读懂ABC一体机升级:场景化的点和人工智能的面

简介: 读懂ABC一体机升级:场景化的点和人工智能的面

当下的人工智能正处在两种极端的舆论漩涡当中。

 

乐观的看法认为,人工智能作为构建未来世界的核心技术正面对最好的时代,应该全力拥抱AI的时代;而悲观的看法则认为,因为现阶段缺乏落地的应用,对人工智能的投入不应过热,需要理性。

 

实际上,无论是乐观还是悲观的思维都没有错。人工智能本身也不应是一项独立存在的技术,它需要与具体的应用场景结合,才能打开一个又一个的需求点,最终联接成面,这才是未来人工智能的世界。


image.png


日前,百度云与浪潮联合发布了最新版ABC一体机。相比于去年推出的ABC一体机,它最大的改变就是针对“人脸识别”这一具体应用场景,进行了升级。为人脸识别闸机、智能安防、签到考勤、人脸登录等应用场景提供一体化交付的企业级AI设备。

 

场景化AI比通用AI更有价值

 

我认为,当下的AI应该区分为通用的AI和场景化的AI两种。它们的区别就在于在细分应用场景或细分行业属性的不同。

 

从去年投资圈的很多大佬认为,应用场景化是人工智能主要前提,即便是泛场景的AI项目,都很难找到自己的方向和出路,如果AI的服务或产品没办法有效落地,就不被看好。

 

其实去年的ABC一体机刚刚面世时,就已经是面向传统行业的AI计算需求当中首创的产品,浪潮人工智能与高性能产品部总经理刘军说,“最初的思考是,传统行业没有互联网公司的技术能力,但却同样有通过AI来改造企业竞争力的需求。”

 

这一年里,在浪潮与实际的客户交流过程中发现ABC一体机虽然做到了供不应求的程度,但很多客户仍然需要更进一步的产品,可以做到开箱即用。所以,ABC一体机的升级首先瞄准“人脸识别”,希望从这个场景做到突破。


image.png

image.gif

据了解,最新版ABC一体机,采用了百度自研的AI集群管理软件及浪潮AI计算服务器,内嵌百度成熟的算法模型和云管理技术,利用容器技术实现人脸识别服务的一键部署,并搭配相应的安全、监控和运维组件,实现软硬件的开箱即用。


实际上,基于“人脸识别”这一场景,有很多行业可以做到快速的落地。比如在智慧城市当中的安防领域需求就非常旺盛,再有作为人脸考勤,和一些餐饮行业的应用都有不错的机会。从ABC一体机的供不应求,我们也可以得出同样的结论,场景化的AI比通用AI更具价值。


场景化AI需要更多“交钥匙”工程

 

我们知道,浪潮对AI计算投入了大量的精力,按照刘军的说法,“作为AI计算的领导者,浪潮会考虑将领先的AI经验沉淀下来,去赋能给传统行业。”同时,根据这两年的市场情况刘军发现国内有AI需求的企业客户发生了爆发式的增长,这也是为什么浪潮对AI计算充满信心的原因。


image.png

浪潮人工智能与高性能产品部总经理刘军


那么传统企业的AI需求,与互联网公司有很大的不同。传统行业对AI的态度也是既爱又恨。因为传统企业的信息化和自动化已经走过了多年,很多流程都比较严谨,所以短期内他们考虑的是即插即用,甚至是嵌入式的AI。他们要的不是AI带来的颠覆,而是AI提供的效率提升和智能服务。

 

浪潮人工智能与高性能产品部产品经理吕文静提到了一个有价值的观点:ABC一体机为客户提供的是交钥匙的工程。“这个产品可以看作是,浪潮专为传统的企业进行AI赋能,提供整体解决方案的一款综合的产品,采用了百度自研的AI集群管理软件,和浪潮先进的AI计算平台,内嵌的是百度成熟的AI算法,以及利用容器技术实现的各种应用,再加上人脸识别应用算法的成熟技术,它可以进行一体化的交付,快速的提前进行软硬件的优化调试,快速在客户现场进行一体化整体的交付,这就是所谓的交钥匙的工程。”

 

的确,相比传统的软、硬件分别招标、单独交付的模式,百度云和浪潮推行的集成化交付模式能够极大提升AI项目交付投用的时间周期。ABC一体机一经推出,就已经在钢铁、金融、电子制造等领域实现落地应用。就是得益于这种“交钥匙工程”的优势。

 

同时,浪潮和百度云都对新版的ABC一体机,进行了进一步的软硬件优化。在软件方面,百度云最新的人脸识别AI模型及软件,通过1000片的超大规模GPU集群对海量数据进行了训练,使人脸1:1验证准确率达到99.77%。在硬件方面,最新一代ABC一体机采用了浪潮最新AI计算服务器,单机支持4-16NVIDIA Tesla P4 GPU卡,可实现88-352 TOPS INT8计算能力,极大提升人脸识别的效率。同时,根据客户实际业务应用所需的计算规模,ABC一体机可实现灵活的计算资源调配,一方面实现效率的最大化利用,另一方面极致地控制整个AI系统的TCO

 

为AI产业链提出新的思考

 

如前文所述,人工智能的面需要一个又一个场景的点来突破。但场景化AI绝没有看上去那么简单。以ABC一体机为例,正是结合了百度先进的AI模型和算法,和浪潮对AI计算服务器硬件的理解,共同针对客户应用场景中的具体需求进行定位之后的结晶。

 

所以,ABC一体机的成功给我们的思考是,场景化的AI,需要领域中的顶级企业携手来打造成熟的产业链。

 

