① CCCF专栏 | 智能计算系统——一门人工智能专业的系统课程
我国人工智能底层研究能力缺失的现象严重，最根本的原因在于这方面人才教育培养的缺失。2018年中，作者陈云霁在中国科学院大学开设了一门“智能计算系统”课程。这门课程受到了学生的欢迎，有很多选不上课的学生跟着旁听了整个学期。
关键词：智能计算系统 人工智能 专业课程
编者按 ：5年前，本文作者陈云霁受邀在CCCF专栏上发表了一篇题为《体系结构研究者的人工智能之梦》 1 的文章，第一次公开介绍他从通用处理器转向深度学习处理器方向的心路历程（那篇文章后来也被收录进了《CCCF优秀文章精选》）。经过5年的努力，陈云霁在深度学习处理器方向作出了国际公认的贡献：他的学术论文被顶级会议ISCA’18超过四分之一的论文引用，他的技术成果被应用到华为、曙光、阿里等近亿台智能手机和服务器中。他因此被Science杂志评价为智能芯片的“先驱”和“领导者”。现在，当深度学习处理器已经成为学术界和工业界的热点时，陈云霁再次转身，迈向人工智能系统课程教学的新舞台。这篇文章将和大家分享他走向这个新舞台的心路历程。
智能计算系统课程的开设
我是一名中国科学院计算技术研究所的青年科研人员，主要从事计算机系统结构和人工智能交叉方向的基础研究。看到本文的标题和作者单位，大家可能会觉得有一点奇怪：作者和人工智能专业课程有什么关系？因为传统意义上，上课是高校教师的职责，中国科学院的员工除非是自愿担任了中国科学院大学（国科大）的岗位教授，否则并没有上课的义务。
驱使我主动思考人工智能专业课程设计的最主要的原因，是这样一个众所周知的现象：越是人工智能上层（算法层、应用层，见图1）的研究，我国研究者对世界作出的贡献越多；越是底层（系统层、芯片层），我国研究者的贡献越少。在各种ImageNet比赛中，我国很多机构的算法模型已经呈现“霸榜”的趋势，可以说代表了世界前沿水平。但这些算法模型绝大部分都是在CUDA 2 编程语言、Tensorflow编程框架以及GPU之上开发的。在这些底层“硬 科技 ”中，我国研究者对世界的贡献就相对少了很多。底层研究能力的缺失不仅会给我国人工智能基础研究拖后腿，更重要的是，将使得我国智能产业成为一个空中楼阁，走上信息产业受核心芯片和操作系统制约的老路。
图1 人工智能研究大致层次
我国人工智能底层研究能力缺失的原因很多，我认为最根本的原因在于这方面的人才教育培养的缺失。没有肥沃的土壤，就长不出参天大树。没有具备系统思维的人工智能专业学生，我国就难以出现杰夫·迪恩(Jeff Dean)这样的智能计算系统大师，也不会产生有国际竞争力的智能系统产品。因此，在人工智能专业学生的培养上，我们应当主动作为去改变局面。
2018年我国有35个高校设立了人工智能本科专业，这是重新思考和梳理人工智能培养体系的一次重大机遇。就我目前的了解，大部分高校在考虑人工智能课程体系时，采用的是纯算法、纯应用的教学思路。这样培养出来的学生，仍然是偏向上层应用开发，对智能计算系统缺乏融会贯通的理解。
事实上，各个高校不乏有识之士，在课程设计上绕开系统课程往往受制于三大客观困难：一是国内还没有太多人工智能系统类的课程可供参考，二是国内缺乏人工智能系统类课程的师资，三是国际上缺乏人工智能系统课程的教材。
基于自己的研究背景，我对人工智能的算法和系统都有一些粗浅的涉猎。我是否能为解决人工智能系统课程、师资、教材上的困难作一点微薄的贡献？是否可以身体力行地培养一些具备系统思维和能力的人工智能专业学生呢？
因此，2018年中，我向中国科学院大学申请开设一门人工智能专业的系统课程，名为“智能计算系统”（曾名“智能计算机”），希望能培养学生对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解。这门课程受到了学生的欢迎，有很多选不上课的学生跟着旁听了整个学期。让我尤其感动的是，有其他研究所的学生慕名自发地从中关村跑到怀柔来听课，上一次课来回车程就要三个小时，回到中关村都是深夜。这也许能说明这门课对学生来说有一定吸引力，大家在听课中有真正的收获。
人工智能专业学生培养和课程体系
人工智能专业的课程体系设计应该服务于学生培养目标。那么高校人工智能专业应该培养什么样的学生？
这个问题可能还没有统一的答案。对比和人工智能专业非常接近的计算机专业，高校的计算机专业培养的显然不是计算机的使用者，而是计算机整机或者子系统的研究者、设计者和制造者。
我国计算机专业的前辈在六十多年前开始设立计算机专业时，就高瞻远瞩地设计了一个软硬结合的方案来培养计算机整机或者子系统的研究者、设计者和制造者。这套方案经过六十年的演进，依然基本保持了当年的初衷。今天，各个高校的计算机专业，基本都开设了计算机组成原理、操作系统、编译原理、计算机体系结构等系统类的必修课程（见图2）。也就是说，虽然计算机专业的学生毕业后大多从事软件开发工作，但是他们对计算机硬件系统还是有基础的了解的。
图2 网易云课堂上的计算机专业培养方案 3
人工智能专业学生的培养目标应当是人工智能系统或者子系统的研究者、设计者和制造者。只有实现这个目标，高校培养的人才才能源源不断地全面支撑我国人工智能的产业和研究。为了实现这个目标，人工智能专业的课程设计应当包括软硬两条线（就像计算机专业）。如果人工智能专业只开设机器学习算法、视听觉应用等课程，那充其量只能算是“人工智能应用专业”或者“人工智能算法专业”。毕竟算法只是冰山露出水面的一角，冰山底下90%还是硬件和系统。
就拿拥有世界上最大的AI算法研究团队的公司谷歌来说，谷歌董事长约翰·轩尼诗(John Hennessy)是计算机体系结构科学家，图灵奖得主；谷歌AI的总负责人杰夫·迪恩(Jeff Dean)是计算机系统研究者；谷歌AI最令人瞩目的三个进展(Tensorflow, AlphaGo, TPU)都是系统，而不仅仅是某个特定算法，算法只是系统的一个环节。因此，从人工智能国际学术主流来看，系统的重要性是不亚于算法的。
只学过算法的学生或许对于调模型参数很在行，但是对一个算法的耗时、耗电毫无感觉。这样的学生不具备把一个算法在工业系统上应用起来的基本功（因为一个算法真正要用起来必须满足延迟和能耗的限制）。
只有加入了系统线的课程，学生才能真正理解人工智能是怎样工作的，包括一个人工智能算法到底如何调用编程框架，编程框架又是怎么和操作系统打交道，编程框架里的算子又是怎样一步步在芯片上运行起来。这样的学生能亲手构建出复杂的系统或者子系统，在科研上会有更大的潜力，在产业里也会有更强的竞争力。正如业界所云：“会用Tensorflow每年赚30万人民币，会设计Tensorflow每年赚30万美元。”
有很多老师和我说：“人工智能专业确实应当有一些系统类的课程。但国内从来没有开过这样的课，也没有合适的教材，我们学院也缺乏相应的老师来教这样的课程。”这是很实际的三个客观困难，但不应当影响我们对人工智能专业的课程设计。
从学生角度讲，人工智能专业开设什么课程，应该是看国家和企业需要学生会什么，而不完全是看老师现在会什么。六十年前，我国没有几个人见过计算机，更别说开课了。但为了两弹一星等科学和工程计算任务，我国依然成立了中科院计算所，并在计算所办计算机教师培训班，在清华大学、中国科学技术大学等高校（此处恕不能一一列全）开设计算机专业，这才有了今天我国巨大的计算机产业。
从教师角度讲，人工智能的系统研究已经成为国际学术热点，讲授这类课程是一个教学相长的过程，能帮助教师走到国际学术前沿。今年美国计算机方向Top4高校（斯坦福大学、卡耐基梅隆大学、加州大学伯克利分校和麻省理工学院）以及其他多个国际单位的研究者联合发布了一份名为“Machine Learning System（机器学习系统）”的白皮书。在这样的新兴热门方向布局培育一批青年教师，无疑对提升所在高校乃至我国在人工智能学术界的影响力有巨大帮助。
因此，不论是对于人工智能专业的学生还是教师来说，把系统类课程开起来，都是有必要，也是有实际意义的。
什么是智能计算系统
简单来说，智能计算系统就是人工智能的物质载体。现阶段的智能计算系统通常是集成通用CPU和智能芯片（英伟达GPU或寒武纪MLU等）的异构系统，并向开发者提供智能计算编程框架和编程语言等。之所以要在通用CPU之外加上智能芯片，主要是因为通用CPU难以满足人工智能计算不断增长的速度和能耗需求。例如，2012年谷歌大脑用了1.6万个CPU核运行了数天来训练怎么识别猫脸，这对于工业应用来说是很难接受的。显然，要想真正把人工智能技术用起来，必须使用异构的智能计算系统。而为了降低异构智能计算系统的编程难度，就需要有面向智能计算的编程框架和编程语言。
事实上，智能计算系统已经以种种形态广泛渗透到我们的生活中了。IBM的超级计算机Summit用机器学习方法做天气预报，BAT的数据中心上运行着大量的广告推荐任务，华为的手机上集成寒武纪深度学习处理器来处理图像分析和语音识别，特斯拉的自动驾驶系统……都可以看成是智能计算系统。在智能时代，中国乃至全世界都需要大批的智能计算系统的开发者、设计者、应用者。
智能计算系统的发展并不是一蹴而就的事情。20世纪80年代面向符号主义智能处理的专用计算机（Prolog机和LISP机）可以被看成是第一代智能计算系统。但是当时人工智能缺乏实际应用，算法也不成熟，而且当时摩尔定律还处于飞速发展阶段，专用计算机相对每18个月性能就能翻番的通用CPU并没有太大优势。因此，第一代智能计算系统逐渐退出了 历史 舞台。
“智能计算系统”课程重点关注的是第二代智能计算系统，主要是面向深度学习等机器学习任务的计算机。相对于30年前的第一代智能计算系统，当今的第二代深度学习智能计算系统可谓是碰到了天时地利人和。当前图像识别、语音识别、自然语言理解、 游戏 、广告推荐等人工智能应用已开始落地，深度学习算法发展速度令人应接不暇。尤其重要的是，通用CPU性能发展已经趋停，要支撑不断发展的深度学习算法，必须要靠智能计算系统。因此，深度学习智能计算系统会在很长一个阶段里都是学术界和产业界关注的焦点。“智能计算系统”课程将能帮助学生深刻理解深度学习智能计算系统。
第二代智能计算系统主要支持深度学习等机器学习任务。未来如果人类真的要在通用人工智能道路上再往前走一步，那未来的第三代智能计算系统需要支持的算法将远远超出机器学习的范畴，必须包括联想、推理、涌现等高级认知智能算法。我个人猜测，第三代智能计算系统可能会是孵化通用人工智能的虚拟世界环境。“智能计算系统”课程或许能激发学生的好奇心，吸引学生投身于未来的第三代智能计算系统的研究中。
智能计算系统课程概况
“智能计算系统”这门课程主要是面向人工智能、计算机和软件工程专业的高年级本科生或研究生。课程目标是培养学生对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解，成为智能计算系统（子系统）的设计者和开发者。
课程的前序课程包括C/C++编程语言、计算机组成原理和算法导论（或机器学习）。课程的课时相对比较灵活，可以是大学期上一个学期（40学时，课程提纲见表1），可以是小学期集中上一周（20学时），也可以嵌入到其他机器学习课程中作为一个补充。对于20学时的短期学习，课程希望学生能对智能计算系统“知其然”，主要是面向实际操作；对于40学时的长期学习，课程希望学生能对智能计算系统“知其所以然”，因此要把机理讲透。
表1 智能计算系统课程提纲（40学时）
在课程讲授上，应该秉承两个原则。一是应用驱动。一门好的工程学科的课程应当是学以致用的，尤其是“智能计算系统”这样的课程，如果上完之后只学会了一些定理和公式，那基本没效果。另外一个原则是全栈贯通。过去计算机专业课程设计有个问题，就是条块分割明显，比如操作系统和计算机体系结构是割裂的，操作系统对计算机体系结构提出了什么要求，计算机体系结构对操作系统有哪些支持，没有一门课把这些串起来。“智能计算系统”作为高年级本科生（或研究生）课程，有义务帮助学生把过去所有的人工智能软硬件知识都串起来，形成整体理解。
对于“智能计算系统”课程，驱动范例是一个抓手。在国科大上课时，我们选择了视频风格迁移作为驱动范例。简单来说，风格迁移可以保留一个视频中每帧图片的基本内容，但是把图片的绘画风格改掉（比如从普通照片迁移成毕加索风格或者中国水墨画风格等，见图3）。对于学生来说，这是很有意思又在能力范围之内的一个驱动范例。
图3 从普通照片到毕加索风格迁移的驱动范例
我们围绕如何实现视频实时风格迁移，一步步带着学生写出算法，移植到编程框架上，为编程框架编写算子，再为算子设计芯片，构建多芯片系统，并测评这个系统的速度、能效和精度上的优势和劣势，然后进行系统的闭环迭代优化。最后再给大家一个智能计算系统的实验环境，包括摄像头和智能芯片开发板，学生就可以实现一个对摄像头拍摄的视频进行画风实时转换的“半产品”应用了。
结语
我的母亲是一位中学教师。我自己成长过程中，对我帮助非常大的几位前辈恩师陈国良、胡伟武和徐志伟，也都是常年浸淫在教学第一线，有着极大教学热情的名师。从小到大，这些长辈的言传身教，让我深刻地感受到，教育是一项伟大的事业，能深刻地改变学生、改变行业、改变 社会 、改变国家、改变人类。今天我们教给学生的那些人工智能知识，可能会影响明天我国在智能时代的竞争力。因此，虽然手头有不少基础研究任务，但我还是情愿把培养人工智能的系统人才当成自己未来最重要的使命，把自己绝大部分时间精力花在“智能计算系统”这门课程在各个高校的讲授和推广上。
非常欣慰的是，“智能计算系统”这样新生的一门课程，虽然还有很多缺陷，但还是得到了很多师生的支持和鼓励。我们已在或将在中国科学院大学、北京大学、北京航空航天大学、天津大学、中国科学技术大学、南开大学、北京理工大学、华中 科技 大学等多个高校联合开设这门课程。今年我们还会开放这门课程的所有PPT、讲义、教材、录像、代码、云平台和开发板，供老师们批评指正。非常欢迎大家给我发邮件，提出宝贵意见。
未来，我们希望和更多培养人工智能专业学生的高校合作，广泛参与人工智能系统课程的交流研讨，共同提高人工智能系统课程的教学水平。相信通过大家的共同努力，一定能解决人工智能系统课程开设中的实际困难，使得我国未来培养出来的人工智能人才没有技术上的短板。
作为一名青年教师，我在教学能力和经验上与很多教育领域的前辈有着巨大的差距，还需要更多地学习。这门“智能计算系统”课程，对于我国的人工智能系统能力培养来说，也顶多是起到抛砖引玉的作用。正如鲁迅先生在《热风·随感录四十一》中写给青年的一段话所言：“有一分热，发一分光，就令萤火一般，也可以在黑暗里发一点光……倘若有了炬火，出了太阳，我们自然……随喜赞美这炬火或太阳；因为他照了人类，连我都在内。”
脚注：
1 此文发表在《中国计算机学会通讯》(CCCF) 2014年第5期，https://dl.ccf.org.cn/institude/institudeDetail?id=3738875863074816&_ack=1。
2 CUDA：Compute Unified Device Architecture，计算统一设备架构。
3 参见https://study.163.com/curricula/cs.htm。
作者介绍：
陈云霁
CCF杰出会员、CCF青年科学家奖获得者、CCCF编委。中科院计算所研究员。曾获首届国家自然科学基金“优秀青年基金”、首届国家万人计划“青年拔尖人才”以及中科院青年人才奖等奖项。主要研究方向为计算机体系结构。[email protected]
点击 “阅读原文” ，加入CCF。
② 量子计算获得突破性进展，人工智能“奇点”提前
10月24日，谷歌在《自然》杂志上发表了一篇关于量子计算的论文。称已经开发出一款54量子比特数（其中有效量子比特53个）的超导量子芯片“Sycamore”。基于该芯片对一个53比特、20深度的电路采样100万次只需200秒，而现在最厉害的经典超级计算机Summit完成这一过程需要10000年，谷歌由此宣称率先实现了“量子霸权”。
尽管这一成果得到了许多赞美之词，但也不乏质疑者。不过谷歌的量子计算能力若真如其所言，那么将可能对人工智能领域产生极大的助力。不只是谷歌，现在全球范围内不少 科技 巨头都在量子计算方面有所动作，并且已经取得了可观的成果。
虽然人工智能的概念早在1956年的达特茅斯会议上就已被提出，但迅速发展却是近几年的事情，其中原因与技术和环境的发展有密切相关。如今再加上量子计算作为助力，人工智能是否会更迅速地进入到“强人工智能”的阶段呢？量子霸权倘若到来又会对其他领域产生怎样的影响呢？
在量子计算领域深耕多年的IBM表示，自家有一种计算机完成谷歌提出的任务只需2.5天，根本没有10000年那么久。中科院量子信息重点实验室副主任郭国平也认为，谷歌所谓的10000年是基于量子计算特性“粗暴计算得出的数字”，而未能考虑到如今的超级计算机在网络传输、存储等性能方面的优化。由此看来，谷歌所谓“量子霸权”的说法有误导大众之嫌。
尽管如此，谷歌的这项成果依然值得称道，它不管是对谷歌自身还是一些热门的领域都是有着重要意义的。 而谷歌自己显然也是这么认为的，谷歌CEO桑达尔·皮查伊甚至将此次量子计算研究成果的意义与莱特兄弟发明飞机相提并论。
相对于传统计算，量子计算优势明显。就拿谷歌看重的人工智能领域来说，其源动力分别为大数据、算法和计算能力。大数据靠积累，而计算能力则由摩尔定律衍生而来。
重点在于，人工智能发展的障碍就是计算能力。如今的设备和技术让大数据的积累呈现爆发式增长，但如何处理海量数据是个大问题，如今生产数据的能力与处理数据的能力已然不能匹配。即使是谷歌引以为傲的AlphaGo，下一盘棋所消耗的能量都比人类多出几十万倍，这就是计算能力不足所致。
此时量子计算的作用就得以凸显，它的进展对人工智能领域或许会产生颠覆性的改变。 科技 大师雷·库兹韦尔曾预言“2045年，奇点来临，人工智能完全超越人类智能，人类 历史 将彻底改变”。
而皮查伊在最近的采访中表示，量子计算与人工智能属于“共生事物”，二者同处早期研究阶段。并且“人工智能可以加速量子计算，量子计算可以加速人工智能”。对于量子计算，皮查伊也是信心满满：“我们认为自己是一家深度计算机科学公司。摩尔定律在它的周期结束时，量子计算是我们将继续在计算领域取得进展的众多因素之一”。
在属于“综合性学科”的人工智能中，量子计算占据着如此关键的位置。并且量子计算不仅可以作用于人工智能领域，而是对当下与未来的不少热门领域都能起到重要的作用。那么量子计算到底是什么？又为何会引得诸多巨头花心思去研究呢？
量子计算，即利用量子力学的基本原理来加速解决复杂计算的过程。这种计算方式相较于传统计算机，能够更加迅速高效地处理海量的数据。在传统计算中，要靠微芯片材料与晶体管的进步提升算力，大体上就是在微芯片中嵌入电子开关，在0和1之间交替完成信息处理，芯片上的晶体管数量与芯片处理电信号的速度成正比，从而完成计算。但量子计算则可以兼容0和1，使得计算速度产生质的飞跃。
1965年，英特尔联合创始人戈登·摩尔提出，微芯片上单位面积内的晶体管数量会一年翻一番，但成本会同时减少一半。也就意味着价格不变，集成电路上可容纳的元器件的数目大概每隔18~24个月便会增加一倍，性能也将提升一倍。
这个定律一直对传统计算有着重大意义，但最近几年，依照摩尔定律发展的信息技术进步的速度正在逐渐减慢，尤其是在人工智能领域，摩尔定律显而易见地逐渐失效，中科院院士杜江峰曾在去年发表言论，称摩尔定律最多还能使用10年。
在这种情况下，量子计算的作用得以发挥。传统计算几十年才能解决的数据问题，量子计算可能只需1秒就搞定。不仅是在计算速度层面，还有在材料、设备等方面的最优选择与最佳组合，这些问题经典计算无法解决，可量子计算统统都能搞定。这就使得量子计算不仅在人工智能，并且可以在金融、医疗、物流、网络安全、基因组学等多个领域发挥重大作用。
在这些领域中，许多都是焦点与风口， 科技 巨头们对此自然极为重视。 包括谷歌、微软、英特尔、IBM、阿里巴巴和网络在内的企业纷纷在量子计算方面加以 探索 。
例如微软在2017年建立了拓扑量子位，可以让设备使用现存的更精细的量子位。微软量子团队主管托德·霍尔姆达尔认为，通过量子计算“有机会解决一系列此前无法解决的问题”，而想靠传统计算机来解决这些问题也许会耗尽“宇宙的生命”。
英特尔从2015年就开始与学术界的一些伙伴联合加速研发量子计算技术，到2017年成功测试了17量子比特超导计算芯片。在CES 2018举办期间，英特尔研发出了首个49量子比特的量子计算测试芯片。
阿里巴巴旗下的阿里云与中科院携手在2015年建立了“阿里巴巴量子计算实验室”，助攻多领域量子计算应用，如电商、人工智能、数据安全等。2018年，阿里云推出了有11个量子比特的量子计算云服务。
网络也于2018年成立量子计算研究所，主要研究量子信息理论和量子计算。这对其搜索引擎业务同样能起到推助作用。
这些巨头的主业与计算能力都有关联，更何况量子计算本身就代表着未来的趋势，一旦能够落地使用，将会使多个领域呈现颠覆式变化。如此一来，也就不难理解量子计算为何这么受欢迎了。
在不久的将来，如果还有人想继续从计算能力的指数增长中获益，传统计算已然无法依靠。因为以晶体管为基础的计算方式显然已经不再适合未来，量子计算就是下一个值得追逐的方向。不过量子计算出现的时间也不短了，为何近几年才开始加速？这种加速发展又会给人工智能领域带去何种转变呢？
谷歌在此次研究成果中提到的“量子霸权”，最初是由美国加州理工学院的物理学家约翰·普瑞斯基尔提出的，大意是现在最强的超级计算机能够完成5到20个量子比特的量子计算机所做的事情，但当量子比特超过49个，量子计算机的能力就会将超级计算机远远甩在身后。
谷歌如今是否实现了“量子霸权”尚有争议，但我们应该清楚，照现在这种发展速度，量子霸权注定会有实现的一天，而且这天的到来应该不会太迟。因为英特尔交付的49量子比特的量子计算机芯片，IBM的能处理50量子比特的量子计算机都已经接近了“量子霸权”的标准。其他的一些研究成果虽未达到这个程度，但进步也是很快的。
量子计算的发展推动了多领域的进步，反之一些领域的发展也成了量子计算技术飞速发展的助力。 近年来，人工智能领域无论是技术还是商用，都呈现出爆发式增长的态势。此外，已在加紧布局的5G使得网络传输与单位传输速率大幅提升。这些转变都增强了量子计算的能力，使其发挥出更大的作用，因而量子计算与这些领域相辅相成，共同进步。
在诸多领域中，人工智能与量子计算的关系尤为紧密，人工智能已被 科技 界与学术界公认为是量子计算的重要着力点。 例如，微软就曾经用拓扑量子计算机将其AI助手“小娜”的算法训练时间从一个月缩短到一天。此外，量子计算中自动优化的功能可自行修正人工智能数据系统中的错误，并不断处理新数据。
当前，AI处于“弱人工智能”阶段，但如果不断加入量子计算，那么那种传说中的有独立意志、 情感 认知能力的“强人工智能”或许会提早到来。因为量子计算不仅具备强大的数据处理能力，更有自我学习和修正的能力。
有观点认为，将黑猩猩置于人类的语言环境下使其进行学习，训练足够长的时间，也可以使黑猩猩学会人类语言。黑猩猩尚能训练到如此程度，更何况是集人类智慧大成的人工智能与量子计算。经过这种强强联合，人工智能一定会比人类更聪明、更有能力。同理，量子计算会对更多领域产生本质层面的颠覆，甚至会涉及到国与国之间的 科技 方面的竞争。也许在未来某天，我们关于 科技 的那些最激进的想象都能实现，或者比我们想象中的还要让我们惊讶。
当然想要看到这一天还要继续等待，目前量子计算尚未普及，而且巨头之间关于这一领域也会有激烈的竞争。在这一过程中与之相关的领域会如何发展，巨头之间竞争结果如何，还有待时间的检验。
③ AI人工智能正在改变计算的整个本质
机器学习，特别是深度学习，迫使重新评估芯片和系统的设计方式，这将改变未来几十年的行业方向。
从芯片到软件再到系统，计算领域将在未来几年内因机器学习的普及而发生巨大变化。我们可能仍然将这些计算机称为“通用图灵机”，正如我们已有八十年或更长时间。但在实践中，它们将与迄今为止构建和使用的方式不同。
任何关心计算机工作的人以及对所有形式的机器学习感兴趣的人都会感兴趣。
今年2月，Facebook负责人工智能研究的负责人Yann LeCun在旧金山举行的国际固态电路会议上发表了演讲，该会议是世界上运行时间最长的计算机芯片会议之一。在ISSCC，LeCun明确了计算机技术对人工智能研究的重要性。 LeCun说：“硬件功能和软件工具既激励又限制了AI研究人员想象并将允许自己追求的想法类型，我们所掌握的工具比我们承认的更能影响我们的想法”。
不难看出情况是怎样的。从2006年开始，深度学习的兴起不仅是因为大量数据和机器学习中的新技术，例如“辍学”，而且还因为计算能力越来越强。特别是，越来越多地使用来自Nvidia的图形处理单元或“GPU”，导致计算的更大并行化。这使得对比以往更大的网络的培训成为可能。20世纪80年代提出的“并行分布式处理”的前提，即人工网络的节点同时被训练，最终成为现实。
一些人认为，机器学习现在有望接管世界上大部分的计算活动。在2月份的ISSCC期间，LeCun 向ZDNet讲述了计算方向的变化。LeCun说：“如果你走了五年，未来十年，你会看到计算机花费时间做些什么，大多数情况下，我认为他们会做一些像深度学习这样的事情 - 就计算量而言”。他还指出，深度学习可能无法通过收入占据计算机销售的大部分，但是，“就我们如何每秒花费我们的毫瓦或我们的运营而言，他们将花在神经网络上。
深度学习成倍增长
随着深度学习成为计算的焦点，它正在推动当今计算机能够做到的界限，在某种程度上推动神经网络进行预测的“推理任务”，但对于训练神经网络更是如此，计算密集型功能。
注：据OpenAI称，自2012年以来，深度学习网络对计算的需求每3.5个月翻一番。
诸如OpenAI的GPT-2之类的现代神经网络需要并行训练超过十亿个参数或网络权重。作为Facebook的热门机器学习培训库PyTorch的产品经理，5月份告诉ZDNet，“模型越来越大，它们真的非常大，而且培训成本非常高。” 如今最大的模型通常不能完全存储在GPU附带的存储器电路中。
此外：谷歌表示人工智能的“指数”增长正在改变计算的本质
计算周期的需求速度越来越快。根据OpenAI提供的数据，早在2012年创建的令人尊敬的AlexNet图像识别系统在总培训时间内耗费了相当于每秒1000万次浮点运算的“千万亿次浮点运算”，总时间达到一天。但AlphaZero是由谷歌的DeepMind在2016年建立的神经网络，它击败了世界上的国际象棋冠军，并且每秒消耗超过一千天的千万亿次飞越。AlexNet和AlphaZero之间计算周期的增加使得每3.5个月的计算消耗量翻了一番。这是2016年收集的数据。到目前为止，步伐无疑会增加。
计算机芯片危机
世界甚至没有佩戴千万亿次筹码，用于深度学习培训的顶级芯片，如Nvidia的Tesla V100，每秒运行112万亿次。因此，你必须运行其中的八天1000天，否则将许多人聚集成一个耗费越来越多能量的系统。
更糟糕的是，近年来芯片改进的步伐已经触底。正如加州大学伯克利分校教授大卫帕特森和英国航空公司董事长约翰轩尼诗在今年早些时候的一篇文章中所指出的那样，摩尔定律即每十二至十八个月芯片功率增加一倍的经验法则，已经耗尽了气体。英特尔长期以来一直否认这一点，但数据是帕特森和轩尼诗的一面。正如他们在报告中提到的那样，芯片性能现在每年仅增长3％。
这两位作者都认为，这意味着芯片的设计，众所周知，它们的架构必须彻底改变，以便从不会产生性能优势的晶体管中获得更高的性能。（帕特森帮助谷歌创建了“Tensor Processing Unit”芯片，因此他对硬件如何影响机器学习非常了解，反之亦然。）
由于处理器的改进停滞不前，但机器学习需求每隔几个月翻一番，就必须付出代价。令人高兴的是，如果以正确的方式看待，机器学习本身可以成为芯片设计的福音。因为机器学习需要很少的遗留代码支持 - 它不必运行Excel或Word或Oracle DB - 并且正如他们所说的，对于芯片设计师，由于其最基本计算的高度重复性，机器学习是一种绿地机会。
建造一台新机器
卷积神经网络和长期短期记忆网络的核心，深度学习的两个主要支柱，甚至在像谷歌的变形金刚这样的更现代的网络中，大多数计算都是线性代数计算，称为张量数学。最常见的是，将一些输入数据转换为矢量，然后将该矢量乘以神经网络权重矩阵的列，并将所有这些乘法的乘积相加。称为乘法相加，这些计算使用所谓的“乘法 - 累加”电路或“MAC”在计算机中呈现。因此，只需改进MAC并在芯片上创建更多的MAC来增加并行化，就可以立即改善机器学习。
主导AI培训的Nvidia和其CPU主导机器学习推理的英特尔都试图调整他们的产品以利用那些原子线性代数函数。Nvidia为其Tesla GPU添加了“张量核心”，以优化矩阵乘法。英特尔已花费300亿美元收购那些从事机器学习的公司，包括Mobileye，Movidius和Nervana Systems，其中最后一个应该在某个时候导致“Nervana神经网络处理器”，尽管有延迟。
到目前为止，这些举措并不能满足机器学习的需求，例如Facebook的LeCun。在2月与ZDNet聊天期间，LeCun认为，“我们需要的是竞争对手，现在，你知道，主导供应商Nvidia”。 他还指出，这不是因为Nvidia没有做出好的筹码。这是“因为他们做出了假设，并且拥有一套不同的硬件可以用来做当前GPUS擅长的补充事物，这样做会很不错。
另外：为什么人工智能报告如此糟糕？
他说，其中一个有缺陷的假设是假设训练神经网络将是一个可以操作的“整齐阵列”的问题。相反，未来的网络可能会使用大量的网络图，其中神经网络的计算图的元素作为指针流式传输到处理器。LeCun表示，芯片必须进行大量的乘法增加，但对于如何将这些乘法增加呈现给处理器的期望不同。
作为TPU芯片贡献者之一的谷歌软件工程师Cliff Young，去年10月在硅谷举行的芯片活动上发表了主题演讲时更直言不讳。Young说：“很长一段时间，我们都拒绝了，并说英特尔和Nvidia非常擅长构建高性能系统，”“五年前我们超越了这个门槛”。
创业公司的崛起
在这个漏洞中，新的芯片来自谷歌等人工智能巨头，还有一大批风险投资支持的创业公司。
除了谷歌的TPU，现在已经进行了第三次迭代，微软还有一个可编程处理器，一个名为Project Brainwave的“FPGA”，客户可以通过其Azure云服务租用它。亚马逊表示，它将在今年晚些时候推出自己的定制芯片，名为“Inferentia”。当LeCun在2月份与ZDNet谈话时，他提到Facebook有自己的筹码。
他指出，像谷歌和Facebook这样拥有大量产品的公司，对你自己的引擎工作是有道理的，这方面有内部活动。
创业公司包括Graphcore，一家位于布里斯托尔的五年创业公司，一个位于伦敦西南一个半小时的港口城市; Cornami，Effinix和Flex Logix，所有这些都是由ZDNet描述的和硅谷的洛斯阿尔托斯的s系统公司仍然处于秘密模式。
许多这些初创公司都有一个共同点，那就是大大增加用于矩阵乘法的计算机芯片区域的数量，即MAC单元，以便在每个时钟周期内挤出最多的并行化。Graphcore是所有初创公司中最远的，是第一个真正向客户发送生产芯片的公司。关于它的第一个芯片最引人注目的事情之一是大量的内存。为了纪念世界上第一台数字计算机，Colossus 被称为芯片，面积巨大，面积为806平方毫米。首席技术官Simon Knowles称其为“迄今为止最复杂的处理器芯片”。
Colossus由1,024个被称为“智能处理单元”的独立核心组成，每个核心都可以独立处理矩阵数学。众所周知，每个IPU都有自己的专用内存，256千字节的快速SRAM内存。总共有304兆字节的内存是芯片中最常用的内存。
没有人知道芯片上存在如此多的内存会如何改变构建的神经网络的种类。可能是通过访问越来越多的内存，访问速度非常低，更多的神经网络将专注于以新的和有趣的方式重用存储在内存中的值。
软件难题
对于所有这些芯片的努力，问题当然是由于该公司的“CUDA”编程技术，他们没有为Nvidia建立多年的软件。Graphcore和其他人的答案将是双重的。一个是用于机器学习的各种编程框架，例如TensorFlow和Pytorch，提供了一种避免芯片本身细节并专注于程序结构的方法。所有进入市场的芯片都支持这些框架，他们的创造者认为这些框架与Nvidia的竞争环境。
第二点是Graphcore和其他人正在构建自己的编程技术。他们可以证明他们的专有软件既可以转换框架，也可以智能地将并行计算分配给芯片上的众多MAC单元和向量单元。这就是Graphcore为其“Poplar”软件所做的论证。Poplar将神经网络的计算图分解为“codelets”，并将每个codelet分配到Colossus的不同核心，以优化并行处理。
