三年研发投70亿的商汤在下怎样一盘棋( 二 )

从城市管理、企业服务到个人生活，从智慧商业、智慧城市、智慧生活到智能汽车，商汤科技的AI技术正在赋能越来越多的产业， AI也正在成为像水煤电一样的基础设施。
聚焦基础设施的“AI大装置”
能够实现这样的大跨界，主要得益于商汤科技历时7年不断打磨的“AI大装置” 。什么是“AI大装置”？它是商汤科技打造的新型人工智能基础设施——通过整合强大的算力基础和算法能力，它能够对海量数据进行拆解和碰撞，深入挖掘潜在价值，打破认知和应用的边界。
早在2016年，当AI技术走向产业界时，多数行业参与者都倾向于刷脸支付这样流量大、频度高的应用，而在这些企业中商汤科技是首家在2019年将生物识别技术集成到超过1000万人口的地铁售票系统中的AI公司。随着在产业的深入布局，商汤科技也更早意识到，在城市管理中，还存在着像垃圾抛洒、车辆违停、占道经营等大量的长尾场景，虽然是刚需，但迟迟没有得到智能化改造，而大量AI公司都去争夺有限的头部场景。商汤科技联合创始人、首席执行官徐立还曾指出“最核心的一定是要把长尾应用的性能进行突破，才真正形成了价值闭环，这才是人工智能深入到行业最关键的一点。 ”
造成长尾场景得不到突破的原因是，之前的AI落地，大家只能靠项目定制、堆人头的方式，进行单点突破。而这种方式，生产要素的成本大部分是无法降低的，用户为此买单的意愿就会降低。
然而过去几年，在通用问题的刚需驱动下，一些通用语言模型、通用视觉模型，甚至通用多模态模型开始取得突破。只是问题也随之而来，在切换新方案过程中，模型越通用，训练数据就越大，模型参数也越大，对算力的要求也就越高。
为什么不做一种类似物理学里面的粒子对撞机？要知道，在很多的过程当中粒子碰撞的结果是不可预测的，而通过不停的探索尝试，在随机和突变当中，是有可能找出一些真正意义上可解释物理世界的规律的。

文章图片
（图片：商汤AI大装置）
于是， “AI大装置”应运而生。它的本质是让AI落地摆脱人力密集的状态。 AI大装置提供的新范式，探索未知，可以不依赖于人类已经理解的输入来作为输入，可以尝试把更大更多的数据放进来，找出更趋近本质的规律。
这是一个巨大的挑战：训练数据量越大，模型参数也就越多，对算力的要求也就越高。沙利文的报告揭示，随着数据量的快速增加以及算法的愈加复杂，过去10年训练最先进的大型人工智能模型所需的算力已累计增加100万倍。比如2020年OpenAI推出了史上最强的GPT-3语言模型，背后的数据训练量就高达570GB文本、355个GPU年，耗资大概1200万美元。
但这是一场更有价值的冒险。从创始之初贯穿至今、经过7年持续不断的打磨，目前“AI大装置”整体包括三块：算力层（AI芯片及处理卡+AIDC+AI传感器）、平台层（模型生产+训练平台+数据平台）和算法层（算法工具箱+开源框架）。
招股书披露，通过“AI大装置”生产的商用模型数正在快速增加，从2019年的1152个提升到2020年的9673个，截至今年6月，已经累计生产了超过22000个人工智能模型。相较于行业需耗时数周的平均水平，商汤的研发及工程团队可以将开发时长缩短至数小时。 2019年、2020年及2021年上半年，商汤的研发人员每人年均生产的商用模型数量从0.44提高到3.45并继续提高到了5.24个，生产效率大大提升。长远来看，这是推动AI生产要素降低的关键一步。