AI 巨頭們的新戰事：誰能把 AI 最先裝進“U 盤”裡？
圖片來源@視覺中國
國內人工智慧領域正在技術落地階段展開新一輪的較量。
對於頭部 AI 公司來說，“場景之爭”正如火如荼——以視覺識別領域為例，在金融領域，雲從科技已經拿下超過80%的國有銀行訂單；手機市場，商湯與曠視正在瓜分 OPPO、vivo、小米等廠商；而規模最為龐大的安防領域，也出現了商湯、雲從、依圖三國鼎立，小廠商夾縫求生的景象。
而在越來越多的場景“AI 化”之後，原有的技術架構暴露出的不適應性，則成為倒逼人工智慧企業更新底層技術方案的客觀力量。
相隔不到一月，9月20日與10月10日，阿里巴巴與華為分別拋下 AI 領域的重磅炸彈，前者宣佈啟動“達爾文計劃”，成立獨立晶片公司“平頭哥”；後者釋出“達芬奇專案”，現場亮出昇騰910和昇騰310兩款AI晶片。
縱觀兩家科技巨頭的 AI 方案，不論是“達爾文”還是“達芬奇”，單點式的 AI 技術已不再是呈現重點，取而代之的，是將 AI 與雲服務、資料中臺、晶片、基站等模組進行結合，生成“全棧 AI”方案，讓 AI 以更具象、更低門檻、更產品化的方式進入企業場景。
AI 為何要“全棧”？
不論是華為還是阿里，全棧 AI 的方案提出並不是空穴來風，而是來自市場需求的真實反映。對於所有云計算廠商來說，AI的橫空出世其實解答了長期以來的一個問題——“企業為什麼要上雲？”
對於為數眾多的傳統企業而言，並不是簡單把伺服器從自己的機房搬到雲服務商的機房就完成了上雲，這一轉換需要強有力的場景來拉動，而AI所需要的彈性海量的算力，以及帶來巨大的顛覆性正好完美契合了這個需求。換句話說，雲就是AI最適合的交付方式。
但一個必須承認的事實是，儘管業界討論 AI 的聲量愈加明顯，但真正實現 AI 落地的場景依然有限。華為輪值董事長徐直軍公佈的一份資料顯示：只有4% 的企業已經投資或部署了AI；約5% 部署的智慧城市中正在使用AI；2017年只有約10%的智慧手機內建了AI。
華為輪值總裁徐直軍手持華為昇騰(Ascend)晶片登場
談及華為的全棧 AI 戰略，華為雲總裁鄭葉來始終離不開一個詞“普惠 AI ”。
“今天的 AI 開發者面臨兩個難題，一個是慢，一個是貴。”鄭葉來說。
慢，指的是 AI 部署慢、訓練慢。從升級伺服器與資料庫，到搭建機器學習平臺，輸入資料進行學習訓練，讓機器逐漸掌握人類具備的推理、反應等功能，對於一般企業來說，少則數月，多則數年。
貴，指的是裝置貴、人才貴。不論是高通、英偉達的晶片還是 IBM 的小型機，作為訓練人工智慧的底層基礎設施，動輒百萬的裝置費用成為 AI 方案落地企業的絆腳石；至於人才貴，從華為公佈的全球人才佔比可見一斑：
可以說，全棧 AI 並不是某個企業空想出的解決方案，而是在 AI “又貴又慢”的發展現狀下，被迫從人工智慧整條產業鏈進行重整的改革方式。
如何理解“全棧 AI”？
以華為為例，外界聚焦的兩款晶片只是華為 AI 戰略中的一環。華為輪值董事長徐直軍按照基礎研究、全棧 AI、開放生態、AI 思維與內部效率為基準，將華為的 AI 戰略分為五大方向，具體結構為：
- 底層是以晶片為代表的硬體：包含Max、Mini、Lite、Tiny和Nano五個系列的華為昇騰(Ascend)晶片家族，其中，已經推出的昇騰910屬於Max系列，昇騰310屬於Mini系列。
- 中層是演算法以及機器學習平臺：支援雲端、邊緣、雲的統一訓練和TensorFlow、PyTorch等主流推理框架MindSpore，以及晶片運算元庫和高度自動化運算元開發工具 CANN。
