【观察】元脑系统和AI生态“双轮驱动”,浪潮加速产业人工智能化落地

640?wx_fmt=jpeg

申耀的科技观察

读懂科技,赢取未来!

640?wx_fmt=jpeg 640?wx_fmt=jpeg 640?wx_fmt=jpeg 640?wx_fmt=jpeg


毫无疑问,AI已成为了当下中国产业升级和企业数字化转型中的新动能。


特别是由于中国线上线下生态及场景远比其他国家丰富、多元,经济中存在的结构性差异,以及细分行业中不同的应用场景需求,都给了以AI等新技术创新以巨大的想象力,可谓未来发展的后劲十足。


640?wx_fmt=jpeg


在此过程中,AI显然会无差别地席卷整个市场,即便是行业的领军企业,也会面临着来自人才、产品、服务以及市场等方面的颠覆,成为众多企业迈向AI新时代的重要短板与难题。


从这个角度来看,浪潮在今年IPF上正式发布“元脑”系统,并提出以“融合、开放、敏捷”的新理念筑基AI新生态,必将对联接生态伙伴助力产业AI化,打开释放AI新红利的突破口,起到更多引领和示范的新作用,同时也有了更多解读的价值和意义。


产业AI:未浮出海面的万亿级市场


众所周知,过去几年兴起的第三次AI浪潮,根本原因正是源于计算力的快速发展,结合无处不在的海量数据,以及利用深度学习不断演进的算法共同催生而成,其所产生的实际应用效果和商业影响力远远超出了以往。


如今,AI正在成为百行百业下一波数字化转型的前沿,包括语音识别、人脸识别、自动驾驶、智慧医疗、智慧金融、城市大脑在内的一大波以AI为依托的新技术以及新应用,似乎一夜之间在全球乃至中国迎来了爆炸式生长,具体分析如下。


640?wx_fmt=png

浪潮集团副总裁彭震


首先,从国家政策看,早在2017年国务院就发布了《新一代人工智能发展规划》,并在今年的政府工作报告首次提出了“智能+”的重要战略,并强调要深化大数据、人工智能等研发应用,打造工业互联网平台,拓展“智能+”,为制造业转型升级赋能。


其次,从市场趋势看,在IDC和浪潮日前发布的《2018-2019中国人工智能计算力发展评估报告》中显示,仅2018年,中国人工智能市场投资规模约为25亿美元,其中70%以上为以计算力为核心的基础架构硬件市场投资;到2022年,中国的人工智能市场投资规模将超过百亿美元,未来五年的复合增长率超过59%,将形成一个新的千亿人民币规模的产业生态。


再次,从产业升级看,随着整个业界向数字化、智慧化的转型,通过产业智慧化升级重塑企业竞争力已经成为业界共识,行业+智慧同样也势不可挡。数据显示,在过去两年中,中国人工智能应用成熟度最高的八个行业同时也是人工智能计算力投资最高的行业,其中互联网、政府、服务和金融是四个人工智能计算力发展的领先行业,可见行业AI蕴藏着巨大的市场机遇。


最后,从生态变化看,由于AI的出现也推动了整个生态的巨大变化。例如,平安原来做金融的,现在转型成为了AI公司,还用AI技术产品服务于其他的客户;苏宁原来主营家电市场,现在却转型成为新零售企业;还有一些传统的ISV,传统的行业客户同样也在AI的驱动下进行智慧化转型。可见,和过去单一的生态体系相比,目前整个AI的生态环境同样出现了巨大的变化。


640?wx_fmt=jpeg


正如浪潮集团副总裁彭震所言:“人工智能产业化并不代表AI的全部,它现在只是冰山浮出海面上的一点,海面下的90%是产业的人工智能化,也就是传统行业的用户怎么去实现人工智能的转型,这才是未来最大的市场。而在此过程中,相信没有一家企业能够主导整个AI产业,它需要不同企业在整个AI生态中扮演不同角色,共同推动实现产业AI化。”


由此可见,未来AI的主战场在产业AI化,而产业AI化潜能的挖掘在于AI生态的重塑和聚合,由此才能最大化释放AI产生的新红利。


浪潮元脑:加速产业人工智能化落地


但是,在行业AI落地的过程中,尽管我们已经认识到AI能给各行各业带来的巨大价值,但它也确实很难在一夜之间实现大规模的“普惠化”,其落地之路仍然“道且阻长”。


在浪潮AI&HPC总经理刘军看来,随着市场上AI计算力越来越丰富,应用场景趋向广泛化,因此要将AI技术落地到企业进行应用并且发挥效能,还需要跨过三道门槛。


640?wx_fmt=jpeg


其一,是如何快速建立AI应用。可以看到,今天很多的中国企业坐拥海量数据和充沛资金,他们正热切期待着,随时准备投资能帮助企业拓展业务、提高收益、降低成本的AI技术与人才。但在此过程中,很多企业会发现市场上没有公司能明确地告诉它,这个行业的AI应用应该如何搭建。换句话说,很多传统行业在进入AI的过程中,找不到师傅“引进门”。


