ai算力瓶颈

1. ai美颜的发展瓶颈

最大的瓶颈是从业者的观念问题。即AI的历史阶段，为谁服务，为谁研发的问题。

目前AI的头部企业，包括网络，腾讯，阿里，商汤，科大讯飞等等，服务的方向都在B端，G端。为什么会这样？有项目，有资金，有KPI，有投资方的要求。

然而，当你对比互联网的发展历史，你就会发现是一件很可笑的事情。

2000年之前，互联网有很多流派，包括门户，BTOB，BTOC，还有一种帮企业帮政府建网站生意。当时建网站可是好生意，几百万几十万建网站项目多的是，搞点动画，搞点后台数据库，这和现在AI公司做各种toG，toB项目一模一样。

那些坚持toC，只考虑点击率，拼命扩大用户数的互联网企业笑到了最后。

现在的互联网公司就不可能成为未来伟大的AI公司，就和当初软件公司不可能成为现在的这些头部互联网公司一样。非常典型的例子就是微软，赶互联网一个早集，就搞出来一个IE浏览器，基本上其他机会全部丢失了。

有人会说，即做B端又做C端不行吗？抱歉，你想得太美了，就目前人类的智力科技水平，需要在AI上突破，形成一个巨大的行业或者社会变革，你不拼命怎么行？团队不拼命怎么行？方向错误精力分散只会一事无成，这就是目前AI瓶颈的原因之一。

2. 科技｜阿里达摩院：这十项前沿技术2020将有大突破

不久前，阿里巴巴集团前沿 科技 研究机构达摩院发布了2020十大 科技 趋势，涵盖了人工智能、量子计算、区块链等前沿 科技 及技术热词。业内认为，达摩院发布的趋势内容 聚焦了正在走进现实生活的前沿技术，成为相关行业一种有益的展望 。

2020十大 科技 趋势具体包括，人工智能从感知智能向认知智能演进、计算存储一体化突破AI算力瓶颈、工业互联网的超融合、机器间大规模协作成为可能、模块化降低芯片设计门槛、规模化生产级区块链应用将走入大众、量子计算进入攻坚期、新材料推动半导体器件革新、保护数据隐私的AI技术将加速落地、云成为IT技术创新的中心。

以“保护数据隐私的AI技术将加速落地”这一趋势为例，报告认为，数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。

达摩院断言， 科技 浪潮新十年开启，围绕AI、芯片、云计算、区块链、工业互联网、量子计算等多个领域将出现颠覆性技术突破。

01 人工智能从感知智能向认知智能演进

人工智能已经在「听、说、看」等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类 社会 历史 中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。

02 机器间大规模协作成为可能

传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。

03 计算存储一体化突破AI算力瓶颈

冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法 探索 的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破 AI 算力瓶颈。

04 工业互联网的超融合

5G、IoT 设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高 5%-10% 的效率，就会产生数万亿人民币的价值。

05 模块化降低芯片设计门槛

传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V 为代表的开放指令集及其相应的开源 SoC 芯片设计、高级抽象硬件描述语言和基于 IP 的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能「芯片模块」封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。

06 规模化生产级区块链应用将走入大众

区块链 BaaS(Blockchain as a Service) 服务将进一步降低企业应用区块链技术的门槛，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。

07 量子计算进入攻坚期

2019 年，「量子霸权」之争让量子计算在再次成为世界 科技 焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020 年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。

08 新材料推动半导体器件革新

在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于 3 纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如 SOT-MRAM 和阻变存储器。

09 保护数据隐私的AI技术将加速落地

数据流通所产生的合规成本越来越高。使用 AI 技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。

10 云成为IT技术创新的中心

随着云技术的深入发展，云已经远远超过 IT 基础设施的范畴，渐渐演变成所有 IT 技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个 IT 技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义 IT 的一切。广义的云，正在源源不断地将新的 IT 技术变成触手可及的服务，成为整个数字经济的基础设施。

3. 浪潮如何应对AI算力多元、巨量、生态化挑战

浪潮认为智算中心是应对未来AI算力多元、巨量、生态化挑战的新基建。所以，浪潮在2020年提出智算中心的构想，提供AI计算所需的算力服务、数据服务和算法服务的公共算力新型基础设施，在AI时代将扮演算力生产供应平台、数据开放共享平台、智能生态建设平台和产业创新聚集平台等多重角色。智算中心普及，可降低全社会AI应用成本、加强政府社会治理能力、增强企业创新转型动能、推动人工智能产业聚集。

4. 人工智能发展中遇到了什么瓶颈

据《中国人工智能行业市场前瞻与投资战略规划分析报告》显示，人工智能商业化难的第一个瓶颈来自于数据。而第二个瓶颈则在于更多应用场景的挖掘与构建。业内人士分析说，一些人工智能应用确实起到了代替人类工作的作用，有些甚至已高于人类的工作效率。
人工智能概念近几年开始面向大众普及，但是距离全面的应用仍较远。围绕人的行为轨迹，如可穿戴、车载、家居等应用场景，打造面向大众的，有自主品牌的软硬结合的AI产品，并形成一定的规模，将是目前人工智能从技术到产品，并实现商业化的靠谱之路。
此外，第三个瓶颈主要是技术研发水平。人工智能技术研发水平能满足部分商业化发展的需求，但存在极大的拓展深化和发展空间。

5. 人工智能大势已来，未来发展会遇到什么难关

先看一组数字：

1. 2020年我国人工智能市场规模将达710亿元

我国人工智能产业虽然起步较晚，但以网络、阿里巴巴、腾讯、科大讯飞等为代表的企业已经开始大规模地投入和布局，产业投资和创业热情高涨，技术研究、行业应用等快速发展。根据中国信息通信研究院的统计数据显示，2017年我国人工智能市场规模达到216．9亿元，同比增长52．8％，预测2020年这一数值将增加到710亿元。

2. 人工智能辅助诊断全程不超过2分钟

在医疗行业，医学影像科是医院诊疗系统中患者流量最大的科室之一，临床诊断的70％依赖于影像。然而，放射科医生4．1％的年增长速度远远赶不上影像数据30％的年增长率，这为影像人工智能医疗产业升级提供了动力——数据显示，智能医学影像市场将以超过40％的增速发展。越来越多的医院对人工智能辅助诊断寄予厚望。在上海市第一人民医院影像科办公室内，放射科医生会使用冠心病人工智能辅助诊断系统，为患者诊断动脉狭窄的程度。与以往需要耗费大量时间处理书写诊断报告不同，人工智能辅助诊断系统可以快速三维建模、判断狭窄程度、输出结构化报告，全程不超过2分钟。这款软件由国内企业数坤科技自主研发，已经服务于全国百余家医院。

上面这组数字，已经明确展示了人工智能未来的大发展，在数字经济下，人工智能作为第四次产业变革的引擎，已逐渐渗透到各行业中，为人类社会和经济发展带来变革。

不过，人工智能与数据息息相关，受到数据约束。人工智能产品的落地和聚焦领域的细分化，都对数据采集和标注提出了更多挑战——这能回答楼主，未来人工智能发展所需要解决的一个难关，就是数据关。

云测数据认为，目前，AI只是处于“弱智能”阶段，且大多只聚焦于某一领域，通用型的AI尚处于研发阶段，而且高度智能的“强智能”阶段是否会到来、需要多久才能到来，一切尚都是未知数。人工智能短期内一定会代替部分重复性劳动。AI本身其实带有一种温情和关怀，因为它代替的是高危和重复性劳动，这会节省很多人类的时间，让人与人之间的交互模式产生很大改观。而当前人工智能亟待突破的一大瓶颈就是数据。数据量尤其是专用领域的数据数量和质量不够，硬件工程化成本相对较高，缺乏应对场景等。

云测数据认为，人工智能的背后有数据、算法和算力来支撑，这三要素之间其实是一种相互促进，并且也相互制约的关系。其中，数据是人工智能发展的基础，没有数据，再强的算法也不可能有好的模型。“人工智能产业化落地的关键就在于数据，算法模型做得再好，数据从源头上就错了，那就得不到正确的训练成果。”

现在很多AI产品都处于落地阶段，对于模型的精确程度要求非常高，对应的要求数据的精度也就非常高了。而且为了提高模型识别精度，AI公司用到的数据也从单一化向多模态转变。以自动驾驶为例，从最早基于摄像头做感知的方案，到引入激光雷达，到之后可能会引入更多其他感知设备来提升感知算法。未来多传感器的解决方案将会普遍应用到我们所使用的AI产品中，它的感知模式将不仅仅是基于单一的图像、声音或文字，将会引入更多模态的数据。

为了算法的提升，AI企业不仅需要定制化的数据采集来获得长尾场景的数据；同时对于标注数据的精度也需要进一步提升。随着应用场景的不断挖掘，整个人工智能行业未来会出现聚焦领域越来越细分化的趋势。

目前AI在领域聚焦、细化、垂直化大趋势下，对数据的要求也更高，云测数据通过打造场景实验室等方式，为AI企业提供定制化、高效、安全的数据采集标注服务。

6. 华为发布最强AI训练集群Atlas 900的意义何在

日前，在华为全联接2019大会上，华为副董事长胡厚昆发布了Atlas 900 AI训练集群。

此次发布的Atlas 900 AI训练集群由数千颗升腾910 AI处理器互联构成，每颗升腾910 AI处理器内置32个达芬奇AI Core，单芯片提供比业界高一倍的算力。集群总算力达到256P～1024P FLOPS @FP16，相当于50万台PC的计算能力。

华为已在华为云上部署了一个Atlas 900 AI训练集群，集群规模为1024颗升腾910 AI处理器。华为以极优惠的价格，面向全球科研机构和大学，即刻开放申请使用。

传统上，我们对华为的认知是一个做基站的通讯业厂商，后来华为开始做手机，是一个手机厂商，而事实上，华为还有一个企业业务BG，为企业服务也是华为的重要业务。

那么，华为搞这个Atlas 900 AI训练集群的目的是什么?这个东西到底有多先进?其意义何在呢?

一、 升腾910的实力

最近几年，随着深度学习算法的突破，人工智能开始热了起来。但是人工智能的计算模式与传统的CPU计算不太一样，这让算力成了瓶颈。

一开始，人们用很多CPU组成传统的超级计算机，做AI计算。

后来，人们用GPU并行计算的优势，把GPU做人工智能计算。我们熟悉的AlphaGO，就是在nVIDIA的GPU上训练的。

但是，从理论角度，GPU设计出来是跑 游戏 ，跑设计的，而不是为了计算的。后来nVIDIA的黄老板发现，这么强大的计算能力只用来玩 游戏 太浪费，搞出来通用计算，GPU才能跑计算。

而那个时候，深度学习还没突破，人工智能还没热闹起来，所以GPU跑AI计算其实也是兼职，不是专职。

最后，人们干脆搞专门的芯片用来做AI计算，谷歌在搞，网络在搞，中科院投资的寒武纪在搞。

华为一开始是买的寒武纪的IP，用在自己的麒麟970上面，但是很快华为发现这个东西自己也可以来，于是就开发出达芬奇架构，搞出来升腾910。

按照华为的数据，在7nm工艺上，升腾910相比Nvidia 12nm下的Tesla V100要快一倍。

因为Tesla V100不仅算AI，也要当超算的加速器用，阉割一下还得当显卡用，所以晶体管不能全部用在算AI上。

而升腾910是专用的，这个差别，类似于CPU挖矿，GPU挖矿和矿机芯片挖矿的区别。

从专用芯片比较，网络的昆仑，寒武纪公布的芯片算力效率也很强大。但是它们相比华为的硬件实力有很大差距。

所以，华为的产品已经流片上线，它们的产品还在PPT和流片实验阶段。

目前，你能用上的AI计算，华为的方案是最强的。

二、 华为的意图

目前，华为的升腾910和Atlas 900 AI训练集群对外不销售，而是通过网络提供廉价的算力。

从成本上看，Atlas 900 AI训练集群采用“HCCS、 PCIe 4.0、100G以太”三类高速互联方式，高速低延迟互联的另外一个涵义就是“贵!”。

而升腾910用7nm流片，7nm本身就很贵，nVIDIA还用便宜的12nm，华为用昂贵的7nm加上昂贵的高速互联，成本应该高很多。

但是，华为偏偏不高价卖。

nVIDIA的Tesla V100一个卖1万美元。谷歌对外租，但是你要租一个32核的算力一个小时24美元，租一年优惠价是37842美元。

华为的价格还没出来，但是华为说了会以极优惠的价格，面向全球科研机构和大学。

华为高成本搭建算力平台，低价出租，这是做慈善吗?

