AI很好，但如何才能深入應(yīng)用于不同行業(yè)？AI落地，當(dāng)前仍然面臨著最后一公里的難題。業(yè)界普遍認(rèn)為：數(shù)據(jù)結(jié)合難、業(yè)務(wù)價值不佳、數(shù)據(jù)科學(xué)人才稀缺、算力成本負(fù)擔(dān)重，是企業(yè)落地AI最常見的四大阻力。縮短最后一公里、實現(xiàn)更大量的合作，核心其實是降低門檻、提高效率。

打個比方，假設(shè)企業(yè)用AI的最終目標(biāo)是做一個大蛋糕，他需要從種小麥開始嗎？當(dāng)然不是。讓企業(yè)找到現(xiàn)成的源頭，獲取面粉、黃油、雞蛋、模具這些現(xiàn)成材料，才是更省事省力的選擇。

英偉達(dá)正在攜手生態(tài)伙伴提供這些“現(xiàn)成的材料”。英偉達(dá)剛剛發(fā)起的全球首個NVIDIA認(rèn)證系統(tǒng)，意在通過堅實的技術(shù)基礎(chǔ)和廣泛的生態(tài)合作，進(jìn)一步推進(jìn)AI在各行各業(yè)的泛化能力。

AI基礎(chǔ)設(shè)施需要一場變革

根據(jù)Gartner數(shù)據(jù)，目前37%的企業(yè)機(jī)構(gòu)在生產(chǎn)中使用了AI，預(yù)計到2024年這一比例將翻倍至75%。AI是這個時代最強(qiáng)大的技術(shù)，但是，它需要新一代經(jīng)過調(diào)整和測試的計算機(jī)來推動其發(fā)展，也就是說，來自于基礎(chǔ)設(shè)施的變革迫在眉睫。

英偉達(dá)NGC產(chǎn)品管理總監(jiān)Adel El-Hallak告訴與非網(wǎng)，AI基礎(chǔ)設(shè)施的變革主要來自于三大顛覆力：爆發(fā)的數(shù)據(jù)量、更大更復(fù)雜的AI模型、以及業(yè)界對于更好的產(chǎn)品和服務(wù)的追求。

一方面，企業(yè)試圖從不斷增加的數(shù)據(jù)中，總結(jié)出隱藏的戰(zhàn)略洞察。例如，沃爾瑪每小時要處理超過2.5PB的數(shù)據(jù)，阿里巴巴正在利用AI洞察數(shù)據(jù)、優(yōu)化搜索排名和產(chǎn)品推薦。另一方面，短短5年內(nèi)，篩選這些數(shù)據(jù)的AI模型規(guī)模增長了近3萬倍，使用這些數(shù)據(jù)的模型和工作負(fù)載的多樣性也在不斷擴(kuò)大。

日益增加的數(shù)據(jù)量、不斷擴(kuò)大的AI數(shù)據(jù)篩選模型，導(dǎo)致數(shù)據(jù)中心和網(wǎng)絡(luò)邊緣的網(wǎng)絡(luò)流量呈指數(shù)級增長。企業(yè)如何才能獲得更好的產(chǎn)品和服務(wù)？一個安全、可靠、高速并且能夠有效擴(kuò)展的基礎(chǔ)設(shè)施是關(guān)鍵。

解鎖大量應(yīng)用的關(guān)鍵

Adel El-Hallak以計算機(jī)視覺圍繞圖像分類、目標(biāo)檢測等應(yīng)用的興起談到，AI模型解鎖了各種各樣的不同用例，提供了更好的產(chǎn)品和服務(wù)，但模型也變得越來越復(fù)雜和龐大。不過，這是一個良性循環(huán)，當(dāng)我們在使用這些產(chǎn)品和服務(wù)的同時，也正在生成數(shù)據(jù)，利用這些數(shù)據(jù)對模型進(jìn)行再訓(xùn)練，能夠進(jìn)一步改進(jìn)現(xiàn)有產(chǎn)品和服務(wù)。

不論是從端側(cè)到數(shù)據(jù)中心，還是從智能網(wǎng)絡(luò)接入的海量應(yīng)用，AI基礎(chǔ)設(shè)施的四大支柱始終是：功能、性能、可擴(kuò)展性、安全性。基本功能是最根本的要素；性能特征取決于具體用例，是系統(tǒng)的重要指標(biāo)；可擴(kuò)展性決定了系統(tǒng)應(yīng)對不同場景的伸縮能力；安全的數(shù)據(jù)是優(yōu)勢，必須確保從數(shù)據(jù)、平臺到應(yīng)用層的所有安全。

