ai算力估算

⑴ 亂花漸欲迷人眼,AI如何才能真正落地

人工智慧歷史上經歷過數次沉浮，如今再次被引爆。

從政府、學術界、企業界、投資界到創業者們，無一不將人工智慧視為未來方向;而分析師和媒體從業者們的海量分析報道，更是讓人工智慧快速佔領了每一個普通人的視聽。

於是，正如歷史上每一個產業的興起，人工智慧在歌舞昇平的同時，也逐漸變得有些「亂花漸欲迷人眼」。

從積極的一面來看，人工智慧催生了大量新技術、新企業和新業態，為個人、企業、國家乃至全球提供了新的經濟增長點，甚至將驅動第四次技術革命，創造巨大的價值。

IDC預計，全球人工智慧支出到2020年將達到2758億人民幣，未來五年復合年增長率將超過50%。中國人工智慧技術支出將達到325億元，佔全球整體支出的12%。

從消極的一面來看，盡管人工智慧揭開了一個全新的時代，但也在不斷滋生著「泡沫」，吹捧有之，跟風有之，噱頭有之，近兩年，數十家中美AI創業企業密集倒閉，大量AI創業項目中途夭折，不免讓人感慨，人工智慧是否只是「看上去很美」？

那麼，人工智慧的未來到底會發展成怎樣？如何才能真正落地？如何才能實現規模商業化？盡管人工智慧的概念的提出已經有六十餘年，但理論、技術和應用、商業的結合並沒有太多前人的足跡。

故而，在人工智慧產業的發展中，「拓荒者」和「領頭羊」的角色就顯得尤為重要。

「場景驅動」是AI落地關鍵

在人工智慧的諸多玩家中，阿里巴巴已經正在努力成為這一角色。對於AI的未來，阿里已經有了清晰的認知，以及與眾不同的AI發展路徑。

12月20日，在雲棲大會·北京峰會上，阿里雲總裁胡曉明提出了「AI for Instries」(產業AI)的理念：人工智慧不應僅僅是實驗室里的、PPT里的「概念上的AI」，更應是「產業AI」。

胡曉明表示，「產業AI」的提出，是基於阿里巴巴對人工智慧的三個判斷：

「第一，必須要有場景驅動，我們在解決什麼問題，為這個社會的成本降低了多少，效率提高了多少;第二，在人工智慧背後是否是有足夠的數據來驅動AI能力的提升;第三，是否有足夠的計算能力支撐我們的演算法、深度學習;只有三個場景同時具備的前提下，人工智慧才會有價值」。

阿里將「場景驅動」放在了首位，這正是阿里「產業AI」戰略的核心，也是阿里獨特的AI發展路徑，更是阿里能夠將AI實現落地的獨家秘笈。

和很多企業和機構的做法不同，阿里的AI旅程並不是從實驗室中的研究和討論開始，而是反其道行之，從基礎業務部門開始推動，讓AI從日常場景中「長出來」。

例如，手機淘寶中能夠讓用戶通過拍照的方式實現「以圖搜圖」的「拍立淘」功能，就是源於電商場景，之後通過解決一個個的技術問題，最終形成成熟的AI解決方案。

電商平台為阿里提供了AI生長的優良土壤。大量消費者普遍的、或者個性化的需求造就了不同的應用場景;海量數據為AI提供了充足的「原料」;而阿里雲強大的計算能力則成為了AI實現的加速器。三要素齊備，阿里得以讓人工智慧快速發揮出價值。

事實證明，阿里選擇的這條「自下而上」、「從場景中來」、「再到場景中去」的產業AI路徑方向正確，並行之有效，推動了AI技術在行業應用場景中的真正落地。

「雙11」當天，機器人客服「阿里小蜜」承擔了95%的客服咨詢;機器智能推薦系統生成了超過567億個專屬貨架;AI設計師「魯班」在雙11期間設計了4.1億張商品海報;而阿里華北數據中心運維機器人接替了運維人員30%的重復性工作。

不僅在零售領域，阿里「產業AI」布局已經覆蓋城市、金融、司法、農業、教育、航空、工業、安全、環境、醫療十大垂直領域，並已相繼開花結果，目標以AI技術對垂直產業進行全局重塑。

