AI “新基建”聚焦算力提升 满足应用泛化需求

本篇文章1918字，读完约5分钟

3月4日，中共中央政治局常委召开会议，提出要把重点放在科技基础设施建设上。“新基础设施”不同于传统的“铁公基”理念，其实质是数字信息基础设施建设，用于支持传统产业向网络化、数字化、智能化方向发展。作为“新基础设施”的七个主要部分之一，人工智能基础设施应该构建什么以及如何构建？作为人工智能的第一个着陆点，安全行业将从人工智能的新基础设施中获得什么样的发展机遇？

目前，从新基础设施的角度来看，人工智能主要包括硬件支持和人工智能能力。在硬件层面，人工智能芯片不仅涉及边缘加速、云推理、边缘计算、终端加速，还包括相关的传感器、激光雷达、毫米波雷达、监控摄像机和红外芯片；在一般的人工智能功能中，计算机视觉功能是常见的，例如人脸识别和车牌检测。在此基础上，还包括软硬件平台服务，包括物联网云平台、云数据标注和云培训平台、边缘云协作平台。

焦点计算能力提高

根据中国信息与通信研究院王运涛在《通信世界网》上发表的文章，一方面，人工智能基础设施的建设是为了继续巩固通用计算能力的基础。目前，计算能力的供给已经不能满足智能社会的建设。据openai统计，从2012年到2019年，随着深度学习模型的发展，模型所需的计算量增加了30万倍。无论是计算机视觉还是自然语言处理，由于预训练模型的广泛使用，模型所需的计算能力呈现出逐步发展的趋势。根据斯坦福大学2019年的报告，在2012年之前，人工智能的计算速度严格遵循摩尔定律，计算能力需求每两年翻一番。2012年后，计算能力需求的倍增时间直接缩短至3至4个月。不言而喻，通用计算的供应能力每20年只能翻一番。

另一方面，是全面提高专有计算能力。经过近两年的研究和应用实践，业界逐渐发现以机器学习为代表的人工智能计算是独一无二的。首先，大多数机器学习计算场景只需要低精度计算。经过推测，在一般的应用场景中，8位可以满足95%以上的需求，不需要像fp32和fp16这样的高精度计算；第二，机器学习只需要运行线性代数计算，如矩阵乘法、向量计算和高性能卷积核；第三，分布特征。随着模型的增多，深度学习模型不再能够在单个芯片上完成计算。多芯片和多场景的异构计算需求使得机器学习计算需要考虑分布式计算通信和计算任务的协同调度，以实现密集高效的数据传输和交互。

满足应用推广的要求

为了更好地满足应用推广的需求，未来人工智能应用和产业发展将呈现多平台、多系统的协同态势，从而实现更广泛的赋权。可以看出，现阶段人工智能的主要使能模式是通过通用平台提供人工智能的基本技术能力，一些面向端侧的成熟应用场景也有软硬件结合的端侧应用系统，如自动驾驶平台、智能安防摄像头、基于智能语音语义的智能说话人、终端翻译器等。然而，通用平台不能被广泛授权，市场上的终端应用也是单一功能的，并且能够固化。

在通用领域，通用平台将进一步分为两个方向:提供人工智能基本能力的基础平台和集成行业基本应用的行业平台。事实上，阿里的城市大脑、腾讯的医学精品地图等平台已经开始呈现出从基本通用功能平台向行业应用能力平台演进的趋势。

在特殊领域，现有的终端应用在功能和可扩展性上无法满足实际的通用应用需求，因此未来面向通用的应用将采取特殊系统的形式，其特点不仅是终端应用的软硬件固化，而且是通用平台、行业平台和终端应用的协同组合，以软硬件集成的方式实现特定应用的功能定制和扩展。

安全应用程序模型反映了优势

一直以来，人工智能芯片和框架属于通用平台和终端应用范畴，其生态主体是提供人工智能技术的技术企业。说到特殊系统，系统协作将成为主流，集成一般能力、行业能力和业务逻辑的特殊系统将由垂直行业主导，人工智能的生态主体将逐渐成为人工智能技术的使用者，即各种垂直行业的传统企业。

在人工智能领域，真正的商业应用技术是对图像和语音识别和分析的深入学习。借助机器视觉和深度学习，可以快速构建视频，快速识别和比较人、车、物，符合安全对智能的要求。

目前，安全已经进入了人工智能时代，这不仅激发了潜在的安全需求，促进了新的安全技术和产品的发展，实现了新的应用模式和市场。同时带来更多的企业参与。许多传统安全生产企业通过人工智能授权实现了传统安全产业的智能升级；拥有优秀算法的人工智能初创企业不断涌入安全领域，实现了安全应用场景的持续登陆。我们可以发现，人工智能在安防行业中不仅存在于计算机视觉领域，而且还存在于互联网服务提供商、传输、存储、操作和维护领域，越来越多的企业已经推出了集成人工智能技术的系列化和平台化产品。

因此，在新基础设施的背景下，人工智能将继续通过基础设施的改善来煽动整个安全行业，并继续促进安全，这将给生活、企业生产和社会合作带来巨大的变化。