智能计算中心规划建设指南

随着AI产业化和产业AI化的深入发展,智算中心已受到越来越多地方政府的高度关注并开展前瞻布局,已成为支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施。

一、概念界定、主要内涵和功能定位

概念界定

智算中心是基于最新人工智能理论,采用领先的人工智能计算架构,提供人工智能应用所需算力服务、数据服务和算法服务的公共算力新型基础设施,通过算力的生产、聚合、调度和释放,高效支撑数据开放共享、智能生态建设、产业创新聚集,有力促进AI产业化、产业AI化及政府治理智能化。

主要内涵

一是算力公共基础设施。智算中心面向政府、行业、企业等多用户群体提供人工智能应用所需算力服务、数据服务和算法服务,能够汇聚各行业领域数据资源、支撑各行业领域AI计算需求,智能计算中心作为公共算力基础设施,通过提供共性的算力、数据及算法服务,让算力服务更为易用,使得智慧计算像水电一样能成为基本公共服务。

二是计算架构技术领先、生态成熟。智算中心基于AI模型提供高强度的数据处理、智能计算能力,集成先进的智能软件系统和智能计算编程框架,实现云端一体化,形成技术领先、可持续发展的高性能、高可靠计算架构。智算中心核心计算单元采用先进的人工智能芯片,面向新型的人工智能场景,采用异构计算,能大幅提升对基础算力的使用效率和算法的迭代效率。同时集成生态成熟的智能软件系统和智能计算编程框架,便于不断迭代升级。

三是算力、数据和算法的融合平台。智算中心以融合架构计算系统为平台,以数据为资源,以强大算力驱动AI模型对数据进行深度加工,使算力、数据、算法三个基本要素成为一个有机整体和融合平台。智算中心为AI算法研发提供大规模数据处理能力,也为AI产业应用提供充足的计算资源,全面支撑各类人工智能技术的应用和演进。

四是以产业创新升级为目标。围绕智算中心基础设施建设,以数据流引导技术流、业务流、资金流、人才流聚集,实现以数据驱动产业创新发展新模式是智算中心的核心目标。通过打造人工智能开放服务平台,面向AI产业、传统产业提供基于深度学习技术的人工智能算法能力、算法框架和相关接口,全面汇聚并赋能各产业领域AI应用,助力加速孵化新业态,推进数字经济与传统产业深度融合,实现AI与产业的聚合并带动形成一个多层级的AI产业生态体系,全面赋能产业创新升级。

功能定位

智算中心是智能时代面向社会全域多主体的新型公共基础设施,集算力生产供应、数据开放共享、智慧生态建设和产业创新聚集四大功能于一体,为有海量数据存储、处理、分析及应用支撑需求的各类场景提供载体支撑。

一是作为算力生产供应平台。AI计算是智能时代发展的核心动力。智算中心以数据为资源,以强大算力驱动AI模型对数据进行深度加工,源源不断产生各种智慧计算服务,面向全行业领域提供基于深度学习技术的人工智能算法能力、算法框架和相关接口,为政府、企业及科研院所等多方用户提供生产生活各领域智慧服务,发挥新型基础设施的社会价值,降低社会服务成本,让智慧计算服务更快的普及到每个人、每个企业。

二是作为数据开放共享平台。智算中心是新型公共基础设施,通过全量汇聚各行业领域数据资源,开放共享全面提升AI算法训练数据质量。同时,随着数据汇聚共享能力的提升,通过跨领域数据的多次开发利用,以数据流引领技术流、业务流、资金流、人才流等聚集,深度分析挖掘应用需求,使沉淀的数据资源在各个应用场景中实现价值最大化。

三是作为智能生态建设平台。智算中心是集人工智能、大数据、云计算等多种技术和AI算力服务、数据服务和模型服务于一体的新型IT基础设施。其广泛应用将加速推动产业AI化和AI产业化,以智能算力生态聚合带动形成多层级产业生态体系,赋能多个产业、惠及多类主体,助推数字经济与传统产业深度融合,加速孵化新业态。

四是作为产业创新聚集平台。以AI算力生产供给为核心的智算中心,面向政府、企业及科研机构等多主体,围绕数据、算法和算力三大要素着力构建AI全产业链。其通过生产、聚合、调度和释放算力推动AI产业要素资源聚集,汇聚不同主体资源优势打造产业创新聚集平台,在政府主导下,科创企业、科研机构和传统企业发挥各自在AI方面的技术优势、研发优势和场景优势,加速AI应用场景落地,助力传统产业转型升级,催生经济新业态新模式,优化公共服务供给。