例如，在金融領域，阿里通過雲計算和智能演算法，將南京銀行申請貸款過程中的人工視頻驗證減少54%;在工業領域，阿里雲ET工業大腦幫助天合光能將電池A品率提升7%;在智慧城市領域，阿里雲ET城市大腦在杭州接管了128個路口的紅綠燈，通過對視頻等數據的全量分析來優化道路運營速度和效率，在試點區域的道路上通行時間減少了15.3%。

在胡曉明看來，過去每一次產業革命都是技術與產業的深度融合，從而引發經濟和社會變革，AI也不例外。未來AI要深入各行各業，去解決生活、生產和社會環境中遇到的棘手問題，這樣才能引領真正的產業革命。

通過「產業AI」布局，阿里正在這條「產業與AI深度結合」的路上漸行漸遠。

「ET大腦」讓行業共享AI紅利

一年前，阿里雲發布了人工智慧ET，全面整合了阿里巴巴的語音、圖像、人臉、自然語言理解等能力。在12月20日的雲棲大會·北京峰會上，阿里雲正式推出整合城市管理、工業優化、輔助醫療、環境治理、航空調度等全局能力為一體的ET大腦，將ET從單點的技能升級為具備全局智能的ET大腦，全面布局產業AI。

ET大腦LOGO

據阿里雲機器智能首席科學家閔萬里介紹，ET大腦的核心能力是「量子拓撲」，其誕生主線要追溯到1905年愛因斯坦發布的關於布朗運動的論文：「從一個巨大的網路上，怎麼樣從這些傳播的表象上找到它最核心的路徑？而這一點恰恰是ET大腦最核心的一個能力，也是與眾不同的能力。」

閔萬里表示，相較於其他AI產品，阿里雲ET大腦將AI技術、雲計算大數據能力與垂直領域行業知識相結合，基於類腦神經元網路物理架構及模糊認知反演理論，實現從單點智能到多體智能的技術跨越，打造出具備多維感知、全局洞察、實時決策、持續進化等類腦認知能力的超級智能體。

ET大腦的發布，意味著阿里雲的AI能力已經從單點技術進化到面向垂直行業的全局能力，在過去的一年中，ET大腦在城市、工業、醫療等領域獲得大量實踐，量變引發質變，進而能夠升級為各行業的「大腦」。閔萬里表示，ET大腦將被設定為一個開放的生態，讓創業公司、開發者和行業公司一起來分享技術的紅利。

除了ET大腦，阿里雲在雲棲大會·北京峰會上還發布了ET航空大腦，用運籌優化、機器學習等人工智慧方法分配停機位，預計每天調度1700架次航班，幫助乘客節省5000個小時，大大提高航班中轉效率，從而降低延誤率。

據閔萬里介紹，為機場提供停機位的智能調度只是ET航空大腦的功能之一，航空大腦還希望深入航空的其他場景。此前，阿里雲天池平台曾聯合廈門航空、白雲機場啟動智慧航空AI大賽，向全球工程師發出邀請，用智能演算法解決航空場景下的問題。未來，ET航空大腦將繼續為航班智能恢復、機場地勤人員調度、航空公司航線規劃等提供人工智慧解決方案，打造智慧航空。

在雲棲大會·北京峰會上，阿里雲還宣布推出具備智能風控、千人千面、關系網路、智能客服等能力的智能決策金融方案——ET金融大腦。

據阿里雲金融事業部總經理徐敏介紹，ET金融大腦可輔助銀行、證券、保險等金融機構實現對貸款、徵信、保險等業務的智能決策及風控監管，可大幅降低資損率，提高信用卡等預測准確率，促進金融機構在互聯網消費金融、中小微企業金融服務等普惠金融方面的探索。

如今，ET金融大腦已經在南京銀行、浙商銀行、廣發銀行等金融機構得到應用，在智能風控、「千人千面」的金融服務、開拓「新金融」商業模式中大顯身手。

推落地促生態，讓AI「普惠」大眾

從《終結者》、《黑客帝國》到《西部世界》，人類表達了對於人工智慧的隱憂，未來，人工智慧是否將代替人類？MIT人類動力學實驗室主任、《智慧社會》的作者Alex Pentland曾經指出，其實我們要憂慮的並非是全球化人工智慧本身，而是它的幕後操縱者。

人工智慧是人類創造的工具。如今，業界更樂於將人工智慧定位於「增強智能」，其目標不是為了代替人類，而是增強人類的能力，為人類生產生活服務。故而，人工智慧不應被封閉在實驗室之中，而是要與人類生產生活緊密結合，普惠大眾。

阿里所提倡的「產業AI」，正是一種將其AI能力開放，普惠大眾的做法。阿里AI能力相繼在城市、工業、汽車、零售、金融、家居、航空等領域落地，在破解行業難題的同時，也切實為普通消費者的生活帶來了改變，讓消費者切實能夠從AI中獲益。

阿里也正在通過開放合作，讓AI能力惠及更多的行業和消費者。

在雲棲大會·北京峰會上，阿里雲和中國電信在安全領域展開合作，雙方將於明年共同推出定製化DDoS防護服務，為中小企業提供普惠安全;新華書店攜手阿里雲，布局智慧書店，在消費側與顧客建立緊密連接，打造全新的「悅讀生活」理念，滿足消費者多元化、個性化的需求。

同時，阿里雲同隆平高科、中信雲宣布達成戰略合作，計劃將ET大腦推進到農業領域，主要用於篩選育種、基建數據化、農事管理、基地選址及農作物生產預測。阿里雲與寶馬中國正式對外宣布，雙方將基於物聯網，為寶馬車主提供從家到車的一站式無縫連接的遠程服務，實現查詢汽車實時狀態以及遠程式控制制車輛的智能生活。

除了將AI技術和行業深入結合，普惠大眾，阿里還在積極參與人工智慧生態的建設和人才的培養，推動人工智慧在中國的加速落地。

在雲棲大會·北京峰會上，阿里雲聯合掌通家園、貝聊、智慧樹、小蟻科技、得圖等廠商發布了「AI視覺守護聯盟」，希望將人工智慧、視頻技術和工業、農業、教育等行業深度結合。

阿里雲深度融入了國家大數據戰略，包括深度參與兩個由政府發起的大數據國家工程實驗室;阿里雲「天池」大數據平台已經聚集了超過11萬名開發者;阿里亦已和307所中國大學開啟了普惠計劃，將雲計算、大數據、人工智慧等新技術帶進高校，培養人才。

綜上，中國人工智慧的發展和落地，既需要「拓荒者」和「領頭羊」，也需要整個生態的繁榮和健康發展。在這個過程中，阿里及其所布局的「產業AI」，都扮演了關鍵的角色。

⑵ AI的運轉需要全球10%用電量，為什麼真的可以撐得下AI的發展嗎

今天，世界上數以百萬計的數據中心所佔用的用電量還不到2%——這個統計數據包含了在它們龐大的伺服器陣列上處理的各種工作負載。Applied Materials估計，運行人工智慧的伺服器目前只佔全球電力消耗量的0.1%。

其他的科技公司高管也發出了警告。華為的安德斯安德烈(Anders Andrae)認為，到2025年，數據中心最終可能消耗全球十分之一的電力 ，不過他的估算涵蓋了數據中心的所有用途，而不僅僅是人工智慧。

具有諷刺意味的是，對人工智慧功耗限制貢獻最大的實際上可能是人工智慧本身。谷歌已經在使用其2014年收購的DeepMind開發的技術，來更有效地冷卻它的數據中心。通過向人類操作員提出建議，人工智慧已經幫助該公司削減了40%的冷卻費用;現在它能有效地獨立運行數據中心的冷卻系統。

人工智慧還將用於優化數據中心運營的其他方面。而且，就像谷歌在冷卻方面的成果一樣，這將使得各類工作負載受益。這並不意味著，數據中心最終不會因為對人工智慧魔法的需求不斷增長而消耗更多的能量，但這是當下做出預測如此困難的又一個原因。

⑶ 華為正式發布最強算力AI處理器升騰910，谷歌等「友商」會如何看待

2019年8月23號下午，華為深圳總部，發布了勝利最強的a處理器升騰910，並且推出了全場景的AI計算框架。

華為公司的輪子董事長徐直軍說，華為已完成全站全場景AI解決方案的構建，今後將推出更多的AI處理器，提供更充裕，更經濟更適配的AI算力。

不過這倒給了他一個很好的借口。他一直大叫狼來了，狼來了。不過這兩天我沒有看到他的反應。估計最震驚的就該是他！

⑷ 預測路人行為的AI，低成本高精定位，搶鮮體驗法雷奧CES黑科技！

文：BY

激光雷達、攝像頭等感測器就如同自動駕駛車輛的眼睛，汽車想要實現自動駕駛，擁有「好視力」是最必不可少的。作為世界范圍內領先的感測器供應商，法雷奧旗下產品SCALA是迄今為止唯一已實現量產、並安裝在已上市車型中的車規級激光雷達。本屆CES，法雷奧除了感測器，還有很多汽車相關人工智慧應用展示。今天，我就在拉斯維加斯為大家搶鮮展示這些即將在CES展出的黑科技！