在过去的二十年中，大数据和快速并行计算成为常态，推动了机器学习，带来了深度学习。下一波计算机硬件和软件可能是关于大量的内存和神经网络，它们是动态构建的，以利用高度并行的芯片架构。未来看起来很有趣。
本文翻译自：AI is changing the entire nature of compute（Machine learning, especially deep learning, is forcing a re-evaluation of how chips and systems are designed that will change the direction of the instry for decades to come.）
④ 关于人工智能的利弊写作文
围棋博弈的人机大战，以机器的获胜而落下帷幕，而人工智能的利弊，再度引发了争议，
有关人工智能利弊分析的作文
但我想的更多的是，科技背后的那份渐行渐远的人文情怀。
围棋对弈，被列为琴棋书画四大雅事之一。而今，当人类与一个冰冷的机器，只争技术的优劣，只论智商的高下时，那份弈棋时的淡泊宁静的心境，那份“闲敲棋子落灯花”的情怀，又该置于何地？
科技的发达，让通讯变得便捷，于是，当下的我们很少再能写出“多情自古伤离别”的优美诗句，很少能体会“家书抵万金”的情谊万钧。
科技的进步，让农耕变得机械化，于是，当下的我们很少能吟诵出“带月荷锄归”的悠闲辞章，很少能感受“汗滴禾下土”的辛劳苦楚。
科技的演变，让社交变得多元，于是，当下的我们很少再能唱出“对影成三人”的独处情怀，很少能理解“执子之手，与子偕老”的至情专一。
正如木心先生所说：“从前的日色变得慢，车、马、邮件都慢，一生只够爱一个人。”科技带给我们便利、快捷的同时，也将我们原本质朴、美好的那份生活味道、人文的情怀稀释很多！
随着科技的发展社会的进步，新一代信息技术正在着力打造智慧生活，互联网、智能机、液晶电视、空调也逐渐步入了千千万万的家庭。
1977年英国世界上最大的互联网公司的经理预料，将来任何人都不会在自己的家里拥有一台属于自己的计算机。计算机不会被大多数人使用，然而在日新月异发展的现代化社会里不是用电脑这几乎是不可能的，高楼大厦里职员们正使用计算机记录完成上级布置的任务；漫画家打好画稿在用计算机进行扫描、上色；学校里每一间教室都放置一台，老师则利用计算机为学生讲解课文；打印店里一台台计算机正忙碌的工作着。然而那位经理怎么也想不到将近半个世纪的今天计算机已经在我们的生活中起着不可代替的作用，也从原来笨重的以至于塞满一整个房间的机器到如今教科书厚的液晶。
展望未来。
未来，一个抽象的代名词——触摸不到，感受不到。每个人都有美好的畅想，我畅想畅想着城市美好的未来。城市的美好，必然少不了那一片霓虹灯。繁华的夜景，热闹的人市。那繁荣景象的背后又是什么呢？是一片黑暗吗？不，至少有盏明灯。是那些流浪者的家吗？不，至少有间草屋。光明固然美好，黑暗也将会被无数明灯所点亮。我畅想，畅想城市那份恬静。
当人们迎着朝阳开始一天的工作时，他们的心情是平静而喜悦的。此时，自行车已成“古董”，人们只能在博物馆才能见到。在宽阔、现代化的立交桥上，一辆辆高级轿车来回穿梭。在居民小区里，物业管理是机器人，二十四小时服务。工作的地方没有了原来的狭隘，不再只是人手一台电脑埋头工作，而是两三个人一个办公室，摄像头、监视器什么的都不在有，人们诚实守信、勤勤恳恳。工厂是机器人工作的岗位。
我们把美好的梦想层层堆砌，让高瞻远瞩的目光投向时代的前沿，审视昨天，展望未来，沿着金光大道，一步一步靠近我们心中向往的地方。让我们畅想美好的明天，走向美好的未来！
其实幸福。很难！当黑暗笼罩住了城市，永远没有那一角：有人在打架斗殴。难道这就是美好城市？现在这份重任落下来了，在每个人的肩上，还有我们——新时代的中学生，更落在了我们的笔尖，我们要用笔去描绘未来的城市，画出她最可爱的一面、美丽的一面。我们的校园里，纸屑很珍贵，因为它从不露面。微笑很普通，因为它洋溢在每个人的脸上。城市的美好如同筑房子——第一层是文明，第二层是平安，第三层是繁华，第四层是快乐。只有不停地建造，才能盖上它的屋顶——美好。让我们共同携起手来，建造这幢“美好”的城市！
，研发出最伟大的人工智能。
“呼”长吁一口气，完成一天的工作后，科学家躺在沙发上，享受着机器人的 *** ，渐渐进入了梦中。不知睡了多久，科学家徐徐起来，揉了揉隐隐作痛的头，这位科学家总算决定放松一下，便换了一身行头，无所事事地漫步在街头。
大街上，四周的建筑很干净，毒辣的阳光照在地上，显得格外刺眼。城市的上空一只鸟也没有，显得死气沉沉，科学家有点受不了这样压抑的气氛，便转身走进了一家餐厅。
餐厅也很干净，周围的人们有说有笑，大厅中央的机器人一直保持着人性化的微笑，尽管显得有些僵硬。但不得不说，这里的环境真的很好——端菜的机器人在给你上菜之后还会有礼貌的鞠个躬；地上如果弄脏了很快就会有机器人打扫，甚至连你走路的时候又能听到一个声音一字一顿地提醒您：“小——心——路——滑.”如此贴心的服务，这么高的效率，不久之后这个世界的人们应该都能享受到如此优越的生活条件，科学家这样想这，嘴角都不知不觉得翘了起来。
正当科学家惬意的享受这个美好的时刻时，外面一个看上去瘦弱的身影引起了他的注意。一位衣衫有点脏乱的青年正熟练地翻着装食物残渣的桶。
这位科学家有点纳闷，这么年轻的人是遇到了什么困难才沦落到这地步，好奇心驱使这科学家跟着这位青年来到他，不，应该是他们的住处，阴暗的空间中摆放着各种各样的生活用品，墙角还有几张蜘蛛网，空气中弥漫着腐败的气味，这让科学家皱了皱眉。而这时，屋里的人十分好奇的望着这个不请自来的客人，最终还是屋子的主人们率先打破了这种沉默，说：“你也是难民吗？“ ”难民？“对于这个名词，在科学家的记忆中，这是只属于很久很久以前的词，对于现在这个高科技的社会，还会有难民？ ”恩，到我们这儿的全是被i被机器人那些人工智能淘汰的人，我以前在一家餐厅当服务员，结果被机器人淘汰了，后来每一行都有机器人工作，我和许多人都失去了工作， 也没有收入。
“说到这，那人的脸上也露出黯然的神情。 一位中年人补充道：”我曾经是一个老板，后来将自己的财物交给人工智能管理，最后不知怎么，人工智能失去了控制，让我最后破产。
听到了这些，科学家许久无言，独自离开了 站在原地，一动不动地站在原地，双眼有些茫然地眺望远处，这一刻，他对未来和自己的梦想开始迷茫起来：自己还要继续下去吗？自己对人工智能的研究究竟能给多少人带来好处？给多少人带来厄运？不受人类控制的智能最终是会给人来带来毁灭还是新生？。
围棋博弈的人机大战，以机器的获胜而落下帷幕，而人工智能的利弊，再度引发了争议，有关人工智能利弊分析的作文。
但我想的更多的是，科技背后的那份渐行渐远的人文情怀。围棋对弈，被列为琴棋书画四大雅事之一。
而今，当人类与一个冰冷的机器，只争技术的优劣，只论智商的高下时，那份弈棋时的淡泊宁静的心境，那份“闲敲棋子落灯花”的情怀，又该置于何地？科技的发达，让通讯变得便捷，于是，当下的我们很少再能写出“多情自古伤离别”的优美诗句，很少能体会“家书抵万金”的情谊万钧。科技的进步，让农耕变得机械化，于是，当下的我们很少能吟诵出“带月荷锄归”的悠闲辞章，很少能感受“汗滴禾下土”的辛劳苦楚。
科技的演变，让社交变得多元，于是，当下的我们很少再能唱出“对影成三人”的独处情怀，很少能理解“执子之手，与子偕老”的至情专一。正如木心先生所说：“从前的日色变得慢，车、马、邮件都慢，一生只够爱一个人。”
科技带给我们便利、快捷的同时，也将我们原本质朴、美好的那份生活味道、人文的情怀稀释很多！因此，让科技拥有人文的情怀，回归如璞玉般的美好生活，才是正途。我国古代，那些璨如星辰的科技巨擘，无一不是既有科技头脑又有人文情怀。
东汉“科圣”张衡，“通五经，贯六艺，拟作《二京赋》，精思傅会，”文采斐然。但同时，他又“善机巧，尤致思于天文阴阳历算”，发明浑天和地动两仪器，且着有多部科学着作。
张衡的科技发明，就是插上了人文情怀的翅膀，才飞的更高更远！众所周知，伟大的物理学家爱因斯坦，不仅拥有超人的科学头脑，还同时有极高的音乐修养，他擅长钢琴和小提琴演奏。他曾坦言，是音乐这位欢乐女神为他驱散了忧郁和喧嚣，驱走了混乱和邪-恶。
是音乐让科学更美丽与和-谐。无独有偶，我国着名科学家钱学森也曾说过：“在我对一件工作遇到困难而百思不得其解的时候，往往是蒋英的歌声使我豁然开朗，得到启示。
