ai算力估算

⑴ 乱花渐欲迷人眼,AI如何才能真正落地

人工智能历史上经历过数次沉浮，如今再次被引爆。

从政府、学术界、企业界、投资界到创业者们，无一不将人工智能视为未来方向;而分析师和媒体从业者们的海量分析报道，更是让人工智能快速占领了每一个普通人的视听。

于是，正如历史上每一个产业的兴起，人工智能在歌舞升平的同时，也逐渐变得有些“乱花渐欲迷人眼”。

从积极的一面来看，人工智能催生了大量新技术、新企业和新业态，为个人、企业、国家乃至全球提供了新的经济增长点，甚至将驱动第四次技术革命，创造巨大的价值。

IDC预计，全球人工智能支出到2020年将达到2758亿人民币，未来五年复合年增长率将超过50%。中国人工智能技术支出将达到325亿元，占全球整体支出的12%。

从消极的一面来看，尽管人工智能揭开了一个全新的时代，但也在不断滋生着“泡沫”，吹捧有之，跟风有之，噱头有之，近两年，数十家中美AI创业企业密集倒闭，大量AI创业项目中途夭折，不免让人感慨，人工智能是否只是“看上去很美”？

那么，人工智能的未来到底会发展成怎样？如何才能真正落地？如何才能实现规模商业化？尽管人工智能的概念的提出已经有六十余年，但理论、技术和应用、商业的结合并没有太多前人的足迹。

故而，在人工智能产业的发展中，“拓荒者”和“领头羊”的角色就显得尤为重要。

“场景驱动”是AI落地关键

在人工智能的诸多玩家中，阿里巴巴已经正在努力成为这一角色。对于AI的未来，阿里已经有了清晰的认知，以及与众不同的AI发展路径。

12月20日，在云栖大会·北京峰会上，阿里云总裁胡晓明提出了“AI for Instries”(产业AI)的理念：人工智能不应仅仅是实验室里的、PPT里的“概念上的AI”，更应是“产业AI”。

胡晓明表示，“产业AI”的提出，是基于阿里巴巴对人工智能的三个判断：

“第一，必须要有场景驱动，我们在解决什么问题，为这个社会的成本降低了多少，效率提高了多少;第二，在人工智能背后是否是有足够的数据来驱动AI能力的提升;第三，是否有足够的计算能力支撑我们的算法、深度学习;只有三个场景同时具备的前提下，人工智能才会有价值”。

阿里将“场景驱动”放在了首位，这正是阿里“产业AI”战略的核心，也是阿里独特的AI发展路径，更是阿里能够将AI实现落地的独家秘笈。

和很多企业和机构的做法不同，阿里的AI旅程并不是从实验室中的研究和讨论开始，而是反其道行之，从基础业务部门开始推动，让AI从日常场景中“长出来”。

例如，手机淘宝中能够让用户通过拍照的方式实现“以图搜图”的“拍立淘”功能，就是源于电商场景，之后通过解决一个个的技术问题，最终形成成熟的AI解决方案。

电商平台为阿里提供了AI生长的优良土壤。大量消费者普遍的、或者个性化的需求造就了不同的应用场景;海量数据为AI提供了充足的“原料”;而阿里云强大的计算能力则成为了AI实现的加速器。三要素齐备，阿里得以让人工智能快速发挥出价值。

事实证明，阿里选择的这条“自下而上”、“从场景中来”、“再到场景中去”的产业AI路径方向正确，并行之有效，推动了AI技术在行业应用场景中的真正落地。

“双11”当天，机器人客服“阿里小蜜”承担了95%的客服咨询;机器智能推荐系统生成了超过567亿个专属货架;AI设计师“鲁班”在双11期间设计了4.1亿张商品海报;而阿里华北数据中心运维机器人接替了运维人员30%的重复性工作。

不仅在零售领域，阿里“产业AI”布局已经覆盖城市、金融、司法、农业、教育、航空、工业、安全、环境、医疗十大垂直领域，并已相继开花结果，目标以AI技术对垂直产业进行全局重塑。