預測型人工智慧MovePredict.ai

雖然在復雜信息處理及計算上，人腦的反應速度遠不及AI，例如人類在下棋上總是被AI完虐，但事實上人腦的「算力」要遠高於AI。人腦的高「算力」優勢可以體現在現階段某些場景下，人類駕駛員擁有遠高於自動駕駛車輛的能力，例如過馬路時行人與非機動車的「博弈」，環島中自身和其他行駛車輛的「博弈」，人類駕駛員在識別目標駕駛意圖上擁有更好的理解能力和處理應對方式。

了解車內每位乘員的心率、體型、體溫、情緒等信息，可以幫助車輛對每位乘客的實際需求提供個性化服務，使車輛更智能。演示車的加熱系統也做了改裝，將傳統電加熱（PTC）改為可分區控制的熱泵，不僅可以滿足座艙內不同成員的溫度需求，空調利用效率也更高。

通過低能耗的熱泵避免掉不必要的制熱需求（如僅駕駛員開車時，只為駕駛員供熱即可），使得車輛在冬季可以最高節省30%的能源消耗。這項技術尤其適合純電動汽車，空調利用效率更高也就可以減少電池能耗浪費，最終有效提升純電動車冬季續航里程。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑸ AI算力平台的算力怎麼評估

單CPU 的發展已經不能滿足實際應用的需求，AI 時代必須要依靠並行計算。目前，並行計算的主流架構是異構並行計算平台。如果您需要算力方面的服務，可以去十次方了解下。

⑹ 華為發布全球最快 AI 運算集群 Atlas900，會對 AI 領域帶來什麼變化

9月18日，華為發布一款重量級的產品——Atlas 900，這款產品匯聚了華為幾十年的技術沉澱，是當前全球最快的AI訓練集群，由數千顆升騰處理器組成。在衡量AI計算能力的金標准ResNet-50模型訓練中，Atlas 900隻用了59.8秒就完成了訓練，這比原來的世界記錄還快了10秒。

「ImageNet-1k 數據集」 包含 128 萬張圖片，精度為 75.9%，在同等精度下，其他兩家業界主流廠家測試成績分別是 70.2s 和 76.8s，Atlas 900 AI 訓練集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的強大算力，可廣泛應用於科學研究和商業創新。比如天文探索、石油勘探等領域，都需要進行龐大的數據計算和處理，原來可能花費好幾個月的工作，現在交給 Atlas 900，就是幾秒鍾的事情。Atlas 900 集成的數千顆升騰處理器，正是前段時間正式商用的升騰 910。

⑺ AI時代計算能力如何分配

從技術層面來說，A11仿生處理器內含的「神經網路引擎（neuralengine）」是其AI功能實現的基礎，盡管目前還沒有更加詳盡的官方技術解析發布，但根據已知的信息來看，「神經網路引擎（neuralengine）」就是將部分需要實時響應的「人工智慧」相關功能（如語音識別、人臉識別等等）進行加速，讓其在手機端達成高效的計算，進而提升「人工智慧」相關功能的用戶體驗，呈現出更高等級的「人工智慧」功能。

⑻ 手機具備哪些特性才算是AI手機

第一梯隊：麒麟970和蘋果A11：獨立的AI處理單元和AI軟體系統，還有開放的AI底層技術實力；

第二梯隊：高通驍龍845，沒有獨立的NPU，軟體系統也是各家獨立的，底層技術的開放依賴於各家手機廠商，不像華為、蘋果具有技術的源發性。

第三梯隊：聯發科P60，缺失獨立NPU，軟體系統依賴各家，雖然有OPPO R15的加持，因為一直是跟眾廠商低端機掛鉤（紅米、魅藍等），所以不管是氣勢上還是實力上都差了一口氣。

