 1100 名 IT 和业务线高管的调查显示,59% 的企业使用了具有 AI 功能的企业级软件,37% 的 AI 领军者表示他们的公司已在认知技术上投入了 500 万美元或更多,并且已经获得了不错的回报率,比如科技、媒体、娱乐和通信企业在 AI 投资方面的平均 ROI 达到了 20% 或更高。

华为作为一家世界领先的科技公司,在 AI 上早已有战略性的投入和布局。

在 2018 年华为全连接大会上,华为轮值董事长徐直军发布华为的 AI 战略:强力投资基础研究、打造全栈解决方案、投资开放生态和人才培养、解决方案增强以及内部效率提升,把人才培养提升到华为AI战略性高度。

具体到行动上,除了今年 8 位百万年薪 AI 博士培养方案之外,华为已经有多项 AI 人才培养计划,比如 2018 年推出人工智能工程师认证(HCNA-AI),此后,华为又陆续推出面向资深工程师的 HCNP 认证和面向人工智能专家的 HCIE 认证,从人才认证体系上完善 AI 人才培养机制。华为还公布了“沃土 AI 人才培养计划”,该计划旨在帮助高校及科研院所使用华为全栈 AI 的技术能力及算力资源,开展高校人工智能学科建设,培养产业转型和创新发展所需要的新产业人才;助力科研院所开展学术研究和科研创新,培养人工智能领域的研究创新人才。

再如,在今年2019 年 6 月 1 日~2019 年 9 月 20 日期间举行,由国家自然科学基金委信息科学部、“空间信息网络基础理论与关键技术”重大研究计划指导专家组主办的遥感图像稀疏表征与智能分析竞赛上,华为Atlas还为高校科研提供了性价比更高的算力,助力遥感大赛。

目前大赛已进入初赛阶段,来自 11 个国家,115 个城市的 2191 支队伍已展开角逐,争夺大赛的最后胜利。值得注意的是,进入“遥感图像稀疏表征与智能分析竞赛”决赛的团队将参加决赛加分赛,通过使用华为 Atlas 200 DK AI开发者套件和遥感图像测试数据集,将参与决赛的算法模型移植于华为 Atlas 200 DK AI 开发者套件,并在对应遥感图像测试数据集上实现算法模型的推理计算。

而 Atlas 200 DK AI 开发者套件则是一款以华为 Ascend 310 芯片为核心的开发者板形态产品,主要功能是将 Ascend 310 芯片的核心功能通过该板上的外围接口开放出来,方便用户快速简捷的接入并使用 Ascend 310 芯片强大的处理能力。得益于昇腾芯片的全栈全场景能力,基于 Atlas 200 DK AI 开发者套件开发的程序只需一次开发,即可实现端、边、云全场景部署,可以运用于平安城市、无人机、机器人、视频服务器、闸机等众多领域的开发。

除了人才培养,华为的 AI 战略还体现在世界级舞台上对 AI 的重视。刚刚结束的上海世界人工智能大会上,围绕鲲鹏处理器和昇腾 AI 芯片两大计算平台,全面介绍覆了盖云、边、端的全栈全场景智能计算解决方案与开放生态,并设置 AI 产业趋势洞察分析以及华为智能计算在汇纳智慧零售、山东智洋电力巡检等应用案例。

可以预见,随着 AI 步入快车道,华为在人工智能上的战略投入将只增不减,在人工智能与各行各业紧密结合的时代,华为将如何挖掘潜藏的宝藏,我们拭目以待。

责任编辑: