中国最新AI算力地图出炉:北京加冕冠军!杭州、深圳位列三甲

2019-08-29    来源:raincent

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

2019人工智能计算大会开幕,IDC和浪潮重磅发布最新中国AI算力发展评估报告!报告显示:北京超越杭州成中国算力霸主,深圳位列第三,苏州、南京和西安首次跻身Top 10!

人工智能三大支柱:算力、算法和数据。数据,就是人工智能这只大军的粮草;算法就是装备;而算力则是战力。

 

 

战力反应了一支军队的实力。同样的,算力也直接反应了一个城市在人工智能领域的投入和实力。

今天,以“计算,预见AI未来”为主题的2019人工智能计算大会(AICC2019)在北京拉开帷幕。

会上,不仅IDC和浪潮联合发布《2019-2020中国人工智能计算力发展评估报告》,分享并探讨了中国AI算力、数据、投资、基准等诸多人工智能领域的现状和未来。同时浪潮还公布其“元脑生态”大计划,聚焦当前阶段产业AI化的落地应用需求。

浪潮称,将共享其三大核心平台:高效创新的AI计算平台、敏捷协作的AI资源平台和即时交付AI算法工具平台。最终由具备AI功能开发核心能力的科技公司——左手伙伴,和具备实施AI整体解决方案能力的SI、ISV——右手伙伴,以及浪潮共同创建“元脑生态”。

中国城市AI算力排行榜:北京成霸主,广州进前五

 

那么中国城市的AI算力哪家强呢?IDC在报告中进行了一次排行:TOP 5城市依次为北京、杭州、深圳、上海、?州,排名6-10的城市为合肥、苏州、重庆、南京、西安。

 

相?去年,北京、?州、苏州、重庆和西安这五个城市的排名都所提?,尤其是广州由第二梯队进入前五,苏州、南京和西安更是首次跻身Top 10!

北京拥有AI初创企业近500家,是全国各城市中最多的,在AI成熟企业的数量上也领先全国。百度、字节跳动、京东等互联网企业,商汤、旷视、寒武纪、深鉴科技等初创公司均坐落于北京。在学术和人才资源上,清华、北大、北航、中科院等高等院校和科研机构为北京AI的发展提供了雄厚的科研和人才基础,今年北京也是超越杭州位居第?。

去年的霸主杭州虽被北京抢了位子,但其背靠阿里巴巴、浙大等,起点颇高。杭州的AI专利申请数和授权数,均位居全国前列。政府也发布了多个支持杭州AI行业发展的指导性政策。海康、大华等智能安防领域的领军企业,也在进行着大规模的AI投资和探索。 深圳一直是创新企业的摇篮和技术创新中心,培育了华为、腾讯、招商银行、平安科技、云天励飞等行业领先企业,在智能城市建设和自动驾驶技术方面位居全国前列。

?州则依靠GDP增速领先,政府在??智能??加大投?,以及?量?业领先企业的进驻,迅速从第二梯队进入前五。

而苏州、南京和西安三城,凭借政府对科技产业园的建设,?才和资本的聚集以及领先企业的带动,?次进?前?。

算力是基础保障,3年后推理为王训练退让

算力是人工智能发展的基础保障,未来仍有很大的发展空间。而随着数据的获取及处理的门槛在不断的下降,加上算法在不断优化,算力也开始不断提升,对芯片的需求也逐渐丰富起来。

狭义上的AI芯片特指AI加速器或计算卡,是专门用于加速AI应用中、大量计算任务的模块。而从广义来看,只要是面向AI计算的芯片,都可以称其为AI芯片,例如GPU、FPGA、ASIC等。

 

 

目前,人工智能领域的主流芯片依然是GPU芯片,其中英伟达和AMD是比较突出的两大厂商。

FPGA经常用做ASIC芯片的小批量替代品,近年来在微软和百度等公司的数据中心有部署,以提供强大的计算力和足够的灵活性。目前市场上应用比较多的是Xilinx和Intel两大厂商。

