江苏龙网

  1. 首页 > 资讯 > 科技 > >

AI|华为与第四范式，正在酝酿一个帮企业跳出AI悖论的“秘密计划”

 
诺兰的《信条》 ， 你看懂了吗？
【AI|华为与第四范式 ， 正在酝酿一个帮企业跳出AI悖论的“秘密计划”】这个问题好像挺难回答 ， 说看懂了怕人说装；说没看懂怕人说傻 。 所以标准答案可能是既看懂又没看懂 ， 这或许说明诺兰就是拍了个悖论 。
跟大部分小伙伴一样 ， 时间钳形运动这种东西我大概就看了个寂寞 。 但是《信条》里关于时空悖论的处理 ， 却让我似有所悟 。 电影里无论怎么穿越时空 ， 最后都无法改变结果 。 这就构成了一个悖论：既然逆转时间无用 ， 那我还逆转它干嘛？
AI|华为与第四范式，正在酝酿一个帮企业跳出AI悖论的“秘密计划”
图片

这个悖论在物理学上到底成不成立我不知道 ， 但却跟很多我们采访过的产业AI案例有某种相似：企业在应用AI技术时 ， 往往是硬件问题解决了软件出问题 ， 软件解决了算力又不够 ， 算力解决了数据出麻烦——各种问题构成了一个钳形运动 ， 导致企业AI总是陷入一个死循环 ， 还不如干脆不用 。
想要跳出这个悖论 ， 就不能单点突破 ， 而是统筹考虑企业AI的全局法则 ， 把软硬件问题一次“歼灭” 。
在AI产业化突围不断加强的新阶段 ， 这种可能性正在加强 。 第四范式与华为的一次握手 ， 正在带来从算力到框架 ， 从数据统筹到操作系统的全栈AI可能 。
企业跳出AI的时空悖论 ， 也许就在弹指一挥间 。
Sage AIOS：扼住数据的空间坍塌
企业应用AI的软件问题 ， 绝大多数出在数据上 。
被数据喂养出来的智能 ， 是机器学习代表的第三次AI崛起之关键 。 但这种方案落在产业端 ， 却可能出现各种各样的问题：有效数据稀少、训练数据与生产数据不一致、数据干扰过多、数据时效性弱、各行业数据差异过大等等问题萦绕在企业周围 。 恨不得数据所到之处 ， 遍地都是问题——缺少数据规范和标准 ， 或许可以被称为数据空间坍塌的成因 。
而解决企业“数据+AI”问题的关键 ， 在于一套行之有效的操作系统 ， 将数据的一致性、时序性、数据闭环 ， 以及数据治理系统进行有效的统一 。
面对这一问题 ， 第四范式在不久前发布了面向企业AI的“Windows”：Sage AIOS企业级AI操作系统 。
AI|华为与第四范式，正在酝酿一个帮企业跳出AI悖论的“秘密计划”
图片

在Sage AIOS中 ， 企业可以在简单易用的操作界面上 ， 完成数据资源治理、系统资源调度、应用场景管理等能力 ， 从而实现企业AI应用中数据、资源、场景的规范化 。
数据方面 ， Sage AIOS会规定每种场景的数据准备与使用方式 。 进入到某个AI应用场景中 ， 只需要根据说明准备相关数据 ， 调用IT资源 ， 就可以实现低门槛落地AI应用 。 既降低了人才成本 ， 又提升了落地效率 。
如果说Sage AIOS解决了企业AI落地的数据标准化难题 ， 将企业时常面临的数据混乱状态进行了统一 ， 是在软件端扼住了AI的时空悖论 ， 那么在另一侧 ， 华为与第四范式算力平台SageOne正在致力于在全栈全场景算力上解决企业的AI难题 。
Atlas：击穿计算的时间停滞
如果说 ， 复杂的数据问题是企业应用AI时面临的空间成本；那么AI算力不足 ， 就是标准的时间成本 。
在企业应用AI时 ， 从训练到部署 ， 从云端到边缘、端侧场景 ， 各个领域都需要充足且能够适配的AI算力 。 否则就会出现训练太慢、部署跑不动、具体场景找不到合适硬件支撑等等问题 。 AI算力就像产业智能化时需要的电能 ， 哪里要用高压电 ， 哪里需要电池必须明明白白 ， 否则产业AI会陷入到算力不足的漩涡里 ， 甚至根本无法启动 。
面对这种情况 ， 华为发布了Atlas人工智能计算解决方案 ， 打造了面向各场景所需的模块、板卡、小站、服务器、集群等产品形态 ， 实现“端、边、云”的全场景AI算力适配 。
AI|华为与第四范式，正在酝酿一个帮企业跳出AI悖论的“秘密计划”


推荐阅读


上一篇：金融|靴子落地！金控准入和办法落地 正在上市的蚂蚁如何受到影响？

下一篇：信息|每经热评|李开复“口误”道歉背后是人们对生物识别信息安全的忧虑