你说AI已是“明日黄花”,它在落地


今年 , AI 从企业家、投资者到学术机构 , 热潮正在慢慢消退 。AI 不再爆发打鸡血一般疯狂 , 看待 AI 定位更客观 。前段时间 , 对于非网 ,  AI 芯片总结:从发烧到降烧 , 中国 AI 芯片市场经历了什么样的生灵涂炭? , 2022 年 , 中国公布 AI 芯片媒体可以统计近一些 10 今年到现在 , 只有钱 ,  5 款 , AI 创业逐渐变冷 , 企业家们正在等待新的跑道发生 。你看到了吗? AI 会不会变成明日黄花?
就在上周的英特尔 AI 业务拿出试卷:收入接近: 35 亿美元 。这是什么概念?放眼世界半导体公司收入排名 , 35 亿美元等于 ST 三分之一 , AMD 的一半 , Xilinx 年收入 , 真是强者恒强 。英特尔人工智能业务部副总裁、人工智能平台和市场调研经理 Julie Choi 还强调 , 从 CPU 到 GPU , 再从 FPGA , 然后到客户定制 ASIC , 我们要把 AI 融入一切 。”
KEEM BAY:又见Nervana新品
你还记得以前的深度学习公司 Nervana 吗?它被 VentureBeat 被评为五家值得关注的深度学习初创企业之一 , 在 2015 年被英特尔扔了 4 亿美元收入囊中 , 随后声音越来越小 , 客户曾认为 ,  Nervana 即将消失 。
就在上周 , Julie Choi 展现了将于 2022 今年上半年上线 Movidius VPU , 编号为 KEEM BAY , 产品来自 Nervana 团队 。它被定义为低能耗、高性能、边缘推理Cpu , 打造深度学习视觉及其媒体 。Julie Choi 介绍 , “KEEM BAY 采用专用架构 , 特性高度提升 , 对于边缘推理 , 在功能上有了很大的提升 , 带来了很大的提升 ,  10 倍于上一代 Myraid X 的通量 。就响应速度而言 , KEEM BAY 是英伟达 TX2 的 4 倍 , 而且会比 Ascend 310 快 25%;能耗方面 , KEEM BAY 每瓦的推理特征是英伟达 TX2 的 6 每平方毫米的推理特点是英伟达 TX2 的 8.7 倍 。”
特别是 , KEEM BAY 和 OpenVINO 结合工具箱 , 客户可以充分利用 KEEM BAY 独特的深度学习改进架构 , 有可能得到更好的效果 50%性能 。但这不仅仅是硬件的突破 , 英特尔一直专注于创建和改变生态系统 。2022 2000年 , 英特尔将推出一个面对边缘的新开发者项目—— DEVCLOUD , 让开发者在选择硬件之前 , 能够在各种英特尔Cpu尝试、安排原型和测试 AI 解决方法 , OpenVINO 视觉模型将继续协助开发人员在众多硬件架构的基础上运行 。
AI悄然落地 , 大有蓬勃发展的趋势
尽管 AI 寒冷 , 但不一定是明日黄花 , 相反 , AI 应用于不断落地 , 有很大的蓬勃发展趋势 。最熟悉的是智能音响 , Strategy Analytics 结果表明 , 2022年 第三季度全球智能音响销量同比增长 55% , 做到 3490 万部 。此外 , 还有智能灯、智能冰箱、智能空调、智能电饭煲等 , 总数惊人 。但除了智能家居产品 , AI 物联网、诊疗、金融等行业仍在悄然落地 。
百度大脑配备英特尔NNP-T
在国内互联网公司中 , 百度一致专注于 AI 研究 , 百度 AI 系统架构师丁瑞全阐述了百度大脑的架构图 , 百度布局了基础层、认知层、感知层和平台层 。其中 , 与英特尔在基础层和平台层进行了合作 。在基础层的算率部分 , 英特尔 NNP-T 百度的超级计算机 X-Man 合作 , 百度 X-Man4.0 与英特尔携手加速 NNP-T 百度的销售应用 , 包括百度的销售应用 Rack 组合四个 X-Man 计算机 , 选择 32 个 NNP-T 商品 , 现已在百度实验室运行 , 总体进度符合预期 , 英特尔产品将很快在百度的数据中心部署 。
【你说AI已是“明日黄花”,它在落地】在平台和生态层面 , 百度与英特尔合作进行软件优化 。在人工智能时代 , 深度学习框架是人工智能的操作系统 , 百度 PaddlePaddle 飞桨是开源开放的深度学习框架 , 客户插座友好 , 规模培训和推理特点优秀 。百度使用英特尔 VNNI 硬件加速指令集和 PaddlePaddle 融合 , 把 NLP 行业最重要的模型之一 ERNIE 速度提升 5 倍 。在 AI 百度和英特尔 NNP-T 最新的底层技术集成到 PaddlePaddle 在百度内部开发版本中已经有了隐私功能 , X-MAN4.0 组合 NNP-T 机柜正在运转 PaddlePaddle 深度学习框架 。这一作用预计在 2022 今年上半年向用户开放 。
AI更改诊疗
