AI的下半场怎么走，这朵云知道

鱼羊 晓查 发自 凹非寺

量子位 报道 | 公众号 QbitAI

今年都在说AI技术落地。AI到底有没有真正落地？可能得真实数字说了才算。

IDC今年7月发布的一份报告显示，2018至2024年，中国AI云服务市场年复合增长率将达到93.6%。

当然，高增速也不一定是真正的行业繁荣，行业的结构变化更能说明天平倾斜的方向。

阿里云最近有一组数字值得玩味：四年前，云上的训练任务占比超过80%；而如今，推理任务所占算力比重已经基本过半。

阿里云透露，这背后主要是因为4年以来，AI行业悄然发生的变化：云端进行推理的需求，比训练需求的增长要快得多。占比过半标志推理将是未来更为主流的云上AI计算需求，也说明AI行业已经从创业和从研发和创业为主，真正走向落地。

为什么这么说？

阿里云异构计算研发总监龙欣解释， 训练是更偏后端研发的阶段。而推理更多是把成熟的产品推广到市场上规模化应用，从这个角度来看，算力是处于训练还是处于推理，其实就能判断这个产品在AI上的技术是否开始了大规模落地。

而阿里云还透露了一组数字，最初云端GPU上线时，只有少数几家互联网企业和人工智能技术创业公司，租用算力来验证自己的商业模式和业务探索；现在AI用户已覆盖智能智造、医疗、教育等数十个行业。

例如，今年的疫情让在线教育等行业迅速增长。阿里云透露，在线教育是过去一年里对异构计算需求增长最迅速的行业，已经增长了近200%。这也侧面反映了这个行业AI应用的快速落地。

“实际上，AI已经进入到了下半常推理业务的多样化也带来了异构场景和器件的多样化，云游戏、5G都是现在非常受关注的赛道。”龙欣表示，云上异构计算也在支撑更多的新兴赛道。

AI技术已经到了不是少数人少数企业的“自嗨”，开始走向传统行业，全面开花。

总而言之，AI已经从重训练的研发阶段，进入训练推理并重的落地阶段，而且应用面越来越广。

从算法到“算法+算力”

以深度学习为代表的AI技术飞速发展，对于算力的需求也在暴增。OpenAI的年度报告显示，从AlexNet到AlphaGo Zero，短短6年时间里，最先进AI模型算力需求增长了30万倍。

算法固然是提升AI技术的核心，但是想要AI快速落地，最“简单粗暴”的办法就是叠加算力。今年出现的超大自然语言模型GPT-3就是典型的例子。

另一方面，更偏研发行为的训练阶段，对算力的需求是有天花板的，与具体业务规模不直接关联。而如今AI产品的落地，意味着随着前端用户规模的扩大，对应推理业务模型对算力的需求是会呈现线性甚至爆发式增长的。比如，阿里云曾经在数天内为一款爆款AI产品“弹出”了数万片云上GPU，抓住了涌入的用户。

“巧妇难为无米之炊”，掌握算力资源的AI基础设施成为AI从概念到落地的重要支撑。

AI已经从以单一的算法为核心逐渐演变为算法、算力双核心。

云，无疑是获取算力最便捷与灵活的方式。通过云，企业可以随时获得充足的云端AI算力。

作为基础设施提供商的云计算，为满足行业发展，堆硬件是必经之路，但提供AI算力并不等同于单纯堆硬件，如果没有全面的软硬件技术，只会得到1+1

如何调度这些资源，解决用户在使用时的性能损失，是云计算厂商必须考虑的问题。

云异构计算的三个阶段

这就要从云上AI基础设施的发展阶段说起。

云上异构计算作为最能发挥AI效率的计算方式，其发展可以分为三个阶段： 第一个阶段，是异构计算需求的从0到1。

在2013年AlexNet依靠GPU达到80%准确率，展现了GPU在AI算力提供上的能力这给业界开辟了一条新路。淘宝拍立淘、新浪微博等等，就开始尝试利用GPU来开发机器学习产品。2016年，阿里云迈出了第一步：启动异构计算业务，主要是服务了第一批寻求AI创新的客户的需求。在这个阶段，主要解决了企业对异构算力的从有到无。

第二个阶段，是规模化。

在2016年AlphaGo大放异彩之后，深度学习等AI技术开始从实验室走向工业界。随着大量互联网企业开始对人工智能算法研发进行重点投入，AI算力的瓶颈也日益凸显。

大量模型训练的需求，以及对大算力需求的不断增长，推动了规模化、强弹性、高性能的云上计算基础设施的落地。阿里云也开始规模化部署云上异构算力。 短短3年时间，阿里云已经拥有超大规模的云上异构计算集群，每秒能支撑100亿亿次的异构运算，相当于在1秒内看懂超过5.3亿张图片、翻译4千万句话、识别9.2万小时长的语音。

而正如前文所说，2020年，人工智能行业的拐点已经到来，AI真正从研发和创业，走向了落地实践。这也就驱动着异构计算产品进入了第三阶段。

第三阶段的特征，是精细化和多样化。

当AI从研发走向落地，训练场景就将面临更为复杂多样的业务，对于企业客户而言，上云的需求也就从大算力，聚焦到了降低推理成本和极速部署等方面，同时场景也更为多样。

不难看出，这三个阶段的变化，是技术进步和行业发展共同促进的结果。

而第二阶段构建面向大计算的基础设施，可以说是所有云厂商的必经之路，也仍然是目前许多厂商的竞争重点。

但在基础设施之上，如何让客户能进一步快速调用资源，在AI落地的过程中进一步降本增效？

作为中国云计算市场份额最高的云服务商，阿里云已经率先迈出了这一步，给出的答案是

软硬一体

软硬一体，在2017年就已成为头部云服务厂商的共识。 为了云计算的一大顽疾通过虚拟机搭建云的过程中，虚拟化带来的性能损耗问题，2017年9月，阿里云推出第一代神龙架构，在整个行业中首次以软硬结合的设计方式实现了性能的0损耗。而大洋彼岸的AWS也同样在2017年底推出了类似产品AWS Nitro架构。