对比分析

智算中心是伴随着数据规模指数级增长、算力需求指数级增加、业务服务能力需求不断升级、AI技术日趋成熟并广泛落地等内外部环境变化,而逐渐兴起的一种新型计算中心。

在建设目的、技术标准、具体功能、应用领域和“投-建-运”模式等方面,与超算中心、云数据中心相比,智算中心都有所差别。

智能计算中心规划建设指南
智能计算中心规划建设指南

二、建设意义与应用需求

智算中心作为公共算力基础设施,符合中国当前社会经济发展阶段和转型需求,是促进AI产业化、产业AI化和政府治理智能化的重要引擎。智算中心将在推动国家人工智能战略实施,赋能实体经济实现新旧动能转换,提升社会治理水平,促进人工智能科研和工程技术人才培养等领域发挥重大支撑和推动作用。

加速AI产业化创新发展

据赛迪预计,到2020年中国人工智能核心产业规模将超过1600亿元,增长率达到26.2%。人工智能产业的蓬勃发展为智算中心的建设和发展提供了巨大的机遇。智算中心作为AI软硬件技术的一体化融合载体,将为AI产业的发展提供大规模数据处理和高性能智能计算支撑,加速图像识别、自然语言处理、大规模知识图谱等技术的研发、测试和应用部署进程。智能计算中心的构建将推动“平台+应用+人才”三位一体的新型AI产业发展模式,打造“算力+生态”体系,将加速AI全产业链的形成。AI产业化的主要应用场景包括,识别检测、语音交互、AI芯片、自动驾驶、机器人、视频解析、人机协同、机器翻译、精准推荐等。

应用场景1:识别检测

识别检测通常包括图像分类、目标定位跟踪、对象检测和对象分割等。近年来,由于深度学习技术的突破性发展,使得识别检测的表现性能有了大幅提升,对于图像分类等识别检测任务,基于多层神经网络训练后形成的模型已经能够超越人类的识别能力。识别检测正逐渐从先进技术发展成为成熟产业,被广泛应用于政府、银行、医疗、社会福利保障和电子商务等领域。尽管取得了巨大成功,但识别检测技术仍然面临着很多挑战,需要人们不断开发更加先进的学习算法,提高模型生成和测试效率,以适应不断变化和更加复杂的应用场景对识别能力的需求。

应用场景2:语音交互

语音交互是一个包括了语音识别、自然语言处理和语音合成的融合性AI技术。语音识别技术将声音转化成文字,自然语言处理技术对文字进行解释,语音合成技术将输出信息转化成声音。目前,常用的社交软件输入法、搜索工具、语音指令控制、新闻阅读推荐和智能客服等领域都在应用语音交互技术。然而,作为极具挑战性的AI技术之一,语音交互技术自身面临着语音识别、语义分析和多轮对话等技术难点,语音交互的工程实现需要融合使用先进的隐马尔可夫模型、深度学习和先进的语音信号处理等技术,以及超级强大的训练数据存储、计算和处理能力。

应用场景3:AI芯片

近年来,人工智能芯片及相关技术得到高速发展,面对不断增长的市场需求、多样的AI计算任务和性能要求,各类专门针对人工智能应用的设计理念和创新架构不断涌现。AI芯片需要具备高度并行的处理能力、低内存延迟和新颖的架构,以实现计算元件和内存之间灵活而丰富的连接,除此之外,还要考虑功耗和能效管理水平。在当前人工智能各领域的算法和应用还处在高速发展和快速迭代的阶段,针对特定领域而不针对特定应用的设计,将是AI芯片设计的一个指导原则,具有可重构能力的AI芯片可以在更多应用中广泛使用。AI加速芯片的种类十分丰富,主要包括图形处理器(graphics processing unit,GPU)、现场可编程门阵列(field-programmable gate array,FPGA)、专用集成电路(application specific integratedcircuits,ASIC)和神经拟态芯片等,预计到2024年,非GPU加速芯片市场份额将超过20%,未来,AI芯片市场会继续向灵活性和多样化的方向发展。

应用场景4:自动驾驶

自动驾驶作为AI产业化的典型代表,近年来得到广泛的关注。由自动驾驶技术的特性可知,其开发部署需要人工智能硬件架构提供高性能的AI算力支持,需要深度学习等高级AI算法和模型的快速构建来支撑“自动驾驶”技术和功能实现,需要智能计算平台与操作系统、虚拟仿真试验平台等软硬件平台紧密协作。从自动驾驶产业链发展的角度看,位于产业链中游的整车生产等关键环节还需要建设智能化网联驾驶测试与评价平台(智能汽车风洞测试实验室)和自动驾驶模拟仿真测试服务平台等关键平台来有效支撑自动驾驶产业链的完善和升级。