例如，在金融领域，阿里通过云计算和智能算法，将南京银行申请贷款过程中的人工视频验证减少54%;在工业领域，阿里云ET工业大脑帮助天合光能将电池A品率提升7%;在智慧城市领域，阿里云ET城市大脑在杭州接管了128个路口的红绿灯，通过对视频等数据的全量分析来优化道路运营速度和效率，在试点区域的道路上通行时间减少了15.3%。

在胡晓明看来，过去每一次产业革命都是技术与产业的深度融合，从而引发经济和社会变革，AI也不例外。未来AI要深入各行各业，去解决生活、生产和社会环境中遇到的棘手问题，这样才能引领真正的产业革命。

通过“产业AI”布局，阿里正在这条“产业与AI深度结合”的路上渐行渐远。

“ET大脑”让行业共享AI红利

一年前，阿里云发布了人工智能ET，全面整合了阿里巴巴的语音、图像、人脸、自然语言理解等能力。在12月20日的云栖大会·北京峰会上，阿里云正式推出整合城市管理、工业优化、辅助医疗、环境治理、航空调度等全局能力为一体的ET大脑，将ET从单点的技能升级为具备全局智能的ET大脑，全面布局产业AI。

ET大脑LOGO

据阿里云机器智能首席科学家闵万里介绍，ET大脑的核心能力是“量子拓扑”，其诞生主线要追溯到1905年爱因斯坦发布的关于布朗运动的论文：“从一个巨大的网络上，怎么样从这些传播的表象上找到它最核心的路径？而这一点恰恰是ET大脑最核心的一个能力，也是与众不同的能力。”

闵万里表示，相较于其他AI产品，阿里云ET大脑将AI技术、云计算大数据能力与垂直领域行业知识相结合，基于类脑神经元网络物理架构及模糊认知反演理论，实现从单点智能到多体智能的技术跨越，打造出具备多维感知、全局洞察、实时决策、持续进化等类脑认知能力的超级智能体。

ET大脑的发布，意味着阿里云的AI能力已经从单点技术进化到面向垂直行业的全局能力，在过去的一年中，ET大脑在城市、工业、医疗等领域获得大量实践，量变引发质变，进而能够升级为各行业的“大脑”。闵万里表示，ET大脑将被设定为一个开放的生态，让创业公司、开发者和行业公司一起来分享技术的红利。

除了ET大脑，阿里云在云栖大会·北京峰会上还发布了ET航空大脑，用运筹优化、机器学习等人工智能方法分配停机位，预计每天调度1700架次航班，帮助乘客节省5000个小时，大大提高航班中转效率，从而降低延误率。

据闵万里介绍，为机场提供停机位的智能调度只是ET航空大脑的功能之一，航空大脑还希望深入航空的其他场景。此前，阿里云天池平台曾联合厦门航空、白云机场启动智慧航空AI大赛，向全球工程师发出邀请，用智能算法解决航空场景下的问题。未来，ET航空大脑将继续为航班智能恢复、机场地勤人员调度、航空公司航线规划等提供人工智能解决方案，打造智慧航空。

在云栖大会·北京峰会上，阿里云还宣布推出具备智能风控、千人千面、关系网络、智能客服等能力的智能决策金融方案——ET金融大脑。

据阿里云金融事业部总经理徐敏介绍，ET金融大脑可辅助银行、证券、保险等金融机构实现对贷款、征信、保险等业务的智能决策及风控监管，可大幅降低资损率，提高信用卡等预测准确率，促进金融机构在互联网消费金融、中小微企业金融服务等普惠金融方面的探索。

如今，ET金融大脑已经在南京银行、浙商银行、广发银行等金融机构得到应用，在智能风控、“千人千面”的金融服务、开拓“新金融”商业模式中大显身手。

推落地促生态，让AI“普惠”大众

从《终结者》、《黑客帝国》到《西部世界》，人类表达了对于人工智能的隐忧，未来，人工智能是否将代替人类？MIT人类动力学实验室主任、《智慧社会》的作者Alex Pentland曾经指出，其实我们要忧虑的并非是全球化人工智能本身，而是它的幕后操纵者。

人工智能是人类创造的工具。如今，业界更乐于将人工智能定位于“增强智能”，其目标不是为了代替人类，而是增强人类的能力，为人类生产生活服务。故而，人工智能不应被封闭在实验室之中，而是要与人类生产生活紧密结合，普惠大众。

