深度 | 面对人工智能，传统的浪潮想做什么？

智慧计算也就是我们熟知的人工智能。在浪潮的定义中，智慧计算是以云计算为基础平台，以大数据为认知方法，以深度学习为优化方法。它已经在医疗、交通、金融等领域都产生了层出不穷的应用。这或许可以解释为什么浪潮在推动 “智慧计算”。

在人工智能的应用主要靠三个方面：计算，数据与算法。详细来说，就是首先进行物理集中，形成以云为中心的计算基础，为应用和数据的集中提供条件；然后进行数据整合，并在此基础上进行应用创新。

而实现人工智能计算的挑战也是在这三方面。

就计算而言，传统的信息化计算是随着业务量的增长而呈线性增长，但以云计算和大数据为基础的人工智能，对计算的需求是指数级增长的。可以说，它对算法和硬件提出了更多的挑战。

在数据上，数据处理的速度无法适应数据增长的需要，这对深度学习来说更是如此。其中就包括了产生的数据总量大于实际能存储的量，存储接口的速率提升相对存储介质来说较慢，以及无法利用数据产生价值。

在算法上，则是算法不够成熟，而较为成熟的算法无法满足实际应用的需求，比如对算法模型的选择、优化和开发部署。

对于这种挑战，王恩东表示，浪潮在 2015 年开始构建 “计算 +” 的生态，产品则包括可重构的硬件，云数据中心操作系统，大数据处理平台，以及深度学习算法平台。

具体而言，在计算上他认为，面对人工智能，传统数据中心那种将服务器、存储设备进行简单堆积，以交换机连接，再加上虚拟化软件进行资源调度和管理的方式，已经无法满足需求。在现阶段，异常重要的是计算架构的创新。

因此，浪潮在推动的是融合架构，这也是应对计算挑战的必由之路。而所谓融合构架，核心包括了硬件重构和软件定义。

对于硬件重构，王恩东表示，以前增强处理能力会增加特殊的设备，比如用于数据挖掘的计算密集型应用，会需要增加处理器或 GPU。但随着处理器芯片内部的晶体管资源更加丰富，FPGA 这样的可编程逻辑器件的性能和容量也都大幅提升，这令面向特定应用软件重构计算处理硬件逻辑成为可能。而可重构计算单元既保持了处理器的通用性，又具备专用硬件逻辑的高效率。

软件定义，则是在将计算存储与网络整合为资源池的基础上，在软件层动态感知业务的资源需求，利用硬件重构的能力，动态分配和组合资源，满足应用的需求。

“二者必不可少，只有软件定义，虚拟化效果不高；只有硬件重构，系统缺乏灵活性，用起来很复杂。”

浪潮集团副总裁彭震也在采访中表示，在新 IT 的变革中计算在未来仍然是非常核心的，人工智能也给硬件带来了更多的挑战，“谁能够迎接挑战谁就能挣钱”。

人工智能硬件中除了常用的 GPU，现在 FPGA 也逐渐成为一种主要方案，前段时间腾讯云与阿里云相继推出了基于 FPGA 的深度学习平台。而科技巨头如 Google、亚马逊也都在开发适用于人工智能的芯片，比如雷锋网解读过的 Google 推出的 TPU。彭震告诉雷锋网 (公众号：雷锋网)，鉴于人工智能对芯片的需求越来越强，公司还在加强芯片方面的投入。

所以，对于计算上的挑战，浪潮的方法是推出多样化的计算设备，面向不同的应用场景的计算需求，比如通用服务器，整合架构服务器和应用优化服务器。

在大数据方面，浪潮提供应用驱动的大数据处理平台云海 Insight 和支持原生云应用的大数据开发平台云海 IOP。在智能算法方面，它则提供深度优化的智能算法平台，主要包括三个层次的算法工具与套件。

总体来说，面对人工智能，浪潮主要做三件事：多样化的硬件平台，包括各类处理嚣；数据管理调度与分析平台；加速深度学习框架。

彭震告诉雷锋网，浪潮的定位是一家为人工智能提供工具和平台的厂商。“互联网公司做人工智能的时候有数据，但浪潮没有数据，我们做工具和平台，在产业链的不同环节上。”

看起来，云计算与人工智能的兴起让传统的服务器厂商不再引人注目，被边缘化。根据 IDC 最新的季度报告，云计算基础设施产品的销售收入（包括服务器，存储和以太网交换机）在 2016 年增长至 326 亿美元，同比增长 9.2％。非云类的传统 IT 基础设施的营收，在去年第四季度同比下降了 9％。戴尔，惠普企业 HPE 的收入都有所下滑。

但你可能不知道的是，BAT 三家的 GPU 服务器都是由浪潮提供的。拥有公有云的百度也在与浪潮合作，同时还推出了 X-MAN 整机柜服务器。

就像浪潮与思科合资公司浪潮思科 CTO 周牧所说，做云计算与大数据的公司往往会认为，底层的网络问题都会自然而然地得到解决，但真实情况并不是这样。所以，思科也与浪潮共同推出了 S 系列网络交换机，这也弥补了浪潮在网络方面的劣势。

同样的，在人工智能之下的计算、数据和算法等方面的挑战也不会轻易得到解决。所以，浪潮的想法是做工具，做硬件，做底层平台，大家各司其职。