我钱学森要强调的一点，就是文艺与科技的相互作用。”
可以窥见，古往今来，科学和人文，从来都是人类发展中相辅相成，不可或缺的两大重要力量。如果人类是飞翔的鸟儿，那么科技和人文就是一对，彼此依托的翅膀，缺了谁，都会产生不可预料的后果！唯有科技的理性，人类会变得坚硬、冷漠、可憎；唯有人文的欢乐，人类会变得软弱、迷乱、醉生梦死。
让科技拥有人文情怀，人类才会走得更远、更久、更好！放下手机，拿起书籍，在翰墨馨香、书册函影中，与智慧交流；关掉空调，走出户外，在春花秋月、夏雨冬雪中，与自然对话；停驻汽车，迈出脚步，在山川河流、花草树木中，与大地亲近，。
“滴滴滴”偌大的实验室中，一位科学家正全神贯注得对着冰冷的机器计算，这位伟大的科学家立志要在如今这个人工智能高度发达的时代，研发出最伟大的人工智能。
“呼”长吁一口气，完成一天的工作后，科学家躺在沙发上，享受着机器人的 *** ，渐渐进入了梦中。不知睡了多久，科学家徐徐起来，揉了揉隐隐作痛的头，这位科学家总算决定放松一下，便换了一身行头，无所事事地漫步在街头。
大街上，四周的建筑很干净，毒辣的阳光照在地上，显得格外刺眼。城市的上空一只鸟也没有，显得死气沉沉，科学家有点受不了这样压抑的气氛，便转身走进了一家餐厅。
餐厅也很干净，周围的人们有说有笑，大厅中央的机器人一直保持着人性化的微笑，尽管显得有些僵硬。但不得不说，这里的环境真的很好——端菜的机器人在给你上菜之后还会有礼貌的鞠个躬；地上如果弄脏了很快就会有机器人打扫，甚至连你走路的时候又能听到一个声音一字一顿地提醒您：“小——心——路——滑.”如此贴心的服务，这么高的效率，不久之后这个世界的人们应该都能享受到如此优越的生活条件，科学家这样想这，嘴角都不知不觉得翘了起来。
正当科学家惬意的享受这个美好的时刻时，外面一个看上去瘦弱的身影引起了他的注意。一位衣衫有点脏乱的青年正熟练地翻着装食物残渣的桶。
这位科学家有点纳闷，这么年轻的人是遇到了什么困难才沦落到这地步，好奇心驱使这科学家跟着这位青年来到他，不，应该是他们的住处，阴暗的空间中摆放着各种各样的生活用品，墙角还有几张蜘蛛网，空气中弥漫着腐败的气味，这让科学家皱了皱眉。而这时，屋里的人十分好奇的望着这个不请自来的客人，最终还是屋子的主人们率先打破了这种沉默，说：“你也是难民吗？“ ”难民？“对于这个名词，在科学家的记忆中，这是只属于很久很久以前的词，对于现在这个高科技的社会，还会有难民？ ”恩，到我们这儿的全是被i被机器人那些人工智能淘汰的人，我以前在一家餐厅当服务员，结果被机器人淘汰了，后来每一行都有机器人工作，我和许多人都失去了工作， 也没有收入。
“说到这，那人的脸上也露出黯然的神情。 一位中年人补充道：”我曾经是一个老板，后来将自己的财物交给人工智能管理，最后不知怎么，人工智能失去了控制，让我最后破产。
听到了这些，科学家许久无言，独自离开了 站在原地，一动不动地站在原地，双眼有些茫然地眺望远处，这一刻，他对未来和自己的梦想开始迷茫起来：自己还要继续下去吗？自己对人工智能的研究究竟能给多少人带来好处？给多少人带来厄运？不受人类控制的智能最终是会给人来带来毁灭还是新生？。
随着科技的发展社会的进步，新一代信息技术正在着力打造智慧生活，互联网、智能机、液晶电视、空调也逐渐步入了千千万万的家庭。
1977年英国世界上最大的互联网公司的经理预料，将来任何人都不会在自己的家里拥有一台属于自己的计算机。计算机不会被大多数人使用，然而在日新月异发展的现代化社会里不是用电脑这几乎是不可能的，高楼大厦里职员们正使用计算机记录完成上级布置的任务；漫画家打好画稿在用计算机进行扫描、上色；学校里每一间教室都放置一台，老师则利用计算机为学生讲解课文；打印店里一台台计算机正忙碌的工作着。
然而那位经理怎么也想不到将近半个世纪的今天计算机已经在我们的生活中起着不可代替的作用，也从原来笨重的以至于塞满一整个房间的机器到如今教科书厚的液晶。展望未来。
未来，一个抽象的代名词——触摸不到，感受不到。每个人都有美好的畅想，我畅想畅想着城市美好的未来。
城市的美好，必然少不了那一片霓虹灯。繁华的夜景，热闹的人市。
那繁荣景象的背后又是什么呢？是一片黑暗吗？不，至少有盏明灯。是那些流浪者的家吗？不，至少有间草屋。
光明固然美好，黑暗也将会被无数明灯所点亮。我畅想，畅想城市那份恬静。
当人们迎着朝阳开始一天的工作时，他们的心情是平静而喜悦的。此时，自行车已成“古董”，人们只能在博物馆才能见到。
在宽阔、现代化的立交桥上，一辆辆高级轿车来回穿梭。在居民小区里，物业管理是机器人，二十四小时服务。
工作的地方没有了原来的狭隘，不再只是人手一台电脑埋头工作，而是两三个人一个办公室，摄像头、监视器什么的都不在有，人们诚实守信、勤勤恳恳。工厂是机器人工作的岗位。
我们把美好的梦想层层堆砌，让高瞻远瞩的目光投向时代的前沿，审视昨天，展望未来，沿着金光大道，一步一步靠近我们心中向往的地方。让我们畅想美好的明天，走向美好的未来！其实幸福。
很难！当黑暗笼罩住了城市，永远没有那一角：有人在打架斗殴。难道这就是美好城市？现在这份重任落下来了，在每个人的肩上，还有我们——新时代的中学生，更落在了我们的笔尖，我们要用笔去描绘未来的城市，画出她最可爱的一面、美丽的一面。
我们的校园里，纸屑很珍贵，因为它从不露面。微笑很普通，因为它洋溢在每个人的脸上。
城市的美好如同筑房子——第一层是文明，第二层是平安，第三层是繁华，第四层是快乐。只有不停地建造，才能盖上它的屋顶——美好。
让我们共同携起手来，建造这幢“美好”的城市。
，研发出最伟大的人工智能。
“呼”长吁一口气，完成一天的工作后，科学家躺在沙发上，享受着机器人的 *** ，渐渐进入了梦中。不知睡了多久，科学家徐徐起来，揉了揉隐隐作痛的头，这位科学家总算决定放松一下，便换了一身行头，无所事事地漫步在街头。
大街上，四周的建筑很干净，毒辣的阳光照在地上，显得格外刺眼。城市的上空一只鸟也没有，显得死气沉沉，科学家有点受不了这样压抑的气氛，便转身走进了一家餐厅。餐厅也很干净，周围的人们有说有笑，大厅中央的机器人一直保持着人性化的微笑，尽管显得有些僵硬。但不得不说，这里的环境真的很好——端菜的机器人在给你上菜之后还会有礼貌的鞠个躬；地上如果弄脏了很快就会有机器人打扫，甚至连你走路的时候又能听到一个声音一字一顿地提醒您：“小——心——路——滑.”如此贴心的服务，这么高的效率，不久之后这个世界的人们应该都能享受到如此优越的生活条件，科学家这样想这，嘴角都不知不觉得翘了起来。
正当科学家惬意的享受这个美好的时刻时，外面一个看上去瘦弱的身影引起了他的注意。一位衣衫有点脏乱的青年正熟练地翻着装食物残渣的桶。这位科学家有点纳闷，这么年轻的人是遇到了什么困难才沦落到这地步，好奇心驱使这科学家跟着这位青年来到他，不，应该是他们的住处，阴暗的空间中摆放着各种各样的生活用品，墙角还有几张蜘蛛网，空气中弥漫着腐败的气味，这让科学家皱了皱眉。而这时，屋里的人十分好奇的望着这个不请自来的客人，最终还是屋子的主人们率先打破了这种沉默，说：“你也是难民吗？“
”难民？“对于这个名词，在科学家的记忆中，这是只属于很久很久以前的词，对于现在这个高科技的社会，还会有难民？
”恩，到我们这儿的全是被i被机器人那些人工智能淘汰的人，我以前在一家餐厅当服务员，结果被机器人淘汰了，后来每一行都有机器人工作，我和许多人都失去了工作， 也没有收入。“说到这，那人的脸上也露出黯然的神情。
一位中年人补充道：”我曾经是一个老板，后来将自己的财物交给人工智能管理，最后不知怎么，人工智能失去了控制，让我最后破产。？
听到了这些，科学家许久无言，独自离开了
站在原地，一动不动地站在原地，双眼有些茫然地眺望远处，这一刻，他对未来和自己的梦想开始迷茫起来：自己还要继续下去吗？自己对人工智能的研究究竟能给多少人带来好处？给多少人带来厄运？不受人类控制的智能最终是会给人来带来毁灭还是新生？
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能来临，有人在担忧失业，有人在憧憬未来，有人在发掘行业机会，也有人在研究围棋。