当然不是，华为的意图也很有意思。

现在人工智能热，相当于淘金。而华为，nVIDIA和谷歌(未来也许有网络、寒武纪)是卖水的。

在通讯行业，电信运营商是淘金的，华为、诺基亚，爱立信是卖水的。

华为知道卖水能发财，目前这个布局期，我卖便宜点，尽量让淘金者喝我的水，然后习惯用我的杯子，我的水桶(AI配套的软件框架)，等你习惯了，整个AI业界都用我的算力。我再舒舒服服的收费，淘金者就只能从我这买水了。

这个策略，和当年微软纵容盗版Windows一样，你习惯用Windows不是个系统问题，而是整个生态都在Windows下没法换了。X86处理器也没法换。

这是华为的意图。

三、 华为的AI大局缺一个网络

我们知道，当年在桌面计算上。是Wintel联盟，英特尔出硬件，微软出软件，搭建生态系统。

后来移动领域，是AA，ARM和安卓，ARM和苹果。

华为要搞这个，不仅是开放算力的问题，还需要有一个搞软件，搞应用的把算力需求放到华为平台上来。

这个人是谁呢?网络最合适 。

网络深耕AI的年头很长，布局时间和谷歌差不多，其他家的AI还在概念的时候，网络的AI已经落地到工业企业，用于质检，物流，客服很多领域了。

网络的做法是，前台服务结合行业，后台算力在网络的AI云上，网络提供软件框架，落地到解决方案。网络云端相当于AI的大系统。

华为的AI卖水要成功，需要和网络结合起来，华为AI提供算力，网络把华为的AI算力，做成AI云平台，让应用端直接调用，应用端解决实际问题。

最后是任何行业需要AI提高效率，那么它就用网络AI云平台的方案，直接调动功能。而网络AI再使用华为的AI计算硬件的算力。

华为与网络联手，或者能够变成AI时代的Wintel。

7. 8万亿中国AI算力产业，完全国产化为何举步维艰

在这个科技发达的时代，AI技术或许将会是一个突破口，未来的一波红利也一定在AI技术方面，我们国家对于AI技术这一方面的研究非常的深，并且投入了很大的一个成本去研究。目前中国的算力市场超过了8万亿，但似乎中国的算力市场处境十分的艰难，我们也很少听说关于中国算力，更多的是国外的一些智能化，比如说手机、芯片等等。从种种迹象上来看的话，中国的算力产业已经十分的优秀了，想要达到完全的国产化，为何却如此的举步维艰呢？我们就来好好的讨论一下这个话题。

8. 人工智能的发展前景如何

中国人工智能技术起步较晚，但是发展迅速，目前在专利数量以及企业数量等指标上已经处于世界领先地位。2013-2018年，全球人工智能领域的论文文献产出共30.5万篇，其中，中国发表7.4万篇，美国发表5.2万篇。在数量占比方面，2017年中国人工智能论文数量占比全球已经达27.7%。当前中美两国之间人工智能科研论文合作规模最大，是全球人工智能合作网络的中心，中美两国合作深刻影响全球人工智能发展。

2019年中国AI芯片市场规模约为115.5亿元，在5G商用的普及和政策、技术等各因素的推动下，AI芯片有望在云计算、安防、消费电子、机器人等领域实现大规模商用，预计2021年AI芯片市场规模将达到436.8亿元。但值得注意的是，随着人工智能技术的加速普及，下游应用领域对AI算力和能耗的要求越来越高，传统冯诺依曼架构式芯片的瓶颈逐渐显露，AI芯片将朝着存算一体化方向发展。有分析师认为，存算一体AI芯片的发展前景虽受到广泛认可，但整体仍处在发展的起步阶段。从实现计算与存储的融合设计，到技术的落地、量产、规模化商用，还有较长阶段。能够率先实现技术、产品突破的企业将更容易获得资本、人才、市场的支持。

