域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過
圖靈獎(jiǎng)得主吉姆·格雷曾將科學(xué)技術(shù)發(fā)展史總結(jié)為四個(gè)范式：
第一范式是經(jīng)驗(yàn)證據(jù)，源于對(duì)自然現(xiàn)象的觀察和實(shí)驗(yàn)總結(jié);第二范式是理論科學(xué)，對(duì)自然界某些規(guī)律做出原理性的解釋;第三范式是計(jì)算科學(xué)，通過計(jì)算模型與系統(tǒng)模擬進(jìn)行復(fù)雜過程的科學(xué)研究;第四范式是數(shù)據(jù)科學(xué)，即在實(shí)驗(yàn)觀測(cè)、理論推演、計(jì)算仿真之后數(shù)據(jù)驅(qū)動(dòng)的科學(xué)研究方式。
站在科學(xué)研究的立場(chǎng)上，數(shù)據(jù)驅(qū)動(dòng)的研究分析無疑令人興奮。多尺度復(fù)雜化學(xué)系統(tǒng)模型的建立、引力波的發(fā)現(xiàn)以及人類首張黑洞照片，都屬于第四范式下的典型案例，越來越多的前沿領(lǐng)域由此開啟了“新篇章”。
可對(duì)許多高校來說，數(shù)據(jù)驅(qū)動(dòng)的科教研既是機(jī)遇也是挑戰(zhàn)：“第四范式”對(duì)大算力的需求持續(xù)增長(zhǎng)、對(duì)大數(shù)據(jù)的要求越發(fā)嚴(yán)苛、對(duì)知識(shí)生產(chǎn)的邏輯不斷刷新……而能否針對(duì)新問題給出新答案，將直接影響未來教育的發(fā)展方向。
01 人才培養(yǎng)與算力困局
可能不少人看到過這樣的新聞報(bào)道：中國(guó)人工智能人才缺口超過500萬，但當(dāng)前的供求比例只有1:10。
其實(shí)早在2018年的時(shí)候，教育部就印發(fā)了《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，并逐漸在國(guó)內(nèi)掀起了開設(shè)人工智能專業(yè)的浪潮。到了2020年初，教育部再次印發(fā)了《關(guān)于“雙一流”建設(shè)高校促進(jìn)學(xué)科融合 加快人工智能領(lǐng)域研究生培養(yǎng)的若干意見》，呼吁構(gòu)建基礎(chǔ)理論人才與“人工智能+X”的復(fù)合型人才體系。
據(jù)不完全統(tǒng)計(jì)，國(guó)內(nèi)已經(jīng)有800多所高校開設(shè)了人工智能相關(guān)專業(yè)，逐漸從雙一流高校延伸到了普通本科和高職高專，包括戴爾科技在內(nèi)的企業(yè)相繼和高校聯(lián)合開設(shè)人工智能實(shí)踐落地課程，國(guó)內(nèi)圍繞人工智能人才的培養(yǎng)體系已經(jīng)初步成型。
同時(shí)也出現(xiàn)了一個(gè)新的問題：人工智能不是一門純理論研究的學(xué)科，按照金字塔的形式進(jìn)行梯度劃分的話，理論創(chuàng)新人才的需求并不高，亟需的恰恰是將算法模型轉(zhuǎn)化為工程路徑、將人工智能與落地場(chǎng)景結(jié)合的應(yīng)用型人才。相較于理論研究的教學(xué)方式，人工智能人才培養(yǎng)的焦點(diǎn)在于應(yīng)用實(shí)踐。
然而人工智能落地的第一道關(guān)卡就是算力，算力話語權(quán)的大小某種程度上決定著高校在人工智能前沿研究中的占位，以至于國(guó)外不少高校在算力基礎(chǔ)上進(jìn)行了大量投入，算力規(guī)模幾乎不輸于科技巨頭們。
英國(guó)杜倫大學(xué)的智能NIC環(huán)境超級(jí)計(jì)算機(jī)擁有16個(gè)節(jié)點(diǎn)的計(jì)算集群，配備了戴爾科技的PowerEdge C6525服務(wù)器和NVIDIA ConnectX 智能網(wǎng)絡(luò)適配器(SmartNIC)，極大地提高了大規(guī)模并行代碼的計(jì)算性能;密歇根大學(xué)利用戴爾PowerEdge服務(wù)器搭建了擁有13000核強(qiáng)大動(dòng)力的Great Lakes超級(jí)計(jì)算機(jī)，正在像運(yùn)營(yíng)企業(yè)一樣運(yùn)營(yíng)學(xué)術(shù)超算中心，并且施行了相當(dāng)嚴(yán)格的日常成本控制。
國(guó)內(nèi)同樣意識(shí)到了一些高校所面臨的算力困局。
比如《“十四五”國(guó)家信息化規(guī)劃》在十項(xiàng)重大任務(wù)的第八項(xiàng)“構(gòu)建普惠便捷的數(shù)字民生保障體系”中，明確提出要“提升教育信息化基礎(chǔ)設(shè)施建設(shè)水平，構(gòu)建高質(zhì)量教育支撐體系”，重點(diǎn)從優(yōu)化網(wǎng)絡(luò)基礎(chǔ)設(shè)施和升級(jí)校園基礎(chǔ)設(shè)施兩大方面推進(jìn)，目的正是解決一些高校在算力平臺(tái)上的短板。
02 算力平臺(tái)的中國(guó)方案
