日前，第二十六屆中國北京國際科技產(chǎn)業(yè)博覽會在北京國家會議中心成功舉辦。IBM 副總裁、大中華區(qū)首席技術(shù)官謝東先生應(yīng)邀出席，并針對“企業(yè)人工智能的基礎(chǔ)設(shè)施”的重要性、以及企業(yè)如何規(guī)劃、建立人工智能時代的基礎(chǔ)設(shè)施，提出了切實(shí)可行的觀點(diǎn)和建議。以下是他的演講內(nèi)容節(jié)選：
IBM 全球副總裁、IBM 大中華區(qū)首席技術(shù)官 謝東(圖片來源：第二十六屆中國北京國際科技產(chǎn)業(yè)博覽會)
大家好，我今天給大家分享的題目跟人工智能相關(guān)，就是“企業(yè)人工智能的基礎(chǔ)設(shè)施”。談到人工智能的時候，經(jīng)常會聽到談大模型、談應(yīng)用，我想從另外一個切入點(diǎn)來談，就是基礎(chǔ)設(shè)施。
人類歷史上，每一次工業(yè)革命的背后，基礎(chǔ)設(shè)施都起著極大的促進(jìn)作用。蒸汽時代鐵路連接起來，電力時代電網(wǎng)把社會、家庭聯(lián)系起來，互聯(lián)網(wǎng)更不用說，數(shù)字化以后人與人之間互聯(lián)互通起來?；ヂ?lián)網(wǎng)時代基礎(chǔ)設(shè)施是什么?是數(shù)據(jù)中心、是互聯(lián)網(wǎng)、是各種移動互聯(lián)等等。
對于 IT、對于整個人工智能，基礎(chǔ)設(shè)施也是非常重要的。談到 AI 的基礎(chǔ)設(shè)施，第一個想到的是算力，其實(shí)還有更多方面。當(dāng)企業(yè)建立自己的人工智能時，會依托很多基礎(chǔ)的大模型，把生成式人工智能能力跟企業(yè)自身數(shù)據(jù)緊緊綁定，創(chuàng)造出新的洞察，并且把這些生成式人工智能的能力跟企業(yè)流程緊密結(jié)合，從而轉(zhuǎn)化為更大的生產(chǎn)力，企業(yè)才能在競爭中，處于有利的先導(dǎo)地位。
企業(yè)建立人工智能基礎(chǔ)設(shè)施時，會涉及到哪些需求和挑戰(zhàn)?
這個挑戰(zhàn)來自于大模型參數(shù)，至少這兩年大模型參數(shù)是以前百倍的增長，數(shù)據(jù)量也更多了，至少 10倍以上。不僅驅(qū)動這些人工智能應(yīng)用時要有很多數(shù)據(jù)，并且過程中產(chǎn)生生成式人工智能，生成了很多數(shù)據(jù)，這些數(shù)據(jù)都是需要來處理的。再有，由于現(xiàn)在人工智能特別是生成式人工智能帶來很多交互上的應(yīng)用，對吞吐量有極大需求，至少有 7倍接近 10倍的增長。有了這么多性能上的需求，由于模型大、數(shù)據(jù)多，甚至很多時候數(shù)據(jù)是分布式的，導(dǎo)致在應(yīng)用中，很多情況下直接造成了技能急劇下降，再一個是能耗太大，還有安全威脅，都是企業(yè)部署人工智能時需要考慮的因素。
企業(yè)知道基礎(chǔ)設(shè)施很重要，如何來規(guī)劃?
首先考慮 GPU 資源到底怎么來分配，算力如何。我們知道它很大，是自己構(gòu)建算力資源還是利用公有云或者算力服務(wù)來服務(wù)，這是需要考慮的。
第二，企業(yè)實(shí)施肯定是分步的，一開始一兩個應(yīng)用，后面可能很多應(yīng)用，不止需要一個大模型，還需要很多小模型配合應(yīng)用，應(yīng)用時需要很靈活、更有彈性的部署。
第三，存儲。對于企業(yè)來說有很多不同節(jié)點(diǎn)、不同形式的數(shù)據(jù)，并且使用過程中也生成了很多數(shù)據(jù)，這時候數(shù)據(jù)需要一個動態(tài)存儲方案，需要使用靈活，具有經(jīng)濟(jì)效益。
第四，安全考慮，使用過程中關(guān)鍵數(shù)據(jù)需要保護(hù)，也需要跟其他應(yīng)用隔離，甚至還需要一些安全加密等等。這些都是資源上的考慮。
通常構(gòu)建強(qiáng)大的 AI 基礎(chǔ)設(shè)施需要六個步驟：
一是定義預(yù)算和目標(biāo)。企業(yè)運(yùn)用人工智能是有目標(biāo)的，這個目標(biāo)簡單說是為業(yè)務(wù)增長服務(wù)，不是用的時候要建一個多大模型，而是直接把 AI 能力更好地用到企業(yè)業(yè)務(wù)中去，解決企業(yè)的問題，定直接目標(biāo)，根據(jù)預(yù)算進(jìn)行基礎(chǔ)設(shè)施規(guī)劃。