应用场景5:机器人

机器人产业更需要人工智能技术的全面赋能。机器人包括工业机器人、特种机器人和服务机器人。机器人在安全风险较大的电力、交通和能源等领域的应用十分广泛。智能电力巡检机器人集探测器、无轨化激光导航定位、红外测温、智能读表、图像识别等技术于一体,对输变电设备进行全天候巡检、数据采集、视频监控、温湿度测量和气压监测等,提高输变电站内设备的安全运行程度。

驱动产业AI化转型升级

数据洪流与智能化正以前所未有的速度重塑各行各业,人工智能深度渗透重点行业领域,AI应用场景呈现出多元化、规模化发展趋势。据相关机构预测,AI赋能全社会各行业领域发展形成的“AI+产业”有着万亿级市场规模,远大于AI产业化千亿级市场规模。智算中心作为新型基础设施成为企业低成本、高效率数字化转型的重要抓手。企业可以根据业务需要依托智算中心提供的AI模型库、AI算力调度平台等自动生成适用于实际需要的业务系统模型。同时,智算中心通过提供算力基础设施及通用软件服务,联动产业链上下游,为企业提供完整的AI服务链,帮助实现AI供给和需求的高效对接,促进产业高质量、智能化发展。产业AI化的主要应用场景包括:智能制造、医疗影像、无人商店、智能客服、智慧物流、智慧农林、无人巡检、智慧教育等。

应用场景6:智能制造

根据《智能制造发展规划(2016-2020年)》,智能制造是基于新一代信息通信技术与先进制造技术深度融合,贯穿于设计、生产、管理、服务到制造活动的各个环节,具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。制造业迫切需要采用人工智能技术作为产业革新的重要抓手,其中,质检分拣作为工业最关键的环节,其AI化的改变一直被寄予厚望。长期以来,传统工业质检面临两大痛点,即传统的检测手段效率低下,产品质量无法保障,且因工作枯燥、人口红利消失,人工质检存在“用工难”现象。因此越来越多的工厂开始使用机器视觉技术代替人工产品质量检测。基于人工智能深度学习算法的智能质检设备是由数据驱动的、自发的机器学习,通过图像处理算法快速识别产品表面存在缺陷的不良品,并结合产线自动化,实现精准归类。与传统视觉技术在识别不规则缺陷方面的不足相比,随着数据量的增加,人工智能检测的准确性将继续优化,实现对生产质量数据的完全控制,并为过程优化和过程提供关键数据支持。

应用场景7:医疗影像

应用人工智能技术,参与疾病的筛查和预测,从医疗影像检查结果中进行判断以获取诊断信息,辅助CT影像识别、颈椎病症识别、癌症识别等场景应用。新冠肺炎疫情的爆发加速暴露了当前医疗体系中存在的问题。在人工智能时代,传统算力设施已无法支撑对于大量医疗影像进行机器自主学习、快速判断结果的需求。为了更好地应对公共卫生突发事件,让检查更加便捷、迅速,从而提供更高质量的医疗服务,需要应用智能计算中心的算法算力,对多层神经网络的模型进行训练,通过测试影像数据确定真实的特征目标,实现高准确度的分类诊断,提高诊断速度与工作效率。

应用场景8:无人商店

目前中国零售业正在呈现线上线下融合发展、新业态新模式不断涌现的发展趋势,以无人商店为代表的智慧零售新业态越来越受欢迎。无人商店主要应用人工智能卷积神经网络、深度学习、机器视觉以及生物识别等人工智能领域前沿技术,可实现扫码进店、直接购物、自动结账、离店后付款等无人店全智能化操作。利用深度学习的神经网络,无人商店可以记录每个客户的消费习惯,甚至抓取用户信息,实现“人店对话”。利用机器视觉技术、生物识别技术可以识别消费者身份。通过机器视觉、射频技术、多路摄像头和传感器能够精准识别商品、捕捉消费者运动轨迹和消费行为。但是随着店铺面积增大、人流量增多,无人商店需要更强大的计算能力、更精准的识别要求,无人商店行业迫切需要在新型智能化算力基础设施的支撑下快速兑现对整个行业的变革和引领。

应用场景9:智能客服

智能客服即通过运用智能化的语音识别技术、自然语言处理技术、知识库管理技术、语音合成技术,更好地帮助客户分析问题,通过人声模拟或文字给予用户明确的答复或相应的建议。传统的客户服务中心以电话呼叫中心为主,随着人工智能技术的不断成熟与用人成本的逐步提高,更多政企部门加大了对智能呼叫中心的投资规模,积极拓展更加经济高效的智能客户服务渠道,如在线客服等,应用以领域知识库建设为核心,通过文本或语音等方式交互的智能客服机器人系统,有效整合了多渠道的客户服务中心,能够大幅缩减客服成本、增强用户体验,从而提升服务的质量和企业创新的品牌形象。