在讨论这些之前，也许我们应该先考虑一下人类的结局。有人可能觉得谈论这个话题太夸张了，那先回忆一下人类历史上究竟发生了哪些不可思议的事情。
不可思议的事情，需要请几个穿越者来判定。我们请1个出生于公元0年出生的人（汉朝人）穿越到公元1600年（明朝），尽管跨越了1600年，但这个人可能对周围人的生活不会感到太夸张，只不过换了几个王朝，依旧过着面朝黄土背朝天的日子罢了。
但如果请1个1600年的英国人穿越到1850年的英国，看到巨大的钢铁怪物在水上路上跑来跑去，这个人可能直接被吓尿了，这是250年前的人从未想象过的。如果再请1个1850的人穿越到1980年，听说一颗炸弹可以夷平一座城市，这个人可能直接吓傻了，130年前诺贝尔都还没有发明出炸药。
那再请1个1980年的人到现在呢？这个人会不会被吓哭呢？如果35年前的人，几乎完全无法想象互联网时代的生活，那么人类文明进入指数发展的今天，我们怎么能想象35年后的时代？超人工智能，则是35年后的统治者。首先，我们明确一下人工智能的分类：目前主流观点的分类是三种。
弱人工智能：弱人工智能是擅长于单个方面的人工智能。比如阿尔法狗，能够在围棋方面战胜人类，但你要问他李世石和柯洁谁更帅，他就无法回答了。
弱人工智能依赖于计算机强大的运算能力和重复性的逻辑，看似聪明，其实只能做一些精密的体力活。目前在汽车生产线上就有很多是弱人工智能，所以在弱人工智能发展的时代，人类确实会迎来一批失业潮，也会发掘出很多新行业。
强人工智能：人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。
创造强人工智能比创造弱人工智能难得多。网络的网络大脑和微软的小冰，都算是往强人工智能的探索，通过庞大的数据，帮助强人工智能逐渐学习。
强人工智能时代的到来，人类会有很多新的乐趣，也会有很多新的道德观念。超人工智能：各方面都超过人类的人工智能。
超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的存在。当人工智能学会学习和自我纠错之后，会不断加速学习，这个过程可能会产生自我意识，可能不会产生自我意识，唯一可以肯定的是他的能力会得到极大的提高，这其中包括创造能力（阿尔法狗会根据棋手的棋路调整策略就是最浅层的创新体现，普通手机版的围棋，电脑棋路其实就固定的几种）。
我们距离超人工智能时代，到底有多远呢？首先是电脑的运算能力，电脑运算能力每两年就翻一倍，这是有历史数据支撑的。目前人脑的运算能力是10^16 cps，也就是1亿亿次计算每秒。
现在最快的超级计算机，中国的天河二号，其实已经超过这个运算力了。而目前我们普通人买的电脑运算能力只相当于人脑千分之一的水平。
听起来还是弱爆了，但是，按照目前电子设备的发展速度，我们在2025年花5000人民币就可以买到和人脑运算速度抗衡的电脑了。其次是让电脑变得智能，目前有两种尝试让电脑变得智能，一种是做类脑研究。
现在，我们已经能够模拟1毫米长的扁虫的大脑，这个大脑含有302个神经元。人类的大脑有1000亿个神经元，听起来还差很远。
但是要记住指数增长的威力——我们已经能模拟小虫子的大脑了，蚂蚁的大脑也不远了，接着就是老鼠的大脑，到那时模拟人类大脑就不是那么不现实的事情了。另一种是模仿学习过程，让人工智能不断修正。
基于互联网产生的庞大数据，让人工智能不断学习新的东西，并且不断进行自我更正。网络的网络大脑据说目前有4岁的智力，可以进行几段连续的对话，可以根据图片判断一个人的动作。
尽管目前出错的次数依旧很多，但是这种能力的变化是一种质变。在全球最聪明的科学家眼中，强人工智能的出现已经不再是会不会的问题，而是什么时候的问题，2013年，有一个数百位人工智能专家参与的调查 “你预测人类级别的强人工智能什么时候会实现？”结果如下：2030年：42%的回答者认为强人工智能会实现2050年：25%的回答者2070年：20%2070年以后：10%永远不会实现：2%也就是说，超过2/3的科学家的科学家认为2050年前强人工智能就会实现，而只有2%的人认为它永远不会实现。
最关键的是，全球最顶尖的精英正在抛弃互联网，转向人工智能——斯坦福、麻省理工、卡内基梅隆、伯克利四所名校人工智能专业的博士生第一份offer已经可以拿到200-300万美金。这种情况历史上从来没有发生过。
奇点大学（谷歌、美国国家航天航空局以及若干科技界专家联合建立）的校长库兹韦尔则抱有更乐观的估计，他相信电脑会在2029年达成强人工智能，到2045年，进入超人工智能时代。所以，如果你觉得你还能活30、40年的话，那你应该能见证超人工智能的出现。
那么，超人工智能出现，人类的结局究竟是什么？1、灭绝——物种发展的通常规律达成结局1很容易，超人工智能只要忠实地执行原定任务就可以发生，比如我们在创造一个交通指示系统的人工智能的时候，最初的编程设定逻辑为利用大数据。
人工智能来临，有人在担忧失业，有人在憧憬未来，有人在发掘行业机会，也有人在研究围棋。在讨论这些之前，也许我们应该先考虑一下人类的结局。
目前主流观点的分类是三种。
弱人工智能：弱人工智能是擅长于单个方面的人工智能。比如阿尔法狗，能够在围棋方面战胜人类，但你要问他李世石和柯洁谁更帅，他就无法回答了。
弱人工智能依赖于计算机强大的运算能力和重复性的逻辑，看似聪明，其实只能做一些精密的体力活。
目前在汽车生产线上就有很多是弱人工智能，所以在弱人工智能发展的时代，人类确实会迎来一批失业潮，也会发掘出很多新行业。
强人工智能：人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多。
网络的网络大脑和微软的小冰，都算是往强人工智能的探索，通过庞大的数据，帮助强人工智能逐渐学习。
强人工智能时代的到来，人类会有很多新的乐趣，也会有很多新的道德观念。
超人工智能：各方面都超过人类的人工智能。超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的存在。
当人工智能学会学习和自我纠错之后，会不断加速学习，这个过程可能会产生自我意识，可能不会产生自我意识，唯一可以肯定的是他的能力会得到极大的提高，这其中包括创造能力（阿尔法狗会根据棋手的棋路调整策略就是最浅层的创新体现，普通手机版的围棋，电脑棋路其实就固定的几种）。
⑤ 打赢AI争夺战，要靠一张算力网
AI算力是未来国家、城市、企业的核心竞争力。
文丨华商韬略 陈必章
在人工智能时代，AI算力就是电，AI计算中心就是电厂。
电力时代，我们构建了一张“电网”，如今随着国内各地人工智能计算中心的相继落地，我们正在编织一张AI算力网络。
目前，人工智能的发展已提升到国家战略层面，加快人工智能产业发展，保障和提供充沛的AI算力，对于赢在AI时代的国家、城市和企业来说，已经是迫在眉睫的问题。
【没有算力 就像没有电】
最近这段时间，全国很多地方政府和企业领导最闹心的事情什么？
答案可能是两个字：缺电。
但这个闹心的事情还没解决，在全球各国，乃至一国之内的不同地区，又开始面临一个像电力一样，决定国计民生的关键要素。
这个关键要素就是AI算力。
AI算力，顾名思义，就是支撑AI的计算能力。 此处的计算不是加减乘除，而是对世界万物的计算，是万物互联、人工智能之下的高度复杂、无所不在的计算。
不同于传统算力，AI算力为了支撑AI模型的开发、训练和推理，对并行处理能力的要求特别高，也因此需要专门的AI芯片和框架。
比如， 具备强大浮点运算能力的AI芯片，才能够通过训练、持续迭代优化提供满足行业企业智能化转型的高质量AI模型。 复杂模型训练中，需对上千亿个浮点参数进行微调数十万步，需要精细的浮点表达能力。如果没有强大的训练芯片，则难以保障算法模型产出的效率。千亿级中文NLP（自然语言处理）大模型“鹏程·盘古”，面向生物医学领域的“鹏程·神农”平台的发布，都离不开AI芯片的支撑。
再比如，被视为“AI领域操作系统”的AI框架，90%的AI应用是基于AI框架层来开发。在该领域国内 科技 企业已取得重大成果： 业界领先的AI计算框架升思MindSpore，是一款支持端、边、云全场景的深度学习训练推理框架。 除具备自主可控的优势之外，一套框架即可支持AI+科学计算等多样性应用。当前升思MindSpore社区累计下载量超过60万，有超过100家高校选择升思MindSpore进行教学。