ASIC芯片是针对专?应用而特别设计的,所以可以满足体积小,功耗低,保密性强,计算效率高等用戶需求,并且出货量越大其成本越低。目前,国内主要的ASIC芯片供应商包括寒武纪、地平线、华为等,国外有Graphcore等。

而芯片从不同的维度,可以划分为不同的类型。从承担任务的角度可以将芯片划分为训练芯片和推理芯片;从部署的位置可以划分为云、边、端等。

训练芯片主要是处理海量数据,从而训练出复杂的深度神经网络。这个过程运算量非常大,需要庞大的计算规模,对于处理器的计算能力、精度、可扩展性等性能要求很高,目前主要依靠GPU集群。

而推理则是训练的下一个阶段。直接利用已经训练越好的模型,使用新的数据去推理出各种结论,例如通过人脸识别去判断一个人的年龄。虽然相比训练芯片,推理芯片的计算量少了,但更注重综合指标,包括单位能耗算力、时延、成本等都要考虑。

根据IDC预计,到2022年,人工智能推理市场占比将达到52.1%,首次超过训练市场。这意味着,未来已不再是单纯的算力比拼,将会更加注重多种指标的综合。不光要算的快,还要算的巧、算的妙。

 

 

未来,GPU依然是数据中心加速的首选,但随着边缘、端侧需求的快速增?,人工智能芯片市场将迎来多元化发展。

2023年中国AI服务器市场达83亿美元,16卡GPU服务器增速超10倍

不断膨胀的人工智能市场,带动人工智能服务器的发展驶入了快?道。IDC预计到2023年,中国人工智能基础架构市场将超过80亿美金,未来五年年复合增?率达到33.8%,增速是中国整体基础架构市场的三倍以上。

 

 

服务器厂商相继推出搭载GPU、FPGA等多种加速类型专?AI服务器,适用于深度学习、计算机视觉、语音识别、NLP、视频分析等多个领域,广泛应用于视频监控、图像处理、自动化客服、精准营销推荐等典型AI应用场景。

另外,一些厂商也推出了专用的GPU一体机,如英伟达的DGX系列服务器和浪潮的AGX系列服务器。

全球人工智能基础设施市场规模在2023年将达到229亿美元,未来五年复合增?率为27.9%。

中国人工智能基础架构市场在2023年将达到83亿美元,未来五年复合增?率为33.8%,其中服务器市场规模占整个硬件市场85%以上。

16卡GPU服务器增?迅速,销售额从2017年的2090万美元增?到2018年的2.63亿美元,同比增速高达1161.7%!而在GPU服务器整体份额中,浪潮占比最高,份额接近8成。

另外,GPU中的M4、P4、T4型号份额占比从8.5%提升到27.6%;FPGA销售额同比增?1736.1%。这一趋势表明,中国人工智能已逐渐步入大规模应用阶段,产业AI化进程正不断加速。

2018年中国GPU服务器市场份额排名前三的供应商依次为浪潮、华为和曙光,其中浪潮占比超过50%。

浪潮凭借较早的进入人工智能领域,通过JDM模式与领先互联网公司进行深入合作,在中国互联网行业,浪潮GPU服务器市场份额超过60%,并不断向传统行业渗透。

这意味着未来人工智能将会是传统企业数字化转型的关键,IDC预测到2023年,全球35%的员工将开始使用机器人或其他形式的人工智能。

AI算力投资排行:互联网行业居首,不同行业差异明显

 

2019年上半年,按照??智能算?投资排名的TOP5?业与去年排名保持?致,依次为互联?、政府、?融、制造和服务。

 

其中,服务?业中以科?讯?、商汤、旷视、依图、寒武纪第四范式等为代表的??智能科技企业,加快对??智能基础设施的投资,逐渐形成独特的核?竞争优势。

??智能正在成为?股颠覆性?量。??智能?例的范围已经很?泛,并且每年都保持?速增?。

?数据、?性能计算和复杂的机器学习能?的融合,使得??智能成为现实。??智能在各?业的应?也更加丰富和成熟,其中在互联?、政府、?融、电信、制造等?业已经形成了?较典型的应?场景。 但在不同的产业间、不同规模的企业间,在??智能应?的进程上差异明显。随着??智能技术价值的不断凸显,?们对??智能系统的热情已经超出了炒作的范围!??智能技术也真正开始应?,并成为传统企业数字化转型的关键?步,在整个商业界、IT界和普通?众中,产?前所未有的影响。