- 上層為應用層：由於任正非曾明確表示華為不會涉足應用，此次華為採用了PaaS 的方式，推出 ModelArts 全流程服務，提供分層 API 和預整合方案，以滿足不同開發者的需求。
從技術視角來看， 所謂“全棧 AI”，是指包括晶片、晶片使能、訓練和推理框架和應用使能在內的全堆疊方案，而 PaaS、晶片，則成為了使用者可以呼叫華為 AI 能力的方式，這就像是一個裝滿了 AI 開發工具的百寶箱 ，使用者“開箱”後，就可以很快地上手使用到 AI 能力。
華為的 AI 戰略
舉一個具體的例子，此次華為推出了專門針對視覺開發領域的開發者平臺HiLens，當中包含一個帶有攝像頭的物理小盒子，背後與華為雲端計算系統連線，開發者只要啟動攝像頭，就可以在零售、安防等場合迅速上手人臉識別的能力，這就極大降低了原先的部署門檻。
相比眼下 BAT 以及一眾 AI 公司在金字塔單個或多個層面做出的努力，華為基於自身雲業務與硬體資源的優勢，將 AI 從單點式的技術形態，首次完整滲透至公有云、私有云、邊緣計算、物聯網終端以及消費類終端等部署環境，這類全棧式 AI 的技術落地形式，也將逐步成為 AI 公司完善底層架構時的重要參考標準。
從 AI+雲，到全棧 AI
不論是華為、阿里巴巴還是去年號稱“All in AI ”的百度，一個有趣的現象是，目前能快速響應全棧 AI方案的廠商，基本都在雲端計算領域有著多年深耕經驗。
對於To B 廠商來說， AI 更像是整套雲服務產品中的一個補充模組，這在最先染指雲端計算業務的亞馬遜 AI 方案中有著更為完整地體現。
2006 年亞馬遜推出 AWS 雲端計算服務時，其宗旨就是將原本造價高昂的雲端資源與運算能力，用更彈性、經濟的方式分配給中小企業；到了2015年，亞馬遜開始嘗試將這種資源利用的“民主化”轉移到AI產品，具體的做法包括將內部一些機器學習的服務打包，相繼推出 Amazon Machine Learning（機器學習平臺）、Rekognition（影象識別平臺）、Polly（語音識別平臺）等 AI 應用。
與亞馬遜類似，同樣是從電商業務延伸至雲端計算，阿里巴巴的全棧 AI 也發展得順理成章。
9月下旬的雲棲大會，阿里巴巴宣佈將今年4月收購的中天微以及旗下的達摩院晶片團隊整合，成立“平頭哥”，預計明年4月釋出一款嵌入式神經網路處理器（NPU）晶片。隨著“平頭哥”的剝離，阿里巴巴也明確了旗下雲端計算、AI 晶片、大資料、應用業務之間的關係。
阿里巴巴CTO張建鋒
根據阿里巴巴CTO張建鋒透露，由阿里雲承載的電商平臺一天可產生高達 600Pb的資料，達摩院需要解決資料從哪裡來以及怎麼處理的問題，AI 晶片要為諸如城市大腦、輔助駕駛、自動駕駛等實際場景提供足夠的端運算能力，最終降低阿里雲的業務成本，由此形成一個正向迴圈。
百度則是由“雲+AI”轉向全棧 AI 的另一典型案例。
2016年7月，百度董事長兼CEO李彥巨集釋出了百度雲“人工智慧+大資料+雲端計算”三位一體的發展戰略；同年11月，百度總裁張亞勤首次將“雲、智、數”三位一體戰略總結為ABC（AI，Big Data，Cloud Computing），並表示：“百度 AI 戰略將通過百度雲落地各行各業。”
“從百度內部來說，To B 的解決方案全部由百度雲的團隊提供，包括地圖、車聯網等資料和百度內部的AI 能力，所以我們給客戶看到的是一張臉。”百度雲副總經理李碩曾在接受鈦媒體採訪時說。