二是選擇合適的硬件和軟件。比如整個硬件加速平臺怎么選擇，數(shù)據(jù)平臺、AI 平臺如何部署等等。
三是尋找合適的網(wǎng)絡(luò)解決方案。這是在企業(yè)部署中容易被忽視的問題，光考慮到算力、考慮到數(shù)據(jù)，沒有及時的部署合適的網(wǎng)絡(luò)，有的甚至出現(xiàn)了由于網(wǎng)絡(luò)脫節(jié)導(dǎo)致整個系統(tǒng)性能跟不上要求。
四是決定使用云端還是本地解決方案部署。兩種方案各有利弊。云上有更好的伸縮性，需要的時候獲得很大算力和很大存儲，彈性管理。很多企業(yè)需要本地方案是什么原因?是出于安全考慮和研發(fā)過程中靈活應(yīng)用的考慮。
五是建立合規(guī)措施。不管是數(shù)據(jù)、模型選擇還是部署，要符合合規(guī)監(jiān)管要求。
六是實(shí)施和維護(hù)你的解決方案，需要蠻大運(yùn)維工作支持，才能更好地支持企業(yè)人工智能的應(yīng)用，以及長期可持續(xù)的應(yīng)用發(fā)展。
這是 IBM 設(shè)計(jì)企業(yè)人工智能基礎(chǔ)架構(gòu)時的一些理念(下圖)。第一是混合環(huán)境。所謂混合環(huán)境是和混合云技術(shù)相結(jié)合，使得你在部署的時候，既可以跟本地處理方案整合，也可以跟云端方案相整合，靈活的部署資源。二是可擴(kuò)展，IBM 跟紅帽技術(shù)相結(jié)合，建立在 OpenShift 上，使得這些方案、這些應(yīng)用在本地也好、私有云也好、公有云也好，可以靈活地遷移。三是高性能，這些是企業(yè)的應(yīng)用，無論是面向個人消費(fèi)者，還有面向企業(yè)客戶，對響應(yīng)和可靠性，都有著嚴(yán)格的、更高的要求，我們這里有更多的設(shè)計(jì)。四是可信，更強(qiáng)調(diào)可靠性，保證整個設(shè)施的可靠性以及維護(hù)管理上的安全可靠。
建設(shè)基礎(chǔ)設(shè)施絕不是一刀切，要根據(jù)企業(yè)不同任務(wù)和需求來進(jìn)行部署。舉例而言，我們在主機(jī)也好、Power 服務(wù)器也好，它們服務(wù)的很多都是企業(yè)的核心應(yīng)用，這些核心應(yīng)用都是處理一些高頻交易、高性能計(jì)算等，對 AI 的應(yīng)用具有很高的要求。第一是吞吐量極其大，要實(shí)時響應(yīng)，同時要數(shù)據(jù)安全，很多場合是不允許數(shù)據(jù)脫離開主機(jī)運(yùn)行環(huán)境的，這時候把我們嵌入式的加速器換入到服務(wù)器中，使得它能夠更好地適應(yīng)這樣的需求。再有是存儲，存儲在 AI 環(huán)境下也有不同需求，其中最典型的一點(diǎn)是如何把數(shù)據(jù)最快、最及時的推到 GPU 上，我們知道 GPU 是很貴的，一定不能讓它閑置，就要制定很快、很節(jié)能、很有效的方案?，F(xiàn)在很多互聯(lián)網(wǎng)大廠用 IBM 這些高效存儲方案，來支持它的大模型應(yīng)用。
光有硬件平臺也不全夠，IBM 還提供 watsonx 平臺，跟整個基礎(chǔ)架構(gòu)互相配合。watsonx 是 IBM 在整個企業(yè)方案里面的基礎(chǔ)平臺，有三個部分：全面支持企業(yè)打造 AI 平臺，包括 watsonx.ai，進(jìn)行模型訓(xùn)練、驗(yàn)證、調(diào)優(yōu)和部署等等，整個 AI 模型全周期管理。再有是數(shù)據(jù)，watsonx.data 就是來負(fù)責(zé)整個企業(yè)中數(shù)據(jù)的管理、部署、優(yōu)化等;很多治理方面的工作，由 watsonx.governance 來保證，有了這樣一個平臺的支持，就使得在 AI 模型也好，數(shù)據(jù)也好，治理方面也好，都可以在我們基礎(chǔ)架構(gòu)的支持下互相緊密的配合，支持企業(yè)在人工智能方面有一個長期健康發(fā)展的依托。
IBM 通過技術(shù)、產(chǎn)品和方案全方位為企業(yè)用戶打造 AI 基礎(chǔ)設(shè)施和方案。在人工智能時代，一定需要好的基礎(chǔ)設(shè)施進(jìn)行支持，IBM 在這里有很多技術(shù)戰(zhàn)略服務(wù)，愿意和很多客戶一起深度合作，共同推動人工智能長期健康發(fā)展，謝謝大家。
（來源：IBM中國）
