如果说2016年是AI新一轮爆发元年，深度学习算法的突破像一个火种点燃了AI市场，那么2018年则是AI应用落地生根、AI算力突飞猛进的一年。AI应用的普及促使异构计算在数据中心配比越来越重要，而算力的大幅提升、众多巨头集中推出的新一代芯片，也让AI在云、边、端的应用有了扎实的架构基础。AI在改变计算，而计算在重塑AI，两者交织行进，导致了2018年计算市场大变局的发生。
变局1：用户创新需求，引发异构计算群雄争霸
贯穿整个2018年，有一个特别的现象，就是一些看似刚刚听说不久的新技术、新名词，实际上已经就在眼前，甚至已经是蓬勃发展。比如说，2018年年初5G技术投票的新闻还沸沸扬扬，到了年底，5G的试商用就已经来了。在这种新技术以“十倍速”蔓延的背景下，用户对计算的需求也随之发生了根本变化。
一方面，物联网和AI等技术的迅速落地，让数据的增长速率前所未有，数据大爆炸来得比想象中更早。据相关调研机构测算，2017年全年数据总量将超过 15.2ZB，同比增长 35.7%。到 2018 年全球数据总量达19.4ZB。未来几年全球数据的增长速度在每年 25% 以上，以此推算，到2020 年，全球的数据总量将很有可能超过30ZB，而这些数据中有很多是由物联网设备采集、需要实时处理的，这对数据处理速度有了全新的需求。
另外一方面，利用数据、AI等新技术来促进业务创新和发展，已经在2018成为了大多数企业的共识，大家纷纷摩拳擦掌，跑得快的，相应的解决方案已经开始逐步落地。现在小到手机上的人脸识别，再到超市中已经实行的刷脸支付，大到在一个城市实施的智慧城市解决方案，都与AI技术密切相关。
在这两大力道的助推之下，算力市场被引爆。根据OpenAI的分析，到2020年前，AI所需的计算量会增长12倍，而从2012年到现在，计算量已经扩大了30万倍，平均每3.43个月算力就翻倍，其增长速度已经远超摩尔定律的范畴，所以AI算力走出了自己独立的提升曲线。
之前的市场中，NVIDIA在上游一家独大，算力是名副其实的稀缺产品，NVIDIA的产品也获得了高溢价，一句话：AI算力太贵了，把很多有需求的企业挡在门外。到了2018年，因为需求井喷的驱动，AI算力进入了群雄逐鹿的时代，AMD推出了专门用于深度学习的图形加速卡AMDRadeon Instinct MI60/ MI50，这两款GPU是全球首次采用7nm工艺生产的GPU，而且是同时支持硬件虚拟化的GPU，性能与灵活性都非常出色。英特尔也在大力夯实自己的AI产品组合，组成了由至强可扩展处理器、英特尔Nervana神经网络处理器和FPGA、网络以及存储技术等构成的AI整体解决方案，并针对深度学习而优化的基于英特尔架构的数学函数库(IntelMKL)以及数据分析加速库(Intel DAAL)，英特尔明显加快了在AI生态建设上的步伐。而作为AlphaGo控股母公司、同时也在AI上一直保持着先发优势的谷歌，则在GoogleI/O-2018 开发者大会期间，正式发布了第三代人工智能学习专用处理器 TPU 3.0。TPU3.0 采用 8 位低精度计算以节省晶体管数量， 对精度影响很小但可以大幅节约功耗、加快速度。甚至连做以电商为基础业务的阿里巴巴，都在云栖大会上抛出了“平头哥”芯片的开发计划，而专注于计算的浪潮则推出了独立的AI品牌TensorServer和AGX-5AI超级服务器。 AGX-5专为解决当前AI深度学习和高性能计算的性能扩展难题而设计，拥有10,240个张量计算核心，AI计算性能高达2PFlops。
可以说，目前AI算力市场的火爆，是以用户需求、数据大爆炸为先决条件的产物，并让上述的诸多巨头都投入巨资，以迅雷不及掩耳之势研发出诸多AI算力解决方案，正因为巨头们都热情参与，AI行业从芯片到产品，从应用到开放工具和生态系统，都有加速成熟的迹象，相信在2019年，整个AI算力产业会有更为蓬勃的发展。
变局2：AI产业化加速，智能计算时代到来