阿里所提倡的“产业AI”，正是一种将其AI能力开放，普惠大众的做法。阿里AI能力相继在城市、工业、汽车、零售、金融、家居、航空等领域落地，在破解行业难题的同时，也切实为普通消费者的生活带来了改变，让消费者切实能够从AI中获益。

阿里也正在通过开放合作，让AI能力惠及更多的行业和消费者。

在云栖大会·北京峰会上，阿里云和中国电信在安全领域展开合作，双方将于明年共同推出定制化DDoS防护服务，为中小企业提供普惠安全;新华书店携手阿里云，布局智慧书店，在消费侧与顾客建立紧密连接，打造全新的“悦读生活”理念，满足消费者多元化、个性化的需求。

同时，阿里云同隆平高科、中信云宣布达成战略合作，计划将ET大脑推进到农业领域，主要用于筛选育种、基建数据化、农事管理、基地选址及农作物生产预测。阿里云与宝马中国正式对外宣布，双方将基于物联网，为宝马车主提供从家到车的一站式无缝连接的远程服务，实现查询汽车实时状态以及远程控制车辆的智能生活。

除了将AI技术和行业深入结合，普惠大众，阿里还在积极参与人工智能生态的建设和人才的培养，推动人工智能在中国的加速落地。

在云栖大会·北京峰会上，阿里云联合掌通家园、贝聊、智慧树、小蚁科技、得图等厂商发布了“AI视觉守护联盟”，希望将人工智能、视频技术和工业、农业、教育等行业深度结合。

阿里云深度融入了国家大数据战略，包括深度参与两个由政府发起的大数据国家工程实验室;阿里云“天池”大数据平台已经聚集了超过11万名开发者;阿里亦已和307所中国大学开启了普惠计划，将云计算、大数据、人工智能等新技术带进高校，培养人才。

综上，中国人工智能的发展和落地，既需要“拓荒者”和“领头羊”，也需要整个生态的繁荣和健康发展。在这个过程中，阿里及其所布局的“产业AI”，都扮演了关键的角色。

⑵ AI的运转需要全球10%用电量，为什么真的可以撑得下AI的发展吗

今天，世界上数以百万计的数据中心所占用的用电量还不到2%——这个统计数据包含了在它们庞大的服务器阵列上处理的各种工作负载。Applied Materials估计，运行人工智能的服务器目前只占全球电力消耗量的0.1%。

其他的科技公司高管也发出了警告。华为的安德斯安德烈(Anders Andrae)认为，到2025年，数据中心最终可能消耗全球十分之一的电力 ，不过他的估算涵盖了数据中心的所有用途，而不仅仅是人工智能。

具有讽刺意味的是，对人工智能功耗限制贡献最大的实际上可能是人工智能本身。谷歌已经在使用其2014年收购的DeepMind开发的技术，来更有效地冷却它的数据中心。通过向人类操作员提出建议，人工智能已经帮助该公司削减了40%的冷却费用;现在它能有效地独立运行数据中心的冷却系统。

人工智能还将用于优化数据中心运营的其他方面。而且，就像谷歌在冷却方面的成果一样，这将使得各类工作负载受益。这并不意味着，数据中心最终不会因为对人工智能魔法的需求不断增长而消耗更多的能量，但这是当下做出预测如此困难的又一个原因。

⑶ 华为正式发布最强算力AI处理器升腾910，谷歌等“友商”会如何看待

2019年8月23号下午，华为深圳总部，发布了胜利最强的a处理器升腾910，并且推出了全场景的AI计算框架。

华为公司的轮子董事长徐直军说，华为已完成全站全场景AI解决方案的构建，今后将推出更多的AI处理器，提供更充裕，更经济更适配的AI算力。

不过这倒给了他一个很好的借口。他一直大叫狼来了，狼来了。不过这两天我没有看到他的反应。估计最震惊的就该是他！

⑷ 预测路人行为的AI，低成本高精定位，抢鲜体验法雷奥CES黑科技！

文：BY

激光雷达、摄像头等传感器就如同自动驾驶车辆的眼睛，汽车想要实现自动驾驶，拥有“好视力”是最必不可少的。作为世界范围内领先的传感器供应商，法雷奥旗下产品SCALA是迄今为止唯一已实现量产、并安装在已上市车型中的车规级激光雷达。本届CES，法雷奥除了传感器，还有很多汽车相关人工智能应用展示。今天，我就在拉斯维加斯为大家抢鲜展示这些即将在CES展出的黑科技！

