經過十年，人們對 AI 的認識逐漸清晰。正如前不久谷歌的工作人員聲稱 AI 聊天程式 LaMDA 擁有了意識，很快就被認為並不成立。
AI 的存在，並非為了是挑戰人類，而是為了提供工具、最佳化流程、提供效率。
就在上週，DeepMind 釋出了最新的蛋白質結構資料庫：超過 2 億個蛋白質結構，這幾乎涵蓋了科學界所有已知的有編目的蛋白質。AlphaFold 是 AI 為生物學研究提供的強大工具。有了 AI 的助力，生物學家能夠花更多精力研究蛋白質的功能，而非測量結構。
技術發展是一個疊加的程序。
AI 也需要這樣，進入具體領域，發生對話，實現其技術價值。以怎樣的形式讓交流發生，也是經歷了上一階段的 AI 創業公司需要思考的議題。而對於想應用新技術的公司，又面對需要跨越的學習門檻。
對於單個企業而言，搭建硬體、除錯演算法從頭做起不切實際。如何將需求落實為技術方案，再運用技術方案實現管理？將這個問題給到 AI 技術提供方，思考又會拆分為許多層，場景匹配演算法、演算法接入框架、晶片支援算力。
商湯正在探索的解法是「AI 基礎設施」，將不同層的技術層集中建設、按需要調配，降低使用門檻和成本。「需要推動整個的生產方式，從手工作坊向工業化量產去邁進。」商湯聯合創始人與大裝置首席科學家林達華說。「AI 大裝置」，也是商湯對軟硬一體大型通用型基礎設施的稱呼。
2022 年初，坐落在上海的「商湯科技人工智慧中心」啟動運營。第二個城市級 AI 基礎設施，商湯來到了山東。七月底，「2022 中國算力大會」在山東省濟南市召開，於「中國北方 AI 算力創新中心」正式啟動。算力大會上，商湯與山東省淄博市政府一起討論如何用「AI 基礎設施」更好地助力城市的數字化升級。
01「數字化」的下一步，與 AI 的下一步
當這個「數字化」的概念展開，是 AI 進入具體的產業場景，看到的複雜需求。
在改革開放之後，中國用極短的時間完成了城市化。大刀闊斧的歷史程序告一段落，經濟模式升級的需求持續存在，必然需要尋找新的方式。山東也在最近這幾年發力，去年的資訊科技產業營收突破 1。2 萬億元，數字經濟規模總量排到了全國第三。在數字經濟建設上，明確了十四五期間資料中心建設規劃，加快提升資料與算力基礎設施服務能力。
當一個省要實現數字經濟的發展突破，AI 恰是能夠為各行各業提供「工具」與「引擎」的技術。從這個角度而言，商湯進入山東，也是技術發展與城市化程序的交匯。
商湯在去年底上市，成為 AI 第一股。轉年初 1 月，位於上海臨港的人工智慧計算中心（AIDC）啟動運營。AIDC 集合了 2 萬多塊 GPU，支援每秒 3。74 百億億次的浮點算力，能夠支援數 10000 億引數模型完整訓練。是目前亞洲最大的人工智慧計算中心之一。為什麼作為一家軟體為核心能力的公司，會建立這樣一個大規模的基礎設施？這便要從人工智慧目前的發展階段去理解。
三次人工智慧浪潮以來，最近十年是 AI 第一次走出實驗室，進入大千世界的各種場景。
現實世界總是充滿不曾被注意的細節。
商湯 AI 大裝置事業群總裁楊帆形容。「隨著人工發展走入深水區，將面臨一個很大的挑戰：今天的 AI 解決一個問題，自身所花費的成本和代價，可能比帶來的好處還要大。」而商業化，則必須要降低成本。AI 發展至今，從硬體到軟體、框架、模型，也有一套隨之發展的技術體系，軟體能力也依靠整個技術生態而實現。
位於上海臨港的商湯科技人工智慧計算中心
商湯建立大型 AI 基礎設施，便是將發展至今技術體系中不同的資源集中在一起，在面對具體的需求時，不必從頭造輪子，快速調取合適的資源，簡單調整後適配。「我們建設了從資料準備、模型訓練到模型部署全鏈條的技術平臺。」林達華表示。
以資料標註為例，高質量標註的資料，能夠成為生產資料，訓練出優異的模型。在人工智慧產業初期，資料標註更依靠人工，隨著產業發展，高成本、低效率的人工必然需要減少。目前，在商湯自建的資料平臺上，已經整合上百個提供自動標註方案的 AI 模型。比起一般的資料標註服務，效率提升超過 60%。
