所以我们从这两个例子可以看出，AI技术的发展趋势是朝着大数据+大模型+大计算方向发展，采用更大的模型和数据会使训练出来的模型的精度大幅提高，但这需要更大的计算资源作为支撑。

AI面临的挑战及计算解决方案

AI主要面临三个方面的挑战：

一是需要获取足够多的标注的数据用于模型的训练；

二是需要设计分布式深度神经网络模型及算法；

三是需要一个大的深度学习计算平台以及平台管理软件。

针对上面三个方面的挑战，我们从四个层次去设计整个AI计算解决方案：

第一层次是平台层；从整个AI计算过程的不同特点需求，我们会设计数据预处理平台、训练平台、推理平台，采用不同的网络和存储。

第二个层次是管理层；对于复杂的计算平台，我们需要对资源要进行一个合理的管理、调度、监控、分析，需要一个系统管理平台。比如说浪潮设计的针对深度学习场景的深度学习管理平台AIStation。

第三个层次是框架层；现在的很多开源出来的框架，如Caffe，包括我们浪潮设计的Caffe-MPI、谷歌的Tensorflow、百度的Paddlepaddle，微软的CNTK等等，这些框架来帮助解决深度学习的训练和推理的一些过程。

第四个层次是应用层；针对实际的应用场景进行AI应用开发，比如图像和视频类应用，语音类应用，以及自然语言处理的一些应用，这些应用场景我们如何采用AI的方法和算法来进行实现。

平台层面临的挑战及解决方案

在设计平台层之前我们先看一下AI应用的计算过程。首先我们会收集到不同的数据，比如说CT影像的数据、语音的数据，这些数据我们会传送到数据预处理平台，进行图片的噪音等处理。处理完之后我们对数据做标注，形成训练的数据样本集。训练样本集我们会送到模型训练的集群进行学习，也就是模型训练的过程，模型训练完之后会获得一个智能的模型，这个模型我们会把它装载到不同的终端，比如说工作站、手机、平板，或者说一些云计算平台。最后会推理或识别出智能的结果，比如会判断CT影像是否有病灶，识别是什么方言等。

为了大家对AI整个场景理解得更透彻，我们举个谷歌的医疗影像的例子，谷歌最开始从医院里面收集到12.8万张眼底照片的数据，然后首先对这些照片经过图像的检测分割等数据预处理，预处理完之后对整个眼底特征进行标注。预处理和标注完之后获取了训练的样本集，这些训练样本集会采用深度学习的一些框架，如TensorFlow进行模型的训练，训练出来的模型会应用在终端，比如说手机上面，进行辅助诊断。

这个应用场景看到采用AI技术的效果是非常好的，其综合灵敏度和特异值达到了0.95，比八个医生小组的评估值0.91还要高。这个医疗影像的AI典型案例基本上涵盖了三个过程，就是数据预处理、模型训练和推理识别。

但数据预处理，模型训练和推理识别这三块的计算特点是不一样的，比如数据预处理主要是IO相对比较密集，计算量相对较少一些；模型训练计算量比较大，通信也相对比较密集；针对推理识别，需要比较高的吞吐处理能力和对单个样本低延时的响应。

根据对AI计算过程和特点分析来看，AI平台层设计所面临的挑战主要包括三个方面：

一是在数据预处理阶段，会涉及大量的小文件随机读写的问题，如何提高数据访问效率是在数据预处理阶段面临最大的挑战。

二是在训练阶段，因为会涉及到大量的模型进行调优，我们会训练出一个最优的模型出来，这里需要的计算资源是巨大的，这是第二个挑战。

三是在推理阶段，一个样本，如一张图片或者一个语音样本过来之后，我们如何进行及时的响应，成千上万的样本批量过来的时候，整个系统的吞吐率如何提高，是推理阶段面临的挑战。

所以AI平台层的设计我们从几个方面来进行针对性的设计：

1.计算架构，采用CPU+GPU+FPGA混合异购模式，训练采用P100/P40 GPU，atv，推理采用P4 GPU或者FPGA低功耗计算架构。

2.存储架构，对于训练平台，主要采用高性能的分布式Lustre存储；对于线上推理平台，采用HDFS存储架构来设计。