 

 

而战力的保障是粮草。三军未动粮草先行,粮草决定了军队能否好无后顾之忧的打持久战。

2025年中国将拥有全球最大的数据圈

根据IDC和浪潮联合发布《2019-2020中国人工智能计算力发展评估报告》指出,全球新创建的数据量将从2018年的33ZB增?到2025年的175ZB。

 

 

175ZB的数据量是个什么概念呢?如果换算成4K版哪吒之魔童降世,大概相当于70000亿部。

另据《IDC:2025年中国将拥有全球最大的数据圈》白皮书显示,在所有国家中,中国数据圈的增量最显著!

 

 

2018年,中国数据圈7.6ZB,占全球数据圈23.4%。而IDC预计到2025年时,这个数字将变成48.6ZB,占全球数据圈的27.8%。届时,中国将成为全球最大的数据圈!

其中,数据增长主要动力来自娱乐平台、视频监控录像、联网设备、生产力工具和元数据,这些数据对于信息的分析和上下文化至关重要。

在数字经济时代,数据在各行各业扮演的角色越来越重要,公司也越来越倚重数据,并且这种依赖只会在未来不断增加。

据IDC统计,世界领先的互联网公司大数据量已达到上千PB,传统行业?头型企业数据量也能达到PB级,个人也能够产生数千TB数据。

 

 

这些数据资源类型丰富、场景各异,为人工智能系统自主学习并建立预测模型提供了丰沃的土壤。

除了使用实际数据,未来人工智能系统还将越来越多的 使用大量模拟数据用于模型训练,这也将使得人工智能模型的开发速度大幅升。

可以说在未来,谁的粮草足、数据多,谁就占据了先机。同时,数据量的暴增也在催着算力不断升级。

标准为王的时代,AI领军企业纷纷参与行业基准制定

越来越多的??智能领军企业参与到?业性能评测基准建设中,但总的来说业界?前缺少统?的基准,?多数现有的深度学习性能基准相对单?。随着AI框架不断优化,模型不断迭代以及算法不断更新,各类基准也将持续的完善升级与之适应。 ?前业界主流的AI Benchmark有DAWNBench、MLPerf等。DAWNBench由斯坦福提出,是?种?于端到端深度学习训练和推理的基准套件,它提供了?组常?的深度学习?作负载,?于在不同的优化策略、模型架构、软件框架、云和硬件上量化训练时间、训练成本、推理延迟和推理成本。MLPerf由?歌、Intel、NVIDIA、AMD、浪潮、阿?、百度、哈佛、斯坦福等产学界机构组成,MLPerf是衡量机器学习软件框架(如 TensorFlow、PyTorch和MXnet)、机器学习硬件平台(包括Google TPU、Intel CPU和Nvidia GPU)和机器学习云平台中训练和推理性能的?个?泛的基准套件。 除此之外,中国??智能?业领军企业也开始积极推进?业基准建设,如SPEC于2019年设?SPEC Machine Learning技术委员会 ,由发起者浪潮担任?任主席,Intel担任秘书?,成员包括浪潮、Intel、Alibaba、AMD、ARM、HPE、IBM等12家企业,涵盖了从芯?、整机、 框架、应?等不同产业环节的领先企业和科研机构,以推进机器学习测试标准;另外,阿?巴巴发布的AI Matrix基准,?于阿?内部的芯?设计和技术选型,同时也?向开发者开放?部分能?。

报告原文下载链接:http://aicconf.net/

下载方法:进入AICC大会官网“资料下载”专区,下载《2019-2020中国人工智能计算力发展评估报告》及更多大会干货资料。

标签: AI算力 人工智能

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:DeepMind 把自己的“杀手锏”开源了!

下一篇:Hive和Spark究竟是凭借什么优势而大获成功?