预测型人工智能MovePredict.ai

虽然在复杂信息处理及计算上，人脑的反应速度远不及AI，例如人类在下棋上总是被AI完虐，但事实上人脑的“算力”要远高于AI。人脑的高“算力”优势可以体现在现阶段某些场景下，人类驾驶员拥有远高于自动驾驶车辆的能力，例如过马路时行人与非机动车的“博弈”，环岛中自身和其他行驶车辆的“博弈”，人类驾驶员在识别目标驾驶意图上拥有更好的理解能力和处理应对方式。

了解车内每位乘员的心率、体型、体温、情绪等信息，可以帮助车辆对每位乘客的实际需求提供个性化服务，使车辆更智能。演示车的加热系统也做了改装，将传统电加热（PTC）改为可分区控制的热泵，不仅可以满足座舱内不同成员的温度需求，空调利用效率也更高。

通过低能耗的热泵避免掉不必要的制热需求（如仅驾驶员开车时，只为驾驶员供热即可），使得车辆在冬季可以最高节省30%的能源消耗。这项技术尤其适合纯电动汽车，空调利用效率更高也就可以减少电池能耗浪费，最终有效提升纯电动车冬季续航里程。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑸ AI算力平台的算力怎么评估

单CPU 的发展已经不能满足实际应用的需求，AI 时代必须要依靠并行计算。目前，并行计算的主流架构是异构并行计算平台。如果您需要算力方面的服务，可以去十次方了解下。

⑹ 华为发布全球最快 AI 运算集群 Atlas900，会对 AI 领域带来什么变化

9月18日，华为发布一款重量级的产品——Atlas 900，这款产品汇聚了华为几十年的技术沉淀，是当前全球最快的AI训练集群，由数千颗升腾处理器组成。在衡量AI计算能力的金标准ResNet-50模型训练中，Atlas 900只用了59.8秒就完成了训练，这比原来的世界记录还快了10秒。

“ImageNet-1k 数据集” 包含 128 万张图片，精度为 75.9%，在同等精度下，其他两家业界主流厂家测试成绩分别是 70.2s 和 76.8s，Atlas 900 AI 训练集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的强大算力，可广泛应用于科学研究和商业创新。比如天文探索、石油勘探等领域，都需要进行庞大的数据计算和处理，原来可能花费好几个月的工作，现在交给 Atlas 900，就是几秒钟的事情。Atlas 900 集成的数千颗升腾处理器，正是前段时间正式商用的升腾 910。

⑺ AI时代计算能力如何分配

从技术层面来说，A11仿生处理器内含的“神经网络引擎（neuralengine）”是其AI功能实现的基础，尽管目前还没有更加详尽的官方技术解析发布，但根据已知的信息来看，“神经网络引擎（neuralengine）”就是将部分需要实时响应的“人工智能”相关功能（如语音识别、人脸识别等等）进行加速，让其在手机端达成高效的计算，进而提升“人工智能”相关功能的用户体验，呈现出更高等级的“人工智能”功能。

⑻ 手机具备哪些特性才算是AI手机

第一梯队：麒麟970和苹果A11：独立的AI处理单元和AI软件系统，还有开放的AI底层技术实力；

第二梯队：高通骁龙845，没有独立的NPU，软件系统也是各家独立的，底层技术的开放依赖于各家手机厂商，不像华为、苹果具有技术的源发性。

第三梯队：联发科P60，缺失独立NPU，软件系统依赖各家，虽然有OPPO R15的加持，因为一直是跟众厂商低端机挂钩（红米、魅蓝等），所以不管是气势上还是实力上都差了一口气。