浪潮也正是产业链积极的推动者。刘军表示,“浪潮已经建立了业界领先的最完整的AI计算阵列,浪潮还联合百度、NVIDIAAI领导科技公司,共同建设人工智能生态链,通过ABC一体机这样的产品形式,将生态链联合创新产品推广到更多行业客户,推动产业的变革和升级。”

 

不积跬步无以至千里,人工智能世界的未来再美好,也还是需要多个场景的叠加,由量变形成质变。面向“人脸识别”的ABC一体机只是一个开始。相信走通了这条路的浪潮和百度云还会继续深挖更多的应用场景,当突破的点越来越多,我们就离AI的世界越来越近。

相关文章
|
2天前
|
人工智能 IDE 程序员
与1.0 相比,通义灵码 2.0 AI 程序员有哪些功能、亮点、优势、场景?
通义灵码2.0相比1.0新增了工程级编码任务、单元测试生成和图片多模态问答等功能,支持多文件代码修改、批量生成单元测试及根据图片内容生成代码建议。亮点包括支持主流IDE、垂直智能体覆盖更多场景、企业级检索增强和灵活对话交互体验。技术优势涵盖多模态上下文感知、快速推理、企业数据个性化及一流代码生成效果。典型应用场景有新功能开发、跨语言编程、单元测试自动生成和错误排查修复。
84 4
|
22天前
|
存储 人工智能 NoSQL
Tablestore深度解析:面向AI场景的结构化数据存储最佳实践
《Tablestore深度解析:面向AI场景的结构化数据存储最佳实践》由阿里云专家团队分享,涵盖Tablestore十年发展历程、AI时代多模态数据存储需求、VCU模式优化、向量检索发布及客户最佳实践等内容。Tablestore支持大规模在线数据存储,提供高性价比、高性能和高可用性,特别针对AI场景进行优化,满足结构化与非结构化数据的统一存储和高效检索需求。通过多元化索引和Serverless弹性VCU模式,助力企业实现低成本、灵活扩展的数据管理方案。
59 12
|
21天前
|
存储 人工智能 边缘计算
AI时代下, 边缘云上的技术演进与场景创新
本文介绍了AI时代下边缘云的技术演进与场景创新。主要内容分为三部分:一是边缘云算力形态的多元化演进,强调阿里云边缘节点服务(ENS)在全球600多个节点的部署,提供低时延、本地化和小型化的价值;二是边缘AI推理的创新发展与实践,涵盖低时延、资源广分布、本地化及弹性需求等优势;三是云游戏在边缘承载的技术演进,探讨云游戏对边缘计算的依赖及其技术方案,如多开技术、云存储和网络架构优化,以提升用户体验并降低成本。文章展示了边缘云在未来智能化、实时化解决方案中的重要性。
|
22天前
|
人工智能 缓存 安全
每一个大模型应用都需要一个 AI 网关|场景和能力
本次分享的主题是每一个大模型应用都需要一个 AI 网关|场景和能力。由 API 网关产品经理张裕(子丑)进行分享。主要分为三个部分: 1. 企业应用 AI 场景面临的挑战 2. AI 网关的产品方案 3. AI 网关的场景演示
|
22天前
|
存储 Serverless 文件存储
AI 场景下,函数计算 GPU 实例模型存储最佳实践
当前,函数计算 FC 已被广泛应用在各种 AI 场景下,函数计算支持通过使用容器镜像部署 AI 推理应用,并且提供多种选项来访问训练好的模型。为了帮助开发者高效地在函数计算上部署 AI 推理应用,并快速解决不同场景下的模型存储选型问题,本文将对函数计算的 GPU 模型存储的优缺点及适用场景进行对比分析,以期为您的模型存储决策提供帮助。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
2月前
|
机器学习/深度学习 人工智能 算法
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
X-AnyLabeling是一款集成了多种深度学习算法的图像标注工具,支持图像和视频的多样化标注样式,适用于多种AI训练场景。本文将详细介绍X-AnyLabeling的功能、技术原理以及如何运行该工具。
216 2
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
|
2月前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
564 37
|
1月前
|
人工智能 运维 监控
云卓越架构:企业稳定性架构体系和AI业务场景探秘
本次分享由阿里云智能集团公共云技术服务部上海零售技术服务高级经理路志华主讲,主题为“云卓越架构:企业稳定性架构体系和AI业务场景探秘”。内容涵盖四个部分:1) 稳定性架构设计,强调高可用、可扩展性、安全性和可维护性;2) 稳定性保障体系和应急体系的建立,确保快速响应和恢复;3) 重大活动时的稳定重宝策略,如大促或新业务上线;4) AI在企业中的应用场景,包括智能编码、知识库问答、创意广告生成等。通过这些内容,帮助企业在云计算环境中构建更加稳定和高效的架构,并探索AI技术带来的创新机会。
|
2月前
|
弹性计算 人工智能 数据管理
AI场景下的对象存储OSS数据管理实践
本文介绍了ECS和OSS的操作流程,分为两大部分。第一部分详细讲解了ECS的登录、密码重置、安全组设置及OSSUTIL工具的安装与配置,通过实验创建并管理存储桶,上传下载文件,确保资源及时释放。第二部分则聚焦于OSSFS工具的应用,演示如何将对象存储挂载为磁盘,进行大文件加载与模型训练,强调环境搭建(如Conda环境)及依赖安装步骤,确保实验结束后正确清理AccessKey和相关资源。整个过程注重操作细节与安全性,帮助用户高效利用云资源完成实验任务。
108 10