GTC 2017前瞻:走进应用的人工智能才有未来

简介: GTC 2017前瞻:走进应用的人工智能才有未来

工智能告别了2016,也告别了火了一整年的那条“阿尔法狗”。一盘围棋的巅峰对决,其实本质上毫无意义,即便假设在2016年人类赢下了棋局,也并不能代表什么,因为人工智能迟早会赢下各种棋类比赛,这本身就是深度学习的意义,没有什么特别。


image.png


所以,喧嚣之后的GTC 2017,要比2016年来得更切合实际,会全面与应用,与行业接轨。实际上,我们所经历过的科技变革,总是先有成功的商业应用,最后才会实现民用。人工智能的在行业应用上的突破,既证明了它的价值,也为未来的全民普及打下了基础。

 

可以预见,5月8日到11日的GTC 2017将会是一场史无前例的,让人工智能在行业应用端引爆的开始。

 

看点一:NVIDIA将推动AI的大行业应用

 

毫无疑问,人工智能的技术正在提供改变生活的技术和能力。这才是人工智能对我们的真正价值。而在其中,NVIDIA的GPU已经成为了不可获缺的核心。这让NVIDIA成为人工智能的时代巨人。



image.png


数据显示,到2025年,人工智能市场将达到360亿美元的规模,人工智能将成为 IT 领域中发展最快的部分,或将引领继蒸汽机,电力,计算机之后的第四次工业革命。而这些领域的发展与突破,都离不开GPU计算的帮助。


值得留意的是,NVIDIA也不再满足于在游戏或是图形处理上的成就,而是将目光瞄准了大行业。据NVIDIA官方披露的细节看,它将与各行业领先的企业共同去打造新的人工智能应用。

 

例如,在汽车领域与梅赛德斯奔驰,用尖端人工智能技术,享受智能的车载体验。在农业领域,与Blue river创造的“see & spray”高速除草农业机器人,会保护我们未来的食物供应。在航天领域,与英国公司SCISYS使用人工智能来创造智能机器,以解决火星探测器的挑战。

 

从这些已经曝光的重量级演示当中,不难发现NVIDIA作为GTC的主人,正在明确的向企业级,向行业段进行延伸。比如在此期间,NVIDIA还将推出用于视频分析的Metropolis端到云平台,为人工智能城市建设铺平道路;提出全新Quadro Pascal架构GPU系列助力打造VR 行业应用推广中心等等。

 

NVIDIA的动向始终是GTC的风向标,它逐渐向行业应用的偏移,也促成了更多的企业级科技公司参与其中,这会让整个人工智能的产业链更快的向行业渗透。

 

看点二:企业级科技的深度爆发

 

从这三年的GTC进程看,实际上2015年就是一个转折点。从2015年开始,NVIDIA开始将深度学习变成了整个大会的主导。也引来了很多企业级科技公司的关注,比如浪潮。


我们知道,深度学习是需要训练的,所谓的训练就是在成千上万个变量中寻找最佳值的计算。这需要通过不断的尝试实现收敛,而最终获得的数值并非是人工确定的数字,而是一种常态的公式。通过这种像素级的学习,不断总结规律,计算机就可以实现像像人一样思考。


image.png


由于随着以深度学习为核心的人工智能技术成为公认的未来发展趋势,GPU异构加速技术将发挥越来越重要的价值。所以,一直对深度学习保持了长期投入的浪潮在GTC上看到了自己的机会。在2015年,浪潮不仅推出了全球首款面向深度学习的协处理加速整机柜服务器,还首发了开源深度学习框架Caffe-MPI。

 

2016年,浪潮不仅发布新一代Caffe-MPI,发布了深度学习的三大计划,并现场展示了NF5280M4、NX5460M4 两大异构计算平台。正是有了这两年在深度学习上的快速突破,在浪潮今年的新财年大会上,浪潮明确智慧计算业务重心,宣布成立人工智能部门,持续推出面向人工智能应用的创新计算平台。

 

所以,对于浪潮而言,GTC 2017则是成立人工智能部门之后的第一次公开的技术检验,能不能拿出强有力的产品和解决方案,将是浪潮人工智能的一大考验。据我了解,这一次浪潮的发布也会是一次集中亮相,其中会包含重量级的产品:新一代更高密度、更高性能的AI超级计算机;首款人工智能深度学习训练集群管理软件AlStation;以及继续发布面向AI应用的系列服务器,和并行深度学习框架Caffe-MPI等等。

 

可以预见,这次的发布浪潮是踩着人工智能的节奏而来,通过新财年做出宣示,利用刚刚结束的IPF携手合作伙伴进行了展示,最终在GTC 2017上,将浪潮AI计算全新系列硬件平台,及融工具、管理与框架于一体的强大AI软件平台集中起来一炮打响。

 

应该说,以浪潮为代表的企业级科技在GTC上的爆发,也人工智能开始走进应用,走进行业的一个表现。

 

看点三:中国军团的集体抢跑

 

在今年GTC大会的赞助商名单当中,我们不仅看到浪潮,还看到了很多家中国公司的身影。

 

今年3月5日,人工智能首次被列入政府工作报告中。未来,国家将加大人工智能领域“资金、技术、人员”投入,人工智能政策红利有望持续释放,2017年中国人工智能迎来发展新纪元。


image.png


实际上,欧美等发达国家已经纷纷从国家战略层面加紧布局人工智能。2016年,除了美国政府先后发布《国家人工智能研究与发展战略计划》等三份报告,人工智能另一重镇英国也于12月发布关于人工智能的战略报告,主张以发展人工智能来提升企业竞争力、政府治理能力和综合国力。由此可见,世界大国政府层面的人工智能竞争意识已日趋浓厚。

 

被写入2017政府工作报告的前夕,国家发改委正式批复了19个国家工程实验室,其中有3个分属人工智能领域,涉及深度学习技术及应用、类脑智能技术及应用及虚拟现实/增强现实技术及应用。可见,政府对人工智能的渴求是非常明显的。

 

根据赛迪顾问发布的《洞见2017:新兴产业投资机会》白皮书显示,2016年中国人工智能市场开始爆发,市场规模达239亿元。“预计未来三年,人工智能市场将迎来新兴机遇点,”

 

在这样的大背景下,中国的互联网公司,和科技公司纷纷对人工智能加速了布局。例如,百度李彦宏提交了三个与AI相关的提案;马化腾则呼吁大家要关注 AI 研究制高点,将人工智能结合到产品应用里;浪潮公司则成立了战略型的人工智能部门等等。

 

而GTC 2017作为全球最高规格的人工智能技术大会,势必也会成为中国科技军团展示自身战斗力的舞台。


相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
6月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
1478 63
|
7月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
1391 69
|
6月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
680 30
|
6月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
685 2
|
6月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
6月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
421 3
|
6月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
623 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
7月前
|
存储 人工智能 Serverless
函数计算进化之路:AI 应用运行时的状态剖析
AI应用正从“请求-响应”迈向“对话式智能体”,推动Serverless架构向“会话原生”演进。阿里云函数计算引领云上 AI 应用 Serverless 运行时技术创新,实现性能、隔离与成本平衡,开启Serverless AI新范式。
709 13
|
6月前
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
1120 85
|
6月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
983 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀

热门文章

最新文章