世纪浪人：智慧筑基，源聚强国，深度分析中国人工智能发展概况
我国人工智能发展全球论文占比情况（数据来源：艾媒数据中心）

相关调查机构数据显示， 截至2017年12月31日，中国人工智能专利申请数达46284件。随着国家大力提倡、投入研发逐渐增加，人工智能运用到越来越多的行业领域，未来相关专利数量应当会持续增加，人工智能技术产业化发展前景向好。

世纪浪人：智慧筑基，源聚强国，深度分析中国人工智能发展概况
截止2017年我国人工智能专利申请数量（数据来源：艾媒数据中心）

2018年中国人工智能领域共融资1311亿元，增长率超过100%，投资者看好人工智能行业的发展前景，资本将助力行业更好地发展。随着人工智能技术的进一步发展和落地，深度学习、数据挖掘、自动程序设计等领域也将在更多的应用场景中得到实现，人工智能技术产业化发展前景向好。

1.中国步入技术驱动增长的高质量发展阶段，政策将持续加码推动芯片全面国产化

中国数字经济产业已经成为驱动经济增长的新动能，2019年数字经济规模占GDP的比重达36.2%;作为数字经济产业底层基础的集成电路，却严重依赖进口，2020年前八个月，中国集成电路进口金额超过万亿元;未来政策将持续加码发展集成电路产业，实现芯片全面国产化。

2.中国AI芯片有望引领国产芯片实现弯道超车，预计2023年中国AI芯片市场规模将突破千亿元

5G基站、大数据中心、人工智能等新型基础建设的完善，促使AI芯片成为引领芯片行业未来发展的重要方向;政策、资本、技术、市场等多重因素将驱动AI芯片这一新赛道快速发展，中国芯片有望实现弯道超车;预计2023年中国AI芯片市场规模将超过千亿元。

3.存算一体化AI芯片是未来主流方向，受益于下游需求的强劲驱动力而快速发展

人工智能产业的成熟化发展驱动AI芯片由通用型向专用型发展，急剧增长的数据量对AI芯片的性能以及能耗提出了更高要求;能够兼具性能和成本的存算一体化AI芯片符合未来发展趋势，在下游需求的推动下有望快速发展。

世纪浪人：智慧筑基，源聚强国，深度分析中国人工智能发展概况
AI芯片概念描述直观图（来源：艾媒咨询）

人工智能，作为计算机科学最前沿的发展方向，同时也是新一轮产业变革的核心驱动力，具有巨大的市场前景。面向人工智能应用的AI算法，除具有传统算法一般的性能特征，还具备处理大量非结构化数据、处理过程计算量大、参数量大等新特质，亟须强大的运算能力和高效的访存能力支撑。

世纪浪人：智慧筑基，源聚强国，深度分析中国人工智能发展概况
人工智能相关学科及关联关系（来源：艾媒咨询）

4.中国人工智能未来热度持续

目前中国整个人工智能产业规模仍在保持增长，同时国家也在不断出台各类人工智能产业扶持政策，资本市场对人工智能行业的投资热情不减，技术方面不断突破是产业增长的核心驱动力。

未来人工智能产业的走向取决于算法的进步，由于算法的技术突破是决定人工智能上限的，所以未来人工智能企业拉开差距就在算法的技术突破上，谁能先在算法上取得成功，谁就能取得资本市场青睐，同时产业落地也会进一步提速。在算法方面，目前已经有深度学习和神经网络这样优秀的模型，但就目前国内人工智能算法的总体发展而言，工程学算法虽已取得阶段性突破，但基于认知层面的算法水平还亟待提高，这也是未来竞争的核心领域。

虽然算法决定人工智能上限，但是目前的算法短时间内可能很难有所突破，所以算力也是目前人工智能企业竞争的一个重点方向，以目前的算力水平，主要实现商业化的人工智能技术为计算机视觉、智能语音等，未来若算力进一步突破包括算力的提升、生产成本的降低都会使人工智能技术的产业化进一步深入。

9. 践行AI战略：华为引领数据中心网络迈入人工智能时代

AI正在成为企业助力决策、提升客户体验、重塑商业模式与生态系统、乃至整个数字化转型的关键驱动力。

但在崭新的AI时代，数据中心网络性能也正在成为AI算力以及整个AI商用进程发展的关键瓶颈，正面临诸多挑战。

为此，华为以“网络新引擎 AI赢未来”为主题发布了业界首款面向AI时代数据中心交换机CloudEngine 16800，将人工智能技术创新性的应用到数据中心交换机，引领数据中心网络迈入AI时代。