正是有了这些AI芯片和AI框架释放出的AI算力，我们才能加速进入万物互联和人工智能时代。
今天，从每个人手里的手机，到企业的云上平台，再到城市大脑……我们的生产和生活越来越依赖于AI，越来越深入向AI获取力量。
对中国来说，AI是从制造大国向制造强国转型升级的关键。 最近多年，众多城市都在努力争夺各种资源提升城市的发展力和竞争力，而AI算力就是未来发展最重要的“资源”。
在人工智能的世界，没有AI算力，就像没有电。
AI算力已渗入到我们生活和生产的方方面面，以大家较为熟悉的医院药房取药为例：
拿到处方药单，在药房前排队等候，由医务人员拿着处方照单分药，这种漫长的等待和焦虑，很多人都有切身体会。现在，已经有企业开发出利用人工智能技术进行全自动补发药品的机器人，用到了3D视觉定位、机器人智能抓取、智能视觉复核技术，能够确保100%补药准确率，而且效率也更高，发药速度可以达到每小时2500盒，8秒钟就可以处理一个订单。在药品发放过程中，系统可以自主调度搬运药品，不需要人工的干预。
它带来的最直观的改变，就是可以把药品分拣的时间从原来的50秒缩短到3秒，患者只需要一分钟就能取到药品。
这个过程中，怎么识别处方单，怎么准确分拣并发放药品？要实现这些功能就得看这个机器人使用的AI系统能算得有多快、多好、多准，这就是AI算力。
【要有电 就得有电厂和电网】
AI算力如此重要，但很多企业缺乏足够的资金来搭建自己的AI算力。那AI算力需求该如何被满足，国家、城市又该如何提供足够的AI算力支持，推动AI产业发展并赢得AI时代的竞争力呢？答案是， 要让AI算力成为公共资源，配套建立新型基础设施。
这种新型的算力基础设施就是人工智能计算中心，用回电气时代的比喻，那就是要建电厂和电网。
首先是，加快人工智能计算中心的建设。
人工智能计算中心，是以基于人工智能芯片构建的人工智能计算机集群为基础，涵盖了基建基础设施、硬件基础设施和软件基础设施的完整系统，其核心功能就是，提供从底层芯片算力释放到顶层应用使能的人工智能全栈能力，也就是输出AI算力。
人工智能计算中心除了是提供公共算力服务的平台，还同时应该是应用创新的孵化平台、产业聚合发展平台和科研创新人才培养平台。只有同时扮演好这些角色，才能打通“政产学研用”，集中最多的力量，形成产业汇聚力并提升AI竞争力。
目前，全世界都在加快人工智能计算中心建设。尤其是美国，它一方面千方百计地打压其它国家的发展，一方面则大手笔投入加强本国人工智能的发展，拜登政府更一度公布了3000亿美元的投资计划，捍卫美国在人工智能领域的领先地位，而其中很重要的投入，就是加强数据中心和智算中心的新基建。
中国当然不会轻易错过人工智能产业发展带来的机遇。早在2017年，国务院就发布了《新一代人工智能发展规划》，并强调要“建设高效能的计算基础设施”。去年疫情期间，中央进一步明确提出新基建战略，而加强数据中心和人工智能计算中心建设，则是整个新基建的重中之重。
因为，没有强大的算力，以数字化为着眼点的新基建七大领域几乎都无法实现其建设目标。
国家战略指引，市场前景召唤，甚至经济转型升级的压力下，诸多地方政府都已积极行动，牵头人工智能计算中心建设，并以此为基础提升本地算力水平，构筑数字时代的核心竞争力。
今年5月31日， 科技 部批复的15个国家人工智能创新发展试验区中，武汉的人工智能计算中心已率先竣工并投入运营；西安未来人工智能计算中心也已经上线，其它省市的人工智能计算中心建设也陆续规划中。
武汉人工智能计算中心投运以后，为武汉乃至湖北地区的经济发展、科研创新、企业转型等提供了算力支撑。
比如，武汉大学基于武汉人工智能计算中心打造了全球首个遥感专用框架武汉.LuojiaNet，针对“大幅面、多通道”遥感影像，在整图分析和数据集极简读取处理等方面实现了重大突破。
再比如，中科院自动化所利用该中心的算力支持，研发了全球首个视频生成多模态大模型——紫东.太初。作为业内首个千亿级三模态大模型，紫东.太初的视频理解与描述性能已做到全球第一，不仅具有多任务联合学习能力，还能通过学习实现AI化的图文搜索，以及音频、短视频、MV制作，极大缩短音视频的创造时间。
9月份，西北地区第一个人工智能计算中心落子西北重镇西安市，一期规划具备300P AI算力的西安未来人工智能计算中心，基于升腾AI基础软硬件平台建设，将提供精准可靠的模型训练及推理。
西安未来人工智能计算中心，已经签约了西安电子 科技 大学遥感项目、西北工业大学语音大模型项目、陕西师范大学“MindSpore研究室”多个项目，在支撑西安“6+5+6+1”现代产业体系发展的同时，也会强化西安乃至整个西北地区的人工智能产业集群，为西北地区人工智能产业的发展提供算力支持。
刚刚上线的西安未来人工智能计算中心，算力使用率已快接近满负荷状态。当地各行业企业、科研机构、高校对于算力的渴求可见一斑。
其次，高效利用人工智能计算中心的算力资源。
当越来越多人工智能计算中心建成、投运，如何让它们的算力更高效并服务到更多的行业和企业？如何避免各地算力分布不均衡、使用效率不一致的情况？如何让没有规划建设人工智能计算中心的地方，也能享受到AI算力的使能？人工智能计算中心之间的互联、协同、共享，成为需要各界考虑的一个问题。
这就需要人工智能算力网络了，就像电网之于电厂和用电对象。
有了算力网络，我们就能将分布在各地的人工智能计算中心节点连接起来，动态实时根据算力资源状态和需求，实现统筹分配和调度计算任务，构成全国范围内的感知、分配、调度人工智能中心的算力网络，然后在此基础上汇聚和共享算力、数据、算法资源。
最重要的是，有了这张网，更多的行业和企业，就能像现在用电一样使用AI算力了。
那么，算力网络这张网还会给整个人工智能行业有哪些作用呢？
首先是算力的汇聚， 就是把不同地区、不同城市的算力资源高速互联，实现跨节点之间的算力合理调度，资源弹性分配，这有利于提升各个人工智能计算中心的利用率，实现对于整体能耗的节省，后续可支持跨节点分布学习，为大模型的研究提供超级算力。
其次是数据的汇聚， 政府牵头与各行业企业合作，在达成人工智能领域的公共数据开放之后，可依托人工智能计算中心汇聚高质量的开源、开放的人工智能数据集，能够促进人工智能领域的算法开发和行业落地。
最后是生态的汇聚， 各个人工智能计算中心之间，统一互联标准、应用接口标准，实现网络内大模型能力开放与应用创新成果共享，强化跨区域科研和产业协作，为全国范围用户进行人工智能应用创新提供更多的资源选择和更便捷的合作方式，加速产业聚合，激活产业共融共生。
简单总结算力网络，就是汇聚大数据+大算力，使能大模型和重大科研创新，孵化新应用。进而实现算力网络化，降低算力成本，提升计算能效。
科技 部在三年行动规划中指出，要“布局若干人工智能计算中心，形成广域协同的人工智能平台”。在这一规划的指引下，人工智能计算中心陆续在许多城市落地。就在刚刚结束的HC2021上，20多个人工智能计算中心建设城市联合点亮了“人工智能算力网络”。
这张人工智能行业的算力网络，已经开始编织构建。
【AI算力建设 不是从长计议而是迫在眉睫】
2020年，麻省理工学院计算机科学家、并行计算先驱Charles Leiserson在《科学》杂志上撰文指出：
深度学习正逼近现有芯片的算力极限。
事实上，过去十年，人类最好的AI算法对算力的需求几乎增长了100万倍，平均每3.4个月翻一倍。
相比之下，全球AI算力的增长却十分有限。
需求与供给之间的巨大鸿沟，促使各国政府，尤其是中、美、欧、日等AI技术领先的地区大力建设AI算力。
没有强大AI算力，一个国家或地区必然在未来的 科技 竞争中处于劣势。
从当前算力基础设施建设进度来看，深圳、武汉、西安等城市均已建成人工智能计算中心并投入运营，成都、河南等城市正在建设中，北京、南京、上海等地的人工智能计算中心加速建设，也是蓄势待发。
未来，一旦人工智能计算中心全部建成，并组成人工智能算力网络，不但将为 社会 提供跨地域、源源不断的超级算力。而且，还能够实现跨区域的科研和产业协作，使能大模型和重大科研创新，为千行百业孵化新应用。
最终，使得人工智能赋能更多的行业和场景，让我们在未来国家之间的产业和 科技 竞争中立于不败之地。
——END——
版权所有，禁止私自转载！