近日，以“智算生態(tài)、共創(chuàng)共贏”為主題的ICPA智算聯盟系列論壇·第一期會議成功舉辦。

上海市經濟和信息化委員會人工智能發(fā)展處副處長孫躍，ICPA智算聯盟理事長、商湯科技聯合創(chuàng)始人、集團副總裁楊帆發(fā)表致辭。商湯科技聯合創(chuàng)始人兼大裝置首席科學家林達華，華為昇騰計算業(yè)務CTO周斌，Graphcore大中華區(qū)總裁兼全球首席營收官盧濤，燧原科技創(chuàng)始人兼COO張亞林，上海超算科技有限公司副總經理劉波發(fā)表主題演講，探討加速AI算力產業(yè)化落地和算法生態(tài)建設的共贏之道。

林達華教授發(fā)表主題為《算法框架：AI芯片與商業(yè)價值的紐帶》的精彩主題演講，他表示：“AI芯片及其所衍生出來的計算產業(yè)的發(fā)展，并不是任何一家企業(yè)可以單獨去達成的愿景，需要上下游不同角色的機構和廠商共同構建繁榮的生態(tài)。在這樣的體系下，商湯有著非常重要的位置，如何把技術的上下游協(xié)同在一起，也是我們共同面臨的一個課題?！?/p>

本文為林達華教授演講內容梳理。

算法是銜接應用價值和芯片算力的關鍵橋梁

人工智能和智能計算的核心就是人工智能計算芯片。無論是以GPU為代表的通用圖形處理器，還是近幾年不斷涌現的AI專用計算芯片，都構成了整個人工智能算力的核心。

在用戶端，AI技術在自動駕駛、智慧商業(yè)、智慧城市、智慧醫(yī)療等各種垂直領域的應用，將人工智能的價值真正帶到了生產、生活和工作當中。

支撐不同行業(yè)廣泛應用的背后，是一系列人工智能的關鍵算法，例如計算機視覺領域的分類、檢測、分割等等算法。

雖然這些算法會分成若干個小類別，但是在每一類上，其迭代、演進速度非?？欤N類也非常多。目前，商湯面向不同行業(yè)應用已生產出來了超過3萬個算法模型。

這些算法模型對硬件的適配帶來了極大挑戰(zhàn)，每一個模型的算法適配都需要很大工作量的投入，不同應用也涉及不同的算法。算法是銜接應用價值和芯片計算能力最關鍵的橋梁。

在人工智能領域，算法研究員并不直接在芯片所提供的底層API上寫算法，因為大部分研究員和算法工程師對芯片的體系結構并不了解，也不需要了解，術業(yè)有專攻。

因此，在銜接算法研究員和底層計算的基礎設施中間，就衍生出了深度學習框架的系列基礎軟件體系，例如TensorFlow、PyTorch、MindSpore和商湯自研的SenseParrots。每個訓練框架都在行業(yè)中扮演著不同的角色，走出了各自差異化的發(fā)展道路。

由于算法與芯片之間有多種訓練框架，不同框架又出自不同機構和企業(yè)，沒有形成一個固定接口，這導致人工智能訓練芯片不僅要適配不同框架，還要支持多樣化的算法，而算法框架接口多樣化導致AI芯片對算法支持工作量劇增，這就帶來了高昂的適配成本，成為人工智能訓練芯片快速迭代、進入市場的障礙。

開源算法體系，構建高效繁榮的AI生態(tài)

構建一個能夠助力芯片發(fā)展的生態(tài)，最關鍵的就是要打破障礙和瓶頸，這樣才能夠促進整個生態(tài)上下游共同發(fā)展和繁榮。

如何實現這一目標？算法是直接支撐應用的，從智慧城市領域中的場景分類、車牌識別等算法，到醫(yī)學圖像分析領域中的語義分割、病灶檢測等算法，通常都會經過一個基于應用場景的分解過程，最后形成一個大算法家族的族譜。

經過多年發(fā)展，商湯在AI算法領域形成了深厚的積累，但只有將這些算法為整個業(yè)界所用，才能引導整個產業(yè)上下游的發(fā)展，最大限度的發(fā)揮價值?；趶膽脤λ惴ǚ纸獾恼J知，商湯在2018年啟動了OpenMMLab開源算法體系。

近4年來，OpenMMLab的國際影響力持續(xù)增長，目前在GitHub上獲得了58，000個Stars，超過了業(yè)內頂級的深度學習框架PyTorch的數量。同時，OpenMMLab還支持了上千篇論文的發(fā)表，并協(xié)助幾十項比賽選手在垂直領域獲得了冠軍。此外，在生態(tài)影響力方面也有所建樹。

OpenMMLab在商業(yè)領域的應用也非常廣泛，目前有超過600家企業(yè)和科研機構使用OpenMMLab進行技術研發(fā)，其中不乏大型央企、頭部科技企業(yè)和互聯網企業(yè)，已形成了廣泛的影響力。

基于開源開放的算法體系，商湯希望實現訓練框架和AI芯片的雙向價值引導，攜手業(yè)界同仁共同構建高效的人工智能上下游生態(tài)。

構建標準化體系，打造算法芯片協(xié)同發(fā)展的技術基礎設施

為了推動訓練框架和AI芯片的協(xié)同發(fā)展，商湯將算法分解成為各種算子，并告知開發(fā)者哪些算子在整個算法層、應用場景層最為重要。通過這樣的引導，可以幫助行業(yè)伙伴將有限的算力資源應用到真正有價值的業(yè)務場景當中。

在技術層面，商湯構建了兩套標準化體系，其一是算法的分級體系，另一個是標準算子接口體系。

針對算法分級體系的構建，商湯根據社區(qū)反饋，從影響力、性能、部署廣度等多重維度，初步將算法分成 P0、P1、P2三個級別：

P0級是任何芯片必須完全支持的算法；

P1級是在業(yè)務場景里使用較多，但并不是完全必需的算法；

P2級是使用和關注度都相對較少的算法。

基于算法的分級，商湯“以業(yè)務應用為導向，以算法為抓手”，形成了一整套面向訓練框架、推理引擎、訓練芯片、集群環(huán)境的適配和評測體系，從而給予下游的軟件和芯片廠商一個非常明確、清晰的優(yōu)化適配指引。

針對標準算子接口體系，商湯根據算法的導引，將標準化之后的算子提取出來。在這之中，商湯已經完成了兩項重要工作：

其一是統(tǒng)一算子接口和函數簽名，包含算子接口和輸入輸出等信息；

其二是一致性測試套件，包括標準化的測試用例以及相關的工具體系，可以校驗算子的正確性，評測在不同環(huán)境、不同配置下的執(zhí)行效率。

這兩項工作為評測不同芯片提供了一個標準化的抓手。這套技術層面的基礎設施，可以促進產業(yè)協(xié)同向前。此外，如今的適配方式與傳統(tǒng)方式相比也有很大優(yōu)勢。傳統(tǒng)芯片與框架一對一適配的方式，其經驗很難在跨芯片或跨場景中復用。商湯基于標準算子接口體系的芯片-框架多對多的適配流程，可以將溝通成本、工作難度、適配工作量降到最低。一次性可接入數百種標準算子接口，通過一致性測試，能夠自動適配到不同的算法和芯片上面，實現更快迭代。未來，商湯將致力于通過更多人工智能技術上的構建，積極促成產業(yè)上下游的合作協(xié)同，助力更高效從芯片到價值閉環(huán)的打通。