AI时代数据中心网络面临三大挑战

当前，数字化转型的持续推进，正在提速驱动数据量暴增；同时，语音／视频等非结构化数据占比持续提高，庞大的数据量和处理难度已远超人类的处理能力，需要基于机器运算深度学习的AI算法来完成海量无效数据的筛选和有用信息的自动重组，从而获得高效的决策建议和智慧化的行为指引。

根据华为GIV 2025（Global Instry Vision）的预测，企业对AI的采用率将从2015年的16％增加到2025年86％，越来越多的企业将利用AI助力决策、重塑商业模式与生态系统、重建客户体验。

作为人工智能的“孵化工厂”，数据中心网络正成为AI等新型基础设施的核心。但与此同时，随着AI时代的到来，AI人工智能的算力也受到数据中心网络性能的影响，正在成为AI商用进程的一大瓶颈。

华为网络产品线总裁胡克文指出，AI时代的数据中心网络将面临以下三大挑战：

挑战1．AI算力。高性能数据中心集群对网络丢包异常敏感，未来的网络应该做到零丢包。但传统的以太网即使千分之一的丢包率，都将导致数据中心的AI算力只能发挥50％。

挑战2．大带宽。未来5年，数字洪水猛增近20倍，现有100GE的网络无法支撑。预计全球年新增数据量将从2018年的10ZB猛增到2025年180ZB（即1800亿TB），现有100GE为主的数据中心网络已无法支撑数据洪水的挑战。

挑战3．要面向自动驾驶网络的能力。随着数据中心服务器规模的增加，以及计算网络、存储网络和数据网络三网融合，传统人工运维手段已难以为继，亟需引入创新的技术提升智能化运维的能力，如何用新的技术去使能、把网络问题排查出来成为业界都在思考的问题。

华为定义AI时代数据中心交换机三大特征

从行业大势来看，随着以人工智能为引擎的第四次技术革命正将我们带入一个万物感知、万物互联、万物智能的智能世界，数据中心网络也必须从云时代向AI时代演进。在华为看来，数据中心需要一个自动驾驶的高性能网络来提升AI算力，帮助客户加速AI业务的运行。

那么，AI时代的数据中心网络究竟该如何建设呢？胡克文指出，“华为定义了AI时代数据中心交换机的三大特征：内嵌AI芯片、单槽48 x 400GE高密端口、能够向自动驾驶网络演进的能力。”

特征1．业界首款内嵌AI芯片数据中心交换机，100％发挥AI算力

从应用侧来看，刷脸支付的背后是上亿次图像信息的智能识别，深度 健康 诊断需要基于数千个算法模型进行分析，快捷网购体验离不开数百台服务器的智能计算。也就是说，新商业物种的诞生，产业的跨越式发展以及用户体验得以改变，强烈地依赖于人脸识别、辅助诊断、智能推荐等AI应用的发展。

但由于AI算力受到数据中心网络性能的影响，正在成为AI商用进程的关键瓶颈。为了最大化AI算力，存储介质演进到闪存盘，时延降低了不止100倍，计算领域通过采用GPU甚至专用的AI芯片将处理数据的能力提升了100倍以上。

CloudEngine 16800是业界首款搭载高性能AI芯片的数据中心交换机，承载独创的iLossLess智能无损交换算法，实现流量模型自适应自优化，从而在零丢包基础上获得更低时延和更高吞吐的网络性能，克服传统以太网丢包导致的算力损失，将AI算力从50％提升到100％，数据存储IOPS（Input／Output Operations Per Second）性能提升30％。

特征2．业界最高密度单槽位48 x 400GE，满足AI时代5倍流量增长需求

数据中心是互联网业务流量汇聚点，企业AI等新型业务驱动了数据中服务器从10G到25G甚至100G的切换，这就必然要求交换机支持400G接口，400GE接口标准化工作已经于2015年启动，目前针对数据中心应用已经完成标准化，400G时代已经来临。

