
9月12日,AICC 2018人工智能计算大会在北京举行,围绕AI需求对AI计算力、AI技术的创新与发展展开了探讨。在大会上,浪潮集团AI和HPC总经理刘军正式了《2018中国AI计算力发展报告》。
该报告由浪潮与IDC联合发布,从数据、算法、算力"三驾马车"出发进行评估,衡量和反映中国AI发展水平和走势,旨在为中国AI产业的未来发展趋势、战略和视野提供重要的参考。

报告指出,2017年是中国AI元年。而到2025年,数据量将从2017年的20.9ZB增长到163ZB,出现29%的增长。这将使得市场对计算力的需求大大提升。
对此,报告从投资和供给、行业和地域、需求和应用、潜力和趋势几个方面进行了综合的评估,结合区域、行业和应用场景开展了调查。
从地域来看,中国几大城市中,在AI计算力方面的投入竞争非常激烈。其中,第一梯队的TOP 5依次是杭州、北京、深圳、上海、合肥,第二梯队的城市包括了成都、重庆、武汉、广州、贵阳。
从区域来看,华东、华南、华北占据前三。
从应用场景来看,报告显示中国AI计算TOP行业场景覆盖了互联网、政府、医疗和金融四大行业,同时,根据市场潜力和时间发展成熟度,报告还对AI典型应用场景进行了评估,并预计未来2-3年,人工智能在生物识别和智慧城市建设领域的应用将会率先步入商业应用的成熟期;预计在未来5-10年,人工智能产业在智能家居和工业制造领域的应用也将逐步步入高速发展的产业窗口。
具体趋势如下:
具体来看,目前中国市场Top 10的应用场景包括了安防、舆情分析、自动化客服、人脸识别、语音识别、自然语言处理、客户行为分析、智能推荐和精准营销、欺诈分析与调查、互动娱乐。
此外,报告还指出,近些年来AI计算力产业发生了较大的变化,主要出现了三个重要趋势:
第一,得益于自动化的机器学习(AutoML)等的引入,使得AI的应用研发周期大大缩短,创新效率得以提升;
第二,针对AI应用的上线部署,越来越多的企业更看重对线上运营成本的控制,可定制的计算技术成为关注焦点;
第三,越来越多的企业希望把AI和已有的IT基础设施进行整合集成,让AI成为IT基础设施里不可或缺的部分,企业内部出现“AI+云”的变化趋势。
对此,报告总结了当前AI发展的主要发展现状和展望。
算力方面,异构计算+云将成为主流;
数据方面,数据的共享和整合将成趋势;
技术研发成果逐渐从实验室走到实际应用,通过能力的输出赋能于生态建设;
技术体系逐渐从应用场景再到行业解决方案,变得日益完善,为行业洞察和痛点分析提供重要支撑。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。