应用场景10:智慧物流

2020年的新冠肺炎迫使许多工厂被迫停工,令无数企业意识到无人化或人机协同生产线的重要性。在新基建大背景下,智慧物流将成为我国促进经济发展内循环的有力抓手。2020年可以定义为“AI+物流”的元年,智慧物流盛宴刚刚启幕。电商巨头、初创公司和传统企业纷纷布局,抢占物流行业巨大市场份额。如何帮助物流企业快速研发和生产智慧物流解决方案和技术产品与服务,已经成为众多企业面临的直接挑战。这需要智能计算中心提供高效算力支撑中小微企业、初创高科技公司和AI技术公司快速研发更加先进和智能化的物流机器人技术、产品,降低企业进入智慧物流行业的门槛,进一步促进智慧物流生态体系构建,不断优化物流工作效率。

应用场景11:智慧农林

农业智慧化转型升级是实现我国经济高质量发展的重要内容,人工智能技术可以全面赋能农林业生产、助力生态防治。农业种植方面,通过深度学习算法分析农作物高清图像,可以实现大规模、低成本、自动化的病虫害识别及监测预警。林业生态防护方面,利用无人机、智能图像识别等技术和高速的数据处理能力,监控、分析、处理大量实时数据,在林草火灾防治、林草有害生物防治、沙尘暴防治、野生动植物疫源疫病监测防控等领域能够实现智能监测、智能预警和智能防控。农业养殖方面,高清监控系统配合图像识别技术对畜禽进行面部和行为识别,可以自动分辨畜禽情绪、进食状态和健康情况,及时反馈给养殖户并提供养殖建议。大数据配合人工智能技术可以实现鱼群数据的精准预测,自动定位捕捞,提高捕捞准确率,并有效防范过度捕捞现象,促进海洋资源的可持续发展。

助力政府治理智能化

当前,随着智慧城市建设的深入发展,城市基础设施智能感知网络逐步完善,以“城市大脑”为代表的城市级平台加速落地。智算中心作为“新基建”数字基础设施的主力军,其所承载的AI算力将是驱动智慧城市发展的核心动力。传统计算中心在数据处理能力、技术架构等方面均难以满足智能计算的能力需求。智算中心融合人工智能、互联网、大数据、云计算等信息技术,能迅速将线上线下各类型治理主体聚合在一起,提供数据分析、云计算平台、算法和计算能力等工具和资源,大大提升社会治理过程中的数据计算、分析、挖掘能力,推动政府治理能力现代化。

未来智算中心将有效支撑智慧交通、应急管理、防洪减灾、环境保护、地理测绘等应用场景,助力政府治理智能化。在智慧交通方面,汽车化社会带来的诸如交通阻塞、交通事故、能源消耗和环境污染等社会问题日趋恶化,交通阻塞造成的经济损失巨大。智慧交通应用场景对数据处理和算力的需求越来越高,这是由于更加复杂的交通运行管理和服务需求所决定的,随着监管车辆、人和道路基础设施的逐步数字化,交通领域呈现出数据类型更加复杂多样(图像、语音、视频等)、数据来源更加丰富(互联网、物联网感知终端、车辆设施、基础设施)、计算模型更加复杂融合(监测预警、仿真模拟、学习推演、预测预判、评估考核、决策分析等)、计算方式更加多元(边缘计算、分布式协同计算、中心计算)等特点,这些对于数据和算力服务的需求需要智能计算中心提供有力支撑。在应急管理方面,应对重大突发公共安全事件的处置能力是城市现代化程度的一个重要标志。现阶段,我国正进入“突发公共事件的高发期”和“社会高风险期”。2020年初爆发的新冠疫情,至今仍然肆虐全球,引发了历史上前所未见的全球危机。如何快速和有效地应对这些突发事情,减少其对人类社会的损害,成为各国政府的一项重要工作内容。通过深度学习、视觉计算、知识图谱等技术手段将智能图像分析算法应用到风险识别监测和应急指挥管理过程中,通过海量视频图像数据汇聚全量的视频大数据,对人、车、物的视频分析,达到合规检测、预警预测预判的目标。

三、建设思路(略)

四、预期经济社会效益(略)

五、建设运营模式(略)

六、实施路径建议(略)

……

发表评论

Fill in your details below or click an icon to log in:

WordPress.com 徽标

您正在使用您的 WordPress.com 账号评论。 注销 /  更改 )

Google photo

您正在使用您的 Google 账号评论。 注销 /  更改 )

Twitter picture

您正在使用您的 Twitter 账号评论。 注销 /  更改 )

Facebook photo

您正在使用您的 Facebook 账号评论。 注销 /  更改 )

Connecting to %s