机器之心的进化 / 理解 AI 驱动的软件 2.0 智能革命( 六 ) _人工智能

配图14：Intelligence Infrastructure from Determined AI
参照智能架构领域的投资专家 Amplify Partners 的分类，简单做个技术栈说明。

为 Machine Learning 优化的高性能芯片，它们内置多计算核心和高带宽内存（HBM），可以高度并行化，快速执行矩阵乘法和浮点数学神经网络计算，例如 Nvidia 的 H100 Tensor Core GPU 还有 Google 的 TPU；
能够完全发挥硬件效率的系统软件，可以将计算编译到晶体管级别。Nvidia 在 2006 年就推出的 CUDA 到现在也都保持着领先地位，CUDA 是一个软件层，可以直接访问 GPU 的虚拟指令集，执行内核级别的并行计算；
用于训练和推理的分布式计算框架（Distributed Computing Frameworks），可以有效地跨多个节点，扩展模型的训练操作；
数据和元数据管理系统，为创建、管理、训练和预测数据而设计，提供了一个可靠、统一和可重复使用的管理通道。
极低延迟的服务基础设施，使机器能够快速执行基于实时数据和上下文相关的智能操作；
Machine Learning 持续集成平台（MLOps），模型解释器，质保和可视化测试工具，可以大规模的监测，调试，优化模型和应用；
封装了整个 Machine Learning 工作流的终端平台（End to End ML Platform），抽象出全流程的复杂性，易于使用。几乎所有的拥有大用户数据量的 2.0 架构公司，都有自己内部的 3.0 架构集成系统，Uber 的 Michelangelo 平台就用来训练出行和订餐数据；Google 的 TFX 则是面向公众提供的终端 ML 平台，还有很多初创公司在这个领域，例如 Determined AI 。

总的来说，Infrastructure 3.0 将释放 AI/ML 的潜力，并为人类智能系统的构建添砖加瓦。与前两代架构一样，虽然上一代基础设施的巨头早已入场，但每一次范式转移，都会有有新的项目、平台和公司出现，并挑战目前的在位者。
2.3 智能架构的先锋
Deep Learning 被大科技公司看上的关键时刻是在 2010 年。在 Palo Alto 的一家日餐晚宴上，斯坦福大学教授 Andrew Ng 在那里会见了 Google 的 CEO Larry Page 和当时担任 Google X 负责人的天才计算机科学家 Sebastian Thrun 。就在两年前，Andrew 写过一篇关于将 GPU 应用于 DL 模型有效性分析论文。要知道 DL 在 2008 年是非常不受欢迎的，当时是算法的天下。
几乎在同一时期，Nvidia 的 CEO Jensen Huang 也意识到 GPU 对于 DL 的重要性，他是这样形容的："Deep Learning 就像大脑，虽然它的有效性是不合理的，但你可以教它做任何事情。这里有一个巨大的障碍，它需要大量的计算，而我们就是做 GPU 的，这是一个可用于 Deep Learning 的近乎理想的计算工具" 。
以上故事的细节来自 Forbes 在 2016 年的一篇深度报道。自那时起，Nvidia 和 Google 就走上了 Deep Learning 的智能架构之路，一个从终端的 GPU 出发，另一个从云端的 TPU 开始。

文章插图
配图15：Nvidia AI vs Google AI 的对比
Nvidia 今天赚的大部分钱的来自游戏行业，通过销售 GPU，卖加速芯片的事情 AMD 和很多创业公司都在做，但 Nvidia 在软件堆栈上的能力这些硬件公司无人能及，因为它有从内核到算法全面控制的 CUDA，还能让数千个芯片协同工作。这种整体控制力，让 Nvidia 可以发展云端算力服务，自动驾驶硬件以及嵌入式智能机器人硬件，以及更加上层的 AI 智能应用和 Omniverse 数字模拟世界。
Google 拥抱 AI 的方式非常学术，他们最早成立了 Google Brain 尝试大规模神经网络训练，点爆了这个领域的科技树，像 GANs 这样充满灵感的想法也是来自于 Google （Ian Goodfellow 同学当时任职于 Google Brain）。在 2015 年前后 Google 先后推出了 TensorFlow 还有 TPU（Tensor Processing Unit - 张量芯片），同年还收购了 DeepMind 来扩张研究实力。Google AI 更倾向于用云端的方式给大众提供 AI/ML 的算力和全流程工具，然后通过投资和收购的方式把智能融入到自己的产品线。
现在几乎所有的科技巨头，都在完善自己的“智能”基础设施，Microsoft 在 2019 年投资了 10 亿美金给 OpenAI 成为了他们最大的机构股东；Facebook 也成立了 AI 研究团队，这个仅次于他们 Reality Lab 的地位，Metaverse 里所需的一切和“智能”相关的领域他们都参与，今年底还和 AMD 达成合作，投入 200 亿美元并用他们的芯片来搭建新的“智能”数据中心；然后就是 Tesla，在造电车之外不务正业搭建了世界上规模最大的超级电脑 Dojo，它将被用来训练 FSD 的神经网络和为未来的 Optimus（Tesla 人形机器人）的大脑做准备。