為了讓其AI技術(shù)廣泛落地使用，服務(wù)器OEM成為英偉達(dá)一個很大的突破口。或者說，服務(wù)器OEM生態(tài)系統(tǒng)的參與讓英偉達(dá)更加興奮。

從早期集中在訓(xùn)練場景，發(fā)展到在推理場景的大規(guī)模應(yīng)用階段，AI最終將成為一種基礎(chǔ)能力。在這個過程中，服務(wù)器始終是重要環(huán)節(jié)。一方面，AI 算法需要大量的數(shù)據(jù)和算力來完成任務(wù)，依靠云服務(wù)來執(zhí)行計算；另一方面，在提供智能云體驗上，由 AI 驅(qū)動的解決方案能幫助企業(yè)在 AI 時代快速占領(lǐng)制高點。

據(jù)Adel El-Hallak介紹，NVIDIA認(rèn)證系統(tǒng)提供能夠企業(yè)部署AI所需的性能、可編程性和安全吞吐量。這些系統(tǒng)既結(jié)合了基于NVIDIA Ampere架構(gòu)的GPU算力，還有安全、高速的NVIDIA Mellanox網(wǎng)絡(luò)。此外，還有包括英偉達(dá)CUDA和NGC Catalog的整個軟件堆棧的支持。

NGC被認(rèn)為是這一認(rèn)證系統(tǒng)背后真正的寶藏。Adel El-Hallak解釋，當(dāng)一個企業(yè)購買了NVIDIA認(rèn)證系統(tǒng)后，NGC目錄能夠為他們解鎖各種各樣的應(yīng)用程序。

NGC目錄是適用于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和高性能計算的GPU優(yōu)化型軟件中心，包括針對醫(yī)療健康的Clara、針對機(jī)器人的Isaac等，這些軟件套件可以幫助企業(yè)快速進(jìn)入某個垂直細(xì)分市場。此外，它還包含幫助企業(yè)在推薦系統(tǒng)Merlin和智能視頻分析Metropolis等新興用例中起步的框架。通過NVIDIA認(rèn)證系統(tǒng)，企業(yè)能夠使用這些強(qiáng)大的算力硬件和適用范圍廣泛的軟件。

如何通過NVIDIA測試認(rèn)證？

具體而言，NVIDIA認(rèn)證系統(tǒng)必須通過四方面測試：深度學(xué)習(xí)訓(xùn)練和推理、機(jī)器學(xué)習(xí)算法、智能視頻分析、網(wǎng)絡(luò)和存儲卸載。

為了通過認(rèn)證，服務(wù)器系統(tǒng)必須接受廣泛的工作負(fù)載測試，涵蓋從需要多個計算節(jié)點的工作到只需要使用單個GPU部分性能的任務(wù)等。這些測試也都是基于現(xiàn)實世界中的用例，使用的是NGC目錄中常用的AI框架和容器。

英偉達(dá)這項開創(chuàng)先河的認(rèn)證計劃宣布的同時，全球首批加速服務(wù)器通過也通過了這一認(rèn)證測試：戴爾科技、技嘉、慧與、浪潮和超微的認(rèn)證服務(wù)器均于1月27日開始供貨。首批使用NVIDIA A100 Tensor Core GPU的系統(tǒng)包括：

戴爾EMC PowerEdge R7525和R740機(jī)架服務(wù)器

技嘉R281-G30、R282-Z96、G242-Z11、G482-Z54、G492-Z51系統(tǒng)

慧與 Apollo 6500 Gen10系統(tǒng)和慧與 ProLiant DL380 Gen10服務(wù)器

浪潮 NF5488A5

超微A+服務(wù)器AS-4124GS-TNR和AS-2124GQ-NART

這些產(chǎn)品都帶有NVIDIA認(rèn)證系統(tǒng)標(biāo)識，可以處理機(jī)器學(xué)習(xí)、數(shù)據(jù)分析等領(lǐng)域最棘手的任務(wù)。

寫在最后

在AI深度化、廣度化的應(yīng)用過程中，不止一家企業(yè)說“落地難”，一是規(guī)模化普及時數(shù)據(jù)科學(xué)人才的短缺，二是多維行業(yè)數(shù)據(jù)、多維融合的困難。更何況，現(xiàn)在還有絕大部分場景需求還未釋放出來，人才短缺是主要根源。

英偉達(dá)推出認(rèn)證系統(tǒng)，正是希望舉生態(tài)之力，推動AI的廣泛落地，而背后的深層動力，則是希望在普遍落地的產(chǎn)業(yè)端，繼續(xù)在云端市場的輝煌。對于迫切需要平臺支持、讓AI應(yīng)用更便捷的企業(yè)來說，也是很大的推動力。
編輯：hfy