其二,是如何搭建软硬件系统交钥匙的体系。过去在信息化和数字化的过程中,很多企业已经建立了一套成熟的技术和应用落地体系,有专门的服务商配合企业完成相关技术和应用的搭建。但到了人工智能新时代,AI的软硬件系统交钥匙体系并没有搭建起来,由此也造成了供给和需求端出现了巨大的“鸿沟”。


其三,是如何发展AI的开发能力。当下很多企业也正在从数字化走向智慧化,因此对数据的开发和利用,不应该只是实现单纯的数据汇集过程,或者只停留在对已有的管理数据挖掘,而是需要将整个生产过程进行全面的智慧化,最终让数据为企业的转型创造更大的价值。同样,由于人才缺乏,无法找到更适合的算法等原因,也导致了很多企业无法充分继续挖掘和开发新的AI应用。


640?wx_fmt=png


在此背景下,浪潮在今年IPF上正式发布元脑系统,它包含了浪潮全球领先的场景化人工智能基础设施,多样化的深度学习框架与工具,以及最新研发的人工智能 PaaS平台AIStation和浪潮自动机器学习AutoML Suite等“有形”产品,同时也凝聚了浪潮多年积累的人工智能算法优化、系统优化服务、整合一体化交付等“无形”能力。


毫无疑问,中国企业智慧化的落地,行业AI的普惠化不可能“一蹴而就”,而是一个长期进化和迭代的过程,特别是智慧化作为这个进程当中最为重要的一环,它不仅需要AI技术与传统行业的深度融合,也要求面向不同行业要有“因地制宜”的创新解决方案,更取决于中国能否形成软件、硬件与服务“三位一体”的AI创新平台和解决方案。


所以,浪潮元脑系统的正式发布,无疑将为人工智能提供最基础、最本源的创新支撑,赋能生态合作伙伴,加速产业人工智能化进程,促进人工智能产业呈现“百花齐放”的状态。


筑基AI生态:浪潮扮演的三个新角色


实际上,作为中国AI市场的领导者,浪潮最早布局人工智能,目前已成为中国最大的人工智能基础架构方案供应商,市场份额一直在50%以上。因此,在行业AI转型的巨大挑战面前,浪潮也希望以“融合、开放、敏捷”的新理念筑基AI新生态,联接生态伙伴助力产业AI化,打开释放AI新红利的突破口。


640?wx_fmt=jpeg


对此,浪潮集团渠道管理部总经理王峰认为,人工智能时代的AI生态有两大显著的变化:一方面,是生态的多样性和复杂程度更高,过去的数字化时代生态的分工和边界是相对清晰的,但如今在AI时代,无论是数据、算力、算法乃至应用层面都仍处在“各自为战”的状态,因此合作伙伴在整合和打包AI应用落地的过程中,复杂程度更高。


另一方面,是AI产品和应用的不成熟导致行业复制“难上加难”,主要表现在大部分算法乃至CSP公司很多的AI产品和应用,源于实验室和互联网ToC的业务,在面向ToB市场时并不成熟,再加上生态体系的不完善,也导致了合作伙伴很难把AI的单点应用变成行业的复制,形成一个能给客户提供“一站式”交付的、完整的人工智能生态。


对此,浪潮未来会通过“开放、融合、敏捷”的新理念筑基AI新生态,并在这个过程中扮演好三个新角色:孵化器、试验场和放大器。


一是孵化器,指的是浪潮在前期会积极帮助AI技术公司、行业ISV以及分销商完成AI产品和应用的孵化,让更多的合作伙伴能够快速进入AI的产业链。


二是试验场,指的是浪潮将会通过元脑系统以及浪潮方案创新平台(InCloud Lab),帮助相关的合作伙伴完成AI产品和方案的测试和验证,为推向最终市场打好基础。


三是放大器,指的是浪潮将与浪潮合作伙伴体系、AI算法公司伙伴、AI场景应用ISV伙伴一起,完成多行业的复制,实现整个产业的AI化,推动AI释放新红利。


640?wx_fmt=jpeg


值得一提的是,浪潮还对外发布了元脑生态计划,未来将与AI芯片、行业ISV、AI系统平台、AI算法、AI投资等领域的合作伙伴,在深度融合、联合营销以及多模式合作方面共同探索与实践,打造中国AI新生态。所以,王峰强调:“元脑生态计划的核心目标,就是实现AI技术的产业化以及传统行业的AI化。”


不仅如此,浪潮还计划在今年聚焦在计算机视觉、语音识别、自然语言识别、量化交易等四个基础AI应用场景,发展100家以上合作伙伴,开发100个以上的合作伙伴,帮助400家以上的传统ISV建立人工智能能力,覆盖金融、企业、通信、教育等8个主流行业。


总的来看,以“融合、开放、敏捷”的新理念筑基AI新生态,不仅是浪潮在进入人工智能新时代进程中为自身选择的新角色和新定位,也是浪潮“利他思维”理念和生态价值观的一次全新升华,相信这会为浪潮推动产业人工智能化转型,加速迈向全球第一,起到更多的加速和支撑作用。


640?wx_fmt=gif


申耀的科技观察,由科技与汽车跨界媒体人申斯基(微信号:shenyao)创办,16年媒体工作经验,拥有中美两地16万公里自驾经验,专注产业互联网、企业数字化、渠道生态以及汽车科技内容的观察和思考。


640?wx_fmt=jpeg

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值