具体来说，主要可以分三个点来看看梯级差距。

架构上对比：

970具备NPU单元，而845则是传统的CPU+GPU+DSP的架构。骁龙845没有进行相关的硬件加速，还是通过DSP来进行相关运算的处理，这样把CPU、GPU和DSP的算力直接累加的方式实际上没有意义。因为这些都是共享资源，不可能全部用于AI运算，而目前一个网络模型也是无法拆开到不同计算体运算的。而麒麟970的性能只用了NPU一项，并没有算入CPU、GPU和DSP这样的通用计算能力。相比于传统的CPU，在神经网络相关算法的处上，NPU具备25倍的性能和50倍的能效优势。在这点上，970已经赢了一大截。

算力上对比：

通过AI跑分评测，可以看出970对845在基础算力上的明显优势。

鲁大师AI跑分测试，麒麟970碾压骁龙845

1、鲁大师AI专项跑分成绩：

麒麟970跑分233分骁龙845跑分190分2、NPU更高效、全职：如果用一个词来形容麒麟970的NPU，那就是“术业有专攻”，只要涉及到AI任务处理，均会交给NPU独立芯片进行全职运算处理，而且在同样任务情况下，NPU的运算效率也要远高于CPU+GPU+DSP分布式异构计算；

3、分布式异构计算：由于CPU、GPU、DSP均不是专为AI运算而设计，因此本身在执行效率上就不如单独的NPU单元，跑分落后也不足为奇。而跑分软件没有涉及到的另外一种情况：当CPU、GPU、DSP本身已经处于满载状态下，手机芯片已经无法提供足够的AI运算能力，效率将进一步大打折扣。

AI生态：

重点展现有无AI的差别，麒麟970 HiAI已经建立起生态，陆续有新应用出现，高通目前仍然停留在纸面上。

具体可直接对标手机，对比三星S9、S9+APP开启、抢红包、游戏等

所以目前掌握AI芯片的公司可以说全球只有两家：苹果和华为。

而说到AI真旗舰，其实目前市场上很多所谓的AI手机，其实都是体现在AI的体验形式上，比如说AI拍照、AI语音交流（搭载骁龙845的三星S9、小米等），而并非在性能上的AI化。所以这些都说不上是真正意义上的AI手机。

个人觉得如果现在真的要从手机中AI真旗舰，也就是麒麟970系列的产品了。就拿荣耀V10来说吧，荣耀V10的AI性能来自于AI芯片麒麟970和EMUI8.0人工智能系统的软硬双AI支持。麒麟970采用了HIAI移动计算构架，NPU的AI性能大幅优于CPU和GPU,处理相同AI任务，拥有约50倍能效和25倍性能优势。意味着麒麟970用更少的能耗更快地完成AI计算任务，也意味这CPU、GPU等从AI处理中解放出来，达到了更优的效果。

简单来说荣耀V10最优秀和最核心的三个特点就是具备独立AI处理单元，具备配套AI操作系统，具备开放的底层AI技术实力和能力。这三点这也是他能在同行业突出位置的原因所在。所以说他是AI的真旗舰实至名归。

但是吧，个人觉得AI芯片技术在手机应用上还处于起步阶段，技术还没到达成熟的阶段，还有很多不成熟不完善的地方。厂商需要时间做技术更新推动，市场也需要时间接受消化。但是，无论如何，AI智能手机的时代已经来临，且速度迅猛，AI芯片技术也必然会快速发展成熟。

⑼ 在智慧时代，算力就是核心竞争力，那么浪潮AI是如何支撑算力发展的

浪潮AI多年来一直打造人工智能基础措施。在算力生产层面，浪潮打造了业内最强最全的AI计算产品阵列。
其中，浪潮自研的新一代人工智能服务器NF5488A5在2020年一举打破MLPerf AI推理&训练基准测试19项世界纪录；
在算力调度层面，浪潮AIStation人工智能开发平台能够为AI模型开发训练与推理部署提供从底层资源到上层业务的全平台全流程管理支持，帮助企业提升资源使用率与开发效率90%以上，加快AI开发应用创新；
在聚合算力方面，浪潮AI持续打造更高效率更低延迟硬件加速设备与优化软件栈；
在算力释放上，浪潮AutoML Suite为人工智能客户与开发者提供快速高效开发AI模型的能力，开启 AI 全自动建模新方式，加速产业化应用。