02 為演算法應用降低成本
當人工智慧進入到行業，會發現生產鏈條非常長，並且場景多樣化。
林達華形容，「我們遇到很多長尾場景，響應每個具體需求的時候，成本和代價都是非常高的。因此要讓人工智慧成為未來整個國民經濟發展的根本。需要突破新的紅線，就是成本紅線。」
想更加靈活、低成本應對不同場景需求，商湯選擇將生產過程劃分為兩個階段。在第一個階段，依靠大規模算力，匯聚來自不同場景不同任務的資料，訓練出一個基礎模型。在這個基礎模型之上，再去迴應更細分的具體需求。於是在第二階段，只需要少量的資料、輕量的計算，就能夠應對需求。這使得處理單個案例的成本下降。
衝壓生產線線上自動檢測
在青島，商湯和一汽解放一起開發了「5G+AI」的衝壓件表面質量線上檢測。在衝壓自動生產線的最後一環，用相機拍照，對沖壓件板材的質量和尺寸進行識別和檢測。衝壓工藝是汽車製造環節之一，是人員密集型產線。以前依靠人工檢測，缺陷檢出率較低。使用 AI 檢測之後，大大提升了檢測效率。
這個功能依靠商湯 AIDC 提供算力支援，利用商湯深泉演算法訓練平臺。深泉演算法訓練平臺是專為工業製造領域的打造智慧模型生產平臺，承接來自各種場景的業務需求。深泉平臺能夠提供模型的自動訓練，還能模型進行評估、迭代，從而篩選出最佳模型自動完成部署，供使用者進行呼叫。它存在的目的，就是幫助工業製造行業的客戶降低研發門檻。
「一個成功的人工智慧基礎設施，除了基礎的一些儲存算力外，額外有兩個點：低成本門檻、低技術門檻，換句話說就是用的起和得會用。」商湯科技副總經理楊松在圓桌討論時說。
在工業製造領域，依託演算法訓練平臺，商湯在青島也與其它工廠一起開發了多種應用。在海爾工廠中，商湯透過應用 5G+AI+MEC 識別技術，對進入工廠的車輛、裝置等進行智慧識別與管理，防止車輛進入生產重地等非行駛區域；在生產線上，商湯也與海爾構建了標準生產管理模型，對生產流程進行檢測和提示，最終使操作和檢驗達到 100% 一致性。
降低 AI 技術使用門檻，也不是僅靠 AI 公司就能夠實現。對於學習成本較高的企業而言，需要有契機與新技術發生交流。AI 真正在場景裡落地，是逐漸發生的過程。商湯表示：我們希望在產業裡面做平臺的整合，跟大家一起去努力讓訓練平臺、推理平臺的整合化更高，把一些底層技術封裝起來。
03 生態的兩端：從設施到人才
在算力大會上，由淄博市政府牽頭的「中國北方 AI 算力創新中心」正式啟動。這是一個城市級的人工智慧底座，對於淄博這座城市而言，是第一個數字經濟的基礎設施。淄博也是全國首批產業轉型升級示範區之一。
如果簡單比喻：算力是生產力，演算法是生產關係，資料是生產資料。若從產業視角來看，算力則屬於高耗能產業。因此選擇集約化的方式建造算力中心，能夠有效利用資源。
林達華表示：建設面向人工智慧場景的高效能的排程系統，帶來了更低的效能損耗，更高的資源利用。集中排程系統，就需要算力平臺作為支撐。AI 算力創新中心，也將扮演支撐者的角色。在城市數字化的過程中，淄博意識到「急需一個統一的 AI 能力中心平臺。」數字化轉型中，往往第一步是感測器等基礎設施搭建。這提供了基礎的資料。下一步，需要有效的資料分析和處理，才是智慧化的開始。
AI 算力創新中心將解決資料的打通和處理問題。林達華舉例說：商湯的技術團隊建設起來了專用面向人工智慧的儲存系統，可以對數以億計甚至百億級的小檔案進行一個隨機的訪問，例如 5 秒鐘就可以讀取完成 3000 多萬輛機動車輛的資訊。
在一個城市建立AI基礎設施，短期來看，能夠解決種種應用需求；長期而言，則是 AI 持續與當地產業交流，這也為產業人才培養提供了重要環境。
目前，商湯與青島職業技術學院共建了青島市人工智慧產教科創實訓基地。
作為和 AI 技術一路成長的企業，商湯也願意與同行者一起做長期的事情。楊松在圓桌討論的尾聲說，「只有 AI 人才數量提升，每個企業才會對自身的數字化轉型和人工智慧建設，有更好的認知；這樣才會有一個總體的解決方案，去看一個具體的行業怎樣去接入到人工智慧企業去。」