如今 , 虽然医学成像设备和系统可以快速及时 , 但软实力很难在一夜之间实现 。例如 , 医学成像分析必须具有较高的专业素质 , 不仅具有临床医学、医学成像等理论知识 , 还必须掌握放射学、CT、磁共振、超声等相关技能 , 还必须具备应用各种影像分析技术进行疾病诊断的能力 。
病理诊断作为诊断的金标准 AI 应用上也是如此 。病理学 AI 辅助诊断必须结合病理学知识和人工智能算法 , 对单一疾病进行大量信息标记和人工智能算法优化 , 实际过程中算法泛化能力 AI 厂家都是很大的考验 。
以宫颈癌筛查为例 , 2022年 年 , WHO 调查了 57 万例女性癌症患者 , 其中 ,  6.6%是直肠癌患者 , 宫颈癌是第四致命疾病 , 但直肠癌也是一种很少了解发病原理的癌症疾病——HPV 感奇 , 其早期发现可完全愈合 。如果使用 AI 技术筛查 , 一定能促进直肠癌的解决 。目前 , 中国每年都会产生数百万新的直肠癌 LBP 涂片 , 这对医疗机构的病理诊断水平构成了很大的考验 。因此 , 江丰生物和英特尔逐渐使用前沿 AI 根据子宫的技术 , 建筑和改进 LBP 宫颈癌切片筛查 AI 解决方法 , 依据 5961 张精准榜样版开始练习 , 并在 246 在张测试集上评估算法模型 。
数据显示 , 添加分类网络后的改进方案比独立目标检测网络方案更准确 。如上图所示 , 添加分类网络后 , 当其敏感性为时 96%时 , 非特异接近 70%;在独立目标探测网络方案中 , 其中 AUC 在 0.9 , 是一个很好的标值 。
江丰生物信息技术有限公司副总裁桂坤表示:我们的生物信息技术有限公司 ,  AI 筛选方案已取得具体成果 , 2022年 2000年 , 通过国家援助非医疗项目进行了宫颈癌筛查 , 参加了1万多例;湖南有26000多例 , 整合湖南县级医院 , 将高级医生和优质资源下沉到县级医院 , 符合我国分级诊疗对策 。
AI成为金融的宠儿
2000 2000年 , 华尔街投行高盛聘请了纽约总部的美国股票交易柜台 600 现在只剩下一个交易员了 3 个股交易员 , 目前高盛超过 9000 人是程序猿和工程师 , 高盛成为了一家科技公司;华尔街的另一位老板摩根大通也实施了类似的做法 , 并聘请了 4 1万名技术人员专门研究大数据、机器人和云基础设施 , 做技术预算 96 亿美金 , AI 成为金融业的宠儿 。
在实际应用中 , 英特尔与金融客户合作探索应用 RNN 模型学习客户的行为特征 。当一个很少离开居住地的老人的信用卡发生几次大额交易时 , 这种异常的交易特征会被规则引擎匹配并引起警惕 。本账户将列为风险控制监控范围 , 有效避免作弊 。
英特尔亚洲人工智能销售技术总监伊红卫介绍 , 英特尔强处理器及其可扩展处理器硬件系统为中国银联反欺诈模型的成功建设和应用提供了强大的算率 , 以及英特尔提供的一些优化措施 , 用户可以在未来选择更强的特点 AI 英特尔第二代至强可扩展处理器等升级硬件产品具有大量的优化方法 , 构建其特性更好的解决方案 。
AI创变物联网
万物联网时代 , AI 创变物联网是必然趋势 。近日 , 公司级云服务厂商青云 QingCloud 经常进军 AIoT 行业 。青云 QingCloud AI 平台研发总监霍秉杰分享青云 QingCloud 在 AI 行业四大发展战略:一是从平台到服务 , 依托现有的发展战略 AI 开发培训和推理平台逐渐丰富各种开发培训和推理平台 AI 未来会有大量的业务系统 , 未来会有很多 AI 平台和服务迁移 Kubernetes 二是云+端 , 算率从云延伸到端 , 在 AIoT 市场与英特尔合作打造云+端方案;第三 , 与合作伙伴合作 , 创造更广泛的方案 AI 生态 , 为用户提供更丰富的生态 ,  AI 服务;第四 , 服务;AI 创变云 , 使青云 QingCloud 许多产品线更加智能化 。
在物联网领域 , 青云 QingCloud 应用英特尔的方案 OpenVINO 架构、操作边缘端推理工作负荷、大数据平台 QingMR 整合了英特尔 BigDL , 它增强了大数据平台的深度学习能力 , 并将其集成 BigDL 的新版本 Analytics Zoo 。11 月 20 日 , 青云 QingCloud 英特尔在上海正式宣布成立联合实验室 , 共同推进云计算、AI、物联网等方面的创新 。
最后 , 伊红卫总结道:英特尔不仅有芯片解决方案 , 而且结合自己的技术 , 包括计算、软件、内存和存储 , 以及互联网技术 , 这就是为什么世界上没有其他像英特尔这样的公司 , 可以结合所有技术 , 规模 AI 。我们用这种方式设计硬件和软件的原因是模型的复杂性在增加 。虽然大多数公司只是在这条曲线的开始 , 但大型云服务中心拥抱了越来越复杂和越来越大的模型 。为了促进 AI 为了进一步发展 , 我们必须有能力创建硬件和软件 , 更快地传输数据 , 有效地存储和浏览数据 , 并解决所有数据 。”