在此基础之上，现在，阿里云异构计算针对垂直行业，进一步提供了让云上资源变得更高效、更易用的软件工具。

比如针对人工智能行业的神龙AI加速引擎（AIACC）。

在大规模深度学习场景中，大规模GPU资源不仅导致了高运维成本，随着机器数的增加，不同机器GPU之间的配合难度也会变大，导致单张GPU卡的利用率反而下降。AIACC则可以通过对通讯、带宽等进行深度优化，提升资源协作效率和利用率

在AIACC的加持之下，今年3月，阿里云获得了斯坦福大学DAWNBench ImageNet四个榜单的世界第一。

根据已经落地的实际案例，AIACC可以帮助客户在云上训练场景下，提升2倍到14倍的性能；在推理场景下，提升2倍到6倍的性能。 AI芯片领域的独角兽地平线，与阿里云AIACC团队紧密合作，将基于阿里云异构计算的分布式训练性能提升4倍，让地平线算法研发效率得以显著的提升，成本得以大幅下降。

阿里内部，以阿里云IoT的图像分类业务为例。AIACC团队和IoT智能业务研发团队合作，将大规模图像分类分布式训练性能提升5倍。

另一阿里异构独有的软件产品，便是分片cGPU容器技术，能让客户通过容器来调度底层GPU资源，以更细颗粒度调度使用GPU，提高GPU资源利用率，达到降本增效的目的。

阿里云异构计算产品负责人潘岳也进一步对量子位解释了“软硬一体”的必要性：

单纯从算力的角度来说，硬件相当修路时用到的水泥、石块这样的基矗但仅仅是基础的堆叠显然是不足以解决问题的。

硬件资源为底层的基础设施之上，需要将虚拟化这样的技术通过软件产品的形式迭代出来，去充分发挥底层硬件的能力，把相应的技术红利释放给客户。

算力池化

除了软硬一体，阿里云异构计算产品展现出来的另一个发展趋势，是算力池化，带来了对算力更加灵活的调度能力。

一直以来，用户在云上选择GPU算力的时候，都是受规格配比限制的，比如内存和GPU之间只有特定几个比例。可是每个AI推理模型之间需要的资源配比是千差万别的。

阿里云异构计算今年推出弹性加速计算实例EAIS，通过软件池化的方式，在国内云厂商中首次实现GPU、FPGA、NPU等异构加速器与CPU/内存的解耦。

EAIS为客户提供了一个异构算力池，用户可以将需要的GPU资源量搭配到任何一款阿里云ECS服务器中，根据不同应用需求灵活优化CPU/内存与GPU之间的比例，匹配适合的资源组合，在提升AI推理效率的同时大幅降低成本。

全面布局

AI下半场，它的基础设施需要更丰富和多样。

龙欣表示，推理面临的是非常复杂的业务场景，涉及到的技术很可能不只有AI。C端用户用到的一个功能，可能融合了音视频编解码和深度学习等多种技术。异构计算作为底层的基础设施，也需要覆盖多样化的需求。

阿里云异构计算虽然发轫于AI，但它面对的，早已不只AI。

阿里云异构计算产品加持的经典案例，早已不仅仅局限于AI领域。

阿里云异构GPU/FPGA服务器就重点支持了天猫双11晚会直播的实时视频转码，服务了4k、1080p、720p等各个分辨率的转码。

业内规模最大的单业务FPGA计算集群，为淘宝提供超过数百万QPS的图片转码处理能力。FPGA云服务器今年首次100%承担双十一淘宝图片流量，预计节省计算成本数亿元。

……

云异构计算的下一步

回顾国内云异构计算产品的发展历程，阿里云无疑是最早布局的云服务商。

据阿里巴巴集团研究员、阿里云弹性计算负责人张献涛介绍，阿里巴巴内部有丰富的业务，这些内部业务为阿里云的技术输出提供了最直观的行业洞察。而反过来，阿里云的技术积累又反哺了集团业务。

这就形成了一个良性的闭环，使得阿里云能够坚定地在云计算业务上进行前瞻性的布局。

那么，在第三阶段之后，云异构计算将向何处去，阿里云又是如何判断的呢？

阿里云异构计算产品负责人潘岳谈到，从产品的角度而言，未来云异构计算的发展，一定是一个生态化的过程。

一方面，是阿里云这样的底层基础设施，被行业ISV（独立软件开发商）、解决方案公司集成，赋能AI等领域的创新实践。

另一方面，是与英伟达这样的加速器厂商加强合作，进一步丰富加速器的硬件生态。

而站在技术角度，阿里云异构计算研发总监龙欣表示，接下来，单一加速器将不再能满足AI、视频编解码等诸多领域的业务需求，加速器硬件融合的趋势已经显现。

未来，异构计算在技术上有可能出现这样一次新的变革：通过软件池化解耦和硬件池化解耦，把多种加速器融合在一起，去满足AI等行业中业务落地阶段更广泛的加速需求。

这也将是阿里云下一阶段的重点探索方向。

并且，随着5G的布局，随着视频等可视化计算需求的增长，云异构计算不仅仅是在AI领域，也将在视频、云游戏等更多行业中扮演更加重要的角色。