集群的规模是数据中心架构演进的动力，经典的无阻塞CLOS理论支撑了数据中心服务器规模从千台、万台到今天10万台规模的发展，增大核心交换机容量是数据中心规模扩大的最常见手段。以一个1000T流量规模的数据中心组网为例，采用400GE技术，核心汇聚交换机需要5K个接口，相对100GE技术减少75％。

为此，CloudEngine 16800全面升级了硬件交换平台，在正交架构基础上，突破超高速信号传输、超强散热、高效供电等多项技术难题，不仅支持10G→40G→100G→400G端口平滑演进能力，还使得单槽位可提供业界最高密度48端口400GE线卡，单机提供业界最大的768端口400GE交换容量，交换能力高达业界平均的5倍，满足AI时代流量倍增需求。同时，CloudEngine 16800在PCB板材、工艺、散热，供电等多方面都进行了革命性的技术改进和创新，使得单比特功耗下降50％。

特征3．使能自动驾驶网络，秒级故障识别、分钟级故障自动定位

当数据中心为人工智能提供了充分的技术支撑去创新时，人工智能也给数据中心带来巨大利益，如借助telemetry等技术将异常信息送到集中的智能运维平台进行大数据分析，这极大提升了网络的运行和运维效率，降低运维难度和人力成本。但是当前计算和存储正在融合，数据中心服务器集群规模越来越大，分析的流量成千倍的增长，信息上报或者获取频度从分钟级到毫秒级，再加上信息的冗余，这些都使得智能运维平台的规模剧增，智能运维平台对性能压力不堪重负降低了处理的效率。如何减轻智能运维平台的压力，在最靠近服务器，最靠近数据的网络设备具有智能分析和决策功能，成为提升运维效率的关键。

CloudEngine 16800基于内置的AI芯片，可大幅度提升“网络边缘”即设备级的智能化水平，使得交换机具备本地推理和实时快速决策的能力；通过本地智能结合集中的FabricInsight网络分析器，构建分布式AI运维架构，可实现秒级故障识别和分钟级故障自动定位，使能“自动驾驶网络”加速到来。该架构还可大幅提升运维系统的灵活性和可部署性。

引领数据中心网络从云时代迈入AI时代

自2012年进入数据中心网络市场以来，目前华为已服务于全球6400＋个用户，广泛部署在中国、欧洲、亚太、中东、非洲、拉美等全球各地，帮助互联网、金融、政府、制造、能源、大企业等多个行业的客户实现了数字化转型。

2017年华为进入Gartner数据中心网络挑战者象限；2018年进入Forrester数据中心SDN网络硬件平台领导者；2013－2018年，全球数据中心交换机厂商中，华为连续六年复合增长率第一，发展势头强劲。

早在2012年，华为就以“云引擎，承未来”为主题，发布了CloudEngine 12800数据中心核心交换机，七年以来这款面向云时代的交换机很好的支撑了数据中心业务弹性伸缩、自动化部署等核心诉求。

而随着本次华为率先将AI技术引入数据中心交换机、并推出面向AI时代的数据中心交换机CloudEngine 16800，华为也在引领数据中心网络从云时代迈入AI时代。

2018年，华为轮值董事长徐直军宣布：将人工智能定位为新的通用技术，并发布了人工智能发展战略，全面将人工智能技术引入到智能终端、云和网络等各个领域。而本次华为发布的业界首款面向AI时代数据中心交换机CloudEngine 16800，也是华为在网络领域持续践行AI战略的集中体现。

而作为华为AI发展战略以及全栈全场景AI解决方案的一个重要组成部分，CloudEngine 16800不仅是业界首款面向AI时代的数据中心交换机，还将重新定义数据中心网络的代际切换，助力客户使能和加速AI商用进程，引领数据中心真正进入AI时代。

10. 人工智能开发的瓶颈是什么

新年刚过，各大猎头公司就在拼命的寻找人工智能方面的人才，可以看得出，2018年人工智能会更加的火爆。

不过人工智能火爆归火爆，但通往人工智能之路并不平坦。

当前我们处于弱人工智能时代，仍然有大量的技术问题亟待突破，更别提下一个阶段的发展了。

当然，有人说，一切待量子计算机出现后，将迎刃而解，不过，量子计算机何时才能出现呢？