具體來說，主要可以分三個點來看看梯級差距。

架構上對比：

970具備NPU單元，而845則是傳統的CPU+GPU+DSP的架構。驍龍845沒有進行相關的硬體加速，還是通過DSP來進行相關運算的處理，這樣把CPU、GPU和DSP的算力直接累加的方式實際上沒有意義。因為這些都是共享資源，不可能全部用於AI運算，而目前一個網路模型也是無法拆開到不同計算體運算的。而麒麟970的性能只用了NPU一項，並沒有算入CPU、GPU和DSP這樣的通用計算能力。相比於傳統的CPU，在神經網路相關演算法的處上，NPU具備25倍的性能和50倍的能效優勢。在這點上，970已經贏了一大截。

算力上對比：

通過AI跑分評測，可以看出970對845在基礎算力上的明顯優勢。

魯大師AI跑分測試，麒麟970碾壓驍龍845

1、魯大師AI專項跑分成績：

麒麟970跑分233分驍龍845跑分190分2、NPU更高效、全職：如果用一個詞來形容麒麟970的NPU，那就是「術業有專攻」，只要涉及到AI任務處理，均會交給NPU獨立晶元進行全職運算處理，而且在同樣任務情況下，NPU的運算效率也要遠高於CPU+GPU+DSP分布式異構計算；

3、分布式異構計算：由於CPU、GPU、DSP均不是專為AI運算而設計，因此本身在執行效率上就不如單獨的NPU單元，跑分落後也不足為奇。而跑分軟體沒有涉及到的另外一種情況：當CPU、GPU、DSP本身已經處於滿載狀態下，手機晶元已經無法提供足夠的AI運算能力，效率將進一步大打折扣。

AI生態：

重點展現有無AI的差別，麒麟970 HiAI已經建立起生態，陸續有新應用出現，高通目前仍然停留在紙面上。

具體可直接對標手機，對比三星S9、S9+APP開啟、搶紅包、游戲等

所以目前掌握AI晶元的公司可以說全球只有兩家：蘋果和華為。

而說到AI真旗艦，其實目前市場上很多所謂的AI手機，其實都是體現在AI的體驗形式上，比如說AI拍照、AI語音交流（搭載驍龍845的三星S9、小米等），而並非在性能上的AI化。所以這些都說不上是真正意義上的AI手機。

個人覺得如果現在真的要從手機中AI真旗艦，也就是麒麟970系列的產品了。就拿榮耀V10來說吧，榮耀V10的AI性能來自於AI晶元麒麟970和EMUI8.0人工智慧系統的軟硬雙AI支持。麒麟970採用了HIAI移動計算構架，NPU的AI性能大幅優於CPU和GPU,處理相同AI任務，擁有約50倍能效和25倍性能優勢。意味著麒麟970用更少的能耗更快地完成AI計算任務，也意味這CPU、GPU等從AI處理中解放出來，達到了更優的效果。

簡單來說榮耀V10最優秀和最核心的三個特點就是具備獨立AI處理單元，具備配套AI操作系統，具備開放的底層AI技術實力和能力。這三點這也是他能在同行業突出位置的原因所在。所以說他是AI的真旗艦實至名歸。

但是吧，個人覺得AI晶元技術在手機應用上還處於起步階段，技術還沒到達成熟的階段，還有很多不成熟不完善的地方。廠商需要時間做技術更新推動，市場也需要時間接受消化。但是，無論如何，AI智能手機的時代已經來臨，且速度迅猛，AI晶元技術也必然會快速發展成熟。

⑼ 在智慧時代，算力就是核心競爭力，那麼浪潮AI是如何支撐算力發展的

浪潮AI多年來一直打造人工智慧基礎措施。在算力生產層面，浪潮打造了業內最強最全的AI計算產品陣列。
其中，浪潮自研的新一代人工智慧伺服器NF5488A5在2020年一舉打破MLPerf AI推理&訓練基準測試19項世界紀錄；
在算力調度層面，浪潮AIStation人工智慧開發平台能夠為AI模型開發訓練與推理部署提供從底層資源到上層業務的全平台全流程管理支持，幫助企業提升資源使用率與開發效率90%以上，加快AI開發應用創新；
在聚合算力方面，浪潮AI持續打造更高效率更低延遲硬體加速設備與優化軟體棧；
在算力釋放上，浪潮AutoML Suite為人工智慧客戶與開發者提供快速高效開發AI模型的能力，開啟 AI 全自動建模新方式，加速產業化應用。