從2016年至今，百度雲的 ABC 戰略歷經三個階段的迭代。從 ABC 1.0時期的技術整合，到 ABC 2.0 時期對交通、金融、物流等行業小試牛刀的單點輸出，再到今年百度雲 ABC 3.0 進一步將百度內部超過110種 AI 能力進行整合，並以ABC-STACK、ABC一體機的形式加速交付，可以說，雲業務已經成為了百度對外輸出 AI 的視窗。
AI 一體機的興起
在 2018 年的 AI 技術演化中，諸如 AI 晶片、全棧 AI、邊緣計算等技術理念的革新， 意味著 AI 已經憑藉底層技術端的突破，一步步降低了上層落地應用的門檻。
在這一過程中，還有另一個稍顯晦澀的基礎設施也煥發出新的生機，它就是用以企業傳輸資料、提供算力的底層伺服器“一體機”。
從2017年開始，一系列人工智慧“一體機”應運而生，包括百度、網易、依圖、中科睿芯、第四正規化等 AI 公司紛紛聯手浪潮、ARM、華為等硬體廠商，推出基於人工智慧落地方案的一體機。
浪潮與百度合作推出的 AI 一體機。
第四正規化創始人戴文淵曾給鈦媒體打過一個比方：如果將第四正規化此前研發的 AI 平臺“先知”比作一套 Windows 系統，使用者拿到裝載系統的光碟後，還需要在電腦上花力氣解決系統相容、穩定性等問題； 而現在的“一體機”就好比是裝有 AI 能力的 U 盤，即開即用，這就解決了 AI 落地的最後一公里問題。
9月初，第四正規化與浪潮商用機器合作推出 AI 一體機 Prophet AIO，成為市面上首個針對超大規模資料探勘與機器學習計算問題的 AI 一體機產品。
為了適配 AI 落地的技術指標，浪潮將 AI 一體機中諸如資料傳輸、記憶體頻寬等指標進行調優，同時支援了Chainer、Tensorflow及Caffe等開源人工智慧框架，根據第四正規化官方透露，相比普通伺服器，Prophet AIO 整體效能能提升10倍以上。
“傳統伺服器在裝置數量、部署門檻方面，還是給 AI 落地帶去很多阻礙，我們也一直在軟體層面試圖解決這些問題，最後發現硬體是繞不開的環節。”戴文淵對鈦媒體說。 他預測，未來採用 AI 方案的企業，AI 一體機與傳統伺服器的比例將會是1:10。
第四正規化創始人戴文淵
可以看出，這類“AI 平臺”+“硬體公司”的軟硬一體組合，將極大降低 AI 方案走進企業場景的門檻，談及兩方在 AI 落地階段的角色分配，浪潮集團AI&HPC總經理劉軍將浪潮與百度、網易、第四方式等廠商的合作方案總結為兩個方向。
首先，一體機為 AI 平臺提供了可供底層支撐的產品載體，這就類似於雲業務中的計算裝置。“單純的 AI 晶片廠商無法獨立給客戶提供價值，特別是當 AI 進入行業後，必須要變成一個類似伺服器的基礎設施才能執行。”劉軍對鈦媒體說。
其次，當 AI 從技術轉化為“生意”後，其中涉及的企業級產品經營方法論，並不是百度、網易這類公司具備的，而這恰恰是浪潮、華為這類硬體公司的長處所在。
“在這類 AI 聯合化的方案中，包括中期交付、軟硬體定製、壓力測試、調優、後續服務等環節都是企業級產品需要承載的價值，這個通道不是網際網路公司熟悉的生意模式，但在我們做企業傳統伺服器的時候已經經營很多年了，所以有這個能力可以將AI 的價值賦予到終端。”劉軍談到。 （本文首發鈦媒體，採訪、撰文/蘇建勳）
更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App