在世界互联网大会的人工智能论坛上，中国工程院院士、浪潮集团首席科学家王恩东在演讲时指出，计算已经成为重要的社会生产力，成为衡量社会和经济发展水平的关键指标之一。他所谈到的“AI产业化，产业AI化”生动描绘了智慧计算时代的产业变化。中国和美国是在AI投融资额最大的两个国家，虽然中国的AI产业化已经形成体系，但在AI基础层仍然有较大差距，尤其是算力上。王恩东表示，要打破AI的应用瓶颈，必须推进产业AI化，让发展AI的主体从单纯的互联网公司，向能源、医疗、金融、零售等各个传统产业覆盖，产业AI化将有助于传统行业转型升级，有着巨大的想象空间。
一方面是在AI上巨大的投入，另一方面则是各大产业对AI的渴求，显而易见，智能计算时代在加速到来。在近日公布的IDC2018上半年中国AI基础架构市场调查报告显示，2018H1中国AI基础架构市场增长强劲，销售额达到5.43亿美元。浪潮继续保持市场份额第一，销售额份额为51.4%。值得注意的是，GPU服务器依然是是AI基础架构的绝对主流，比例达到了98.9%，2018H1GPU服务器的出货增长为129%，而互联网公司的采购，占比达到59.4%，而像政府、教育、电信等传统行业，占比只有40.6%。
通过数据不难看出，互联网行业是引领AI应用的排头兵，来自互联网行业的AI服务器订单，依然是服务器增长的主要增量。而浪潮在众多瞄准AI市场的厂商中，率先使用了独立的AI品牌，再加上最强AI超级服务器AGX-5、最高密度AI服务器AGX-2和相对完整的AI产品线，在别人观望时，抢先获得了在AI产品上的先发优势，在智慧计算时代抢得了先机。所以，浪潮AI产品能在份额上遥遥领先，也就不足为奇。
变局3：行业AI化，其实就是一场传统行业的智能化革命
如果从代表未来的AI本身来看，只是纯粹的AI技术研究，就已经拥有较大的价值，但是我认为，在智能浪潮席卷之下，AI更大的价值在于对传统行业的赋能。如果说之前的IT和网络普及，使得传统行业有了数字化转型的基础，而AI则是在数字化基础上实现智能化阶跃的重要台阶和倚仗。
AI对传统行业有多大影响？我们不妨来看看几个例子。比如在金融行业，基于AI的机器图像识别，已经可以做到通过图像对受损的车辆进行定损，车主只要按照指定步骤拍几张照片，AI就能知道车辆的损伤程度，需要如何维修，进而计算出理赔价格。最为关键的是，这个过程只需要数秒钟！这比过去需要定损员花费数十分钟来进行人工核赔、核价，简直冷兵器和核武器的差距。
还比如网上流传的“神经网络割韭菜”的段子，其实，AI在量化交易中已经开始使用，其最恐怖之处，是在于可以通过学习，自主制定交易方式，而不像过去的程序化交易那样，需要人工设定交易策略，机器只是严格执行。而金融行业最容易的就是数据收集，当大量的数据被用于神经网络的学习，那么它们得出的自主交易方式，不但可以实现稳定的收益，还能提前规避风险，这是再多的人力也难以企及的。
还有就是在医疗行业，AI机器视觉识别被使用后，很多疾病的初步诊断都可以交给AI来完成。比如心脏病的诊断，专家级的医生需要大量的超声检查数据，结合丰富的经验，才能做到75%的准确率，普通医生则只有50%。而用AI来进行诊断，则准确率提升到了90%，比辛苦积累了几十年的专家还要牛。
通过以上例子，可见AI不只效率相比人工有几十倍提升，更重要的是，AI还能帮助客户进行业务模式创新，让过去很多不敢想的事变成现实，从而带来数万亿美元的衍生市场。
过去两年，人工智能还是全球顶尖的高科技企业，或者互联网企业才能应用的技术。但跨过2018年，随着AI算力的提升，AI开发工具的丰富，让普惠AI成为了可能。我在参观欧洲莱布尼茨数据中心时，被告知那里的HPC服务器利用率高达90%以上，原因就是相关机构会将HPC机时作为资源分配给欧洲的中小企业，帮助他们去利用HPC做创新。这其实非常值得我们借鉴，AI只有在千行百业中得以广泛应用，AI产品就像水电煤一样方便易用、物美价廉，人类才能加速进入到智能社会。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