和海外高校有所不同的是，國(guó)內(nèi)很多高校需要“惡補(bǔ)”的不只有算力短板，還涉及到教學(xué)實(shí)訓(xùn)、虛擬仿真、科研創(chuàng)新、課程建設(shè)等等。
個(gè)中原因并不難解釋。人工智能的起步可以溯源到1956年的達(dá)特茅斯會(huì)議，即便中間的兩次人工智能浪潮無疾而終，但麻省理工、斯坦福、卡內(nèi)基梅隆等高校紛紛在上世紀(jì)五六十年代創(chuàng)辦了人工智能技術(shù)相關(guān)的實(shí)驗(yàn)室，而國(guó)內(nèi)直到1990年才在清華大學(xué)成立智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室。
何況國(guó)內(nèi)當(dāng)前的人工智能人才缺口中，主要集中在將人工智能落地到產(chǎn)線的數(shù)字化藍(lán)領(lǐng)人才和應(yīng)用人才，也是人工智能專業(yè)不斷向普通本科和高職院校“下沉”的原因。正如教育部副部長(zhǎng)孫堯的公開發(fā)言：“職業(yè)教育要瞄準(zhǔn)數(shù)字時(shí)代的新技術(shù)和產(chǎn)業(yè)變革，大力培養(yǎng)高素質(zhì)技術(shù)技能人才。”
與之相對(duì)應(yīng)的一幕是：戴爾科技在與劍橋大學(xué)、杜倫大學(xué)等高校的合作中，主要集中在服務(wù)器和運(yùn)維層面，在中國(guó)市場(chǎng)則因地制宜推出了面向教育行業(yè)全棧式的AI解決方案，涵蓋基礎(chǔ)架構(gòu)層、平臺(tái)層和應(yīng)用層。
其中基礎(chǔ)架構(gòu)層包括戴爾PowerEdge系列AI計(jì)算服務(wù)器，比如PowerEdge T550塔式服務(wù)器、PowerEdge XE8545機(jī)架式服務(wù)器、全新PowerEdge R750xa機(jī)架式服務(wù)器等等;以及高性能數(shù)據(jù)存儲(chǔ)產(chǎn)品、高速互聯(lián)的數(shù)據(jù)交換網(wǎng)絡(luò)、HPC就緒解決方案等端到端的基礎(chǔ)架構(gòu)解決方案。
值得一提的是，戴爾 PowerEdge 服務(wù)器內(nèi)置 NVIDIA DPU和NVIDIA GPU，可幫助教育行業(yè)提升 AI 工作負(fù)載性能、建立零信任安全基礎(chǔ)，擁有先進(jìn)的 AI 訓(xùn)練、AI 推理、數(shù)據(jù)處理、數(shù)據(jù)科學(xué)和零信任安全能力。
平臺(tái)層包括GPU、FPGA、CPU分布式訓(xùn)練在內(nèi)的計(jì)算資源管理與優(yōu)化庫，TensorFlow、PyTorch等深度學(xué)習(xí)框架，面向GPU的AI就緒解決方案、GPU虛擬化彈性計(jì)算架構(gòu)、GPU動(dòng)態(tài)加速云等服務(wù)。最上層的應(yīng)用層覆蓋了AI+制造、AI+零售、AI+教育、AI+金融、AI+醫(yī)療等主流應(yīng)用場(chǎng)景。
打一個(gè)比方的話，戴爾為教育行業(yè)提供的是一套功能完備的“中央廚房”，高?？梢缘统杀緦⑹巢呐腼兂杉央?，即便是一些人工智能基礎(chǔ)設(shè)施相對(duì)薄弱的高校，也能少走很多的彎路。就像一些企業(yè)花高價(jià)錢購(gòu)買的GPU，卻因?yàn)镮/O瓶頸拖累了整個(gè)AI流程，而全棧式的AI解決方案巧妙地避免了不必要的試錯(cuò)。
03 科教研融合的新范式
畢竟對(duì)于絕大多數(shù)高校而言，在科教研深度融合的背景下，擁抱人工智能的價(jià)值體現(xiàn)不在于過程，而是有怎樣的成果。
或許從時(shí)間上對(duì)比的話，國(guó)內(nèi)高校和人工智能的接觸要晚了許多，可一旦消除了算力基礎(chǔ)設(shè)施的制約，國(guó)內(nèi)龐大的市場(chǎng)體量和人才需求，對(duì)人工智能人才培養(yǎng)的高度重視，正在沉淀出適用于不同層次人才的培養(yǎng)方案。何況一個(gè)接著一個(gè)的實(shí)際落地案例，已然讓外界看到了科教研融合的新范式。
復(fù)旦大學(xué)聯(lián)合戴爾推出了ADAS人工智能實(shí)踐課，面向時(shí)下最為熱門的自動(dòng)駕駛，為學(xué)生提供了一種理論結(jié)合實(shí)踐的學(xué)習(xí)方式：一面是學(xué)校精細(xì)的理論教學(xué)體系，一面是企業(yè)帶來的行業(yè)視野、創(chuàng)新的實(shí)踐和方法論，進(jìn)一步拉近了在校學(xué)生和自動(dòng)駕駛的距離，不再像過去那樣停留在紙面上。
可以找到的例子還有中南大學(xué)的教育可視化平臺(tái)。中南大學(xué)在2020年初啟動(dòng)了線上教學(xué)工作，通過戴爾的PowerEdge服務(wù)器迅速完成了搭載網(wǎng)站、視頻轉(zhuǎn)碼等工作，即使在幾乎滿負(fù)荷運(yùn)行的場(chǎng)景中，依然保持著出色的轉(zhuǎn)碼性能和高穩(wěn)定性，有效提升了中南大學(xué)的線上教學(xué)質(zhì)量。
還有一些高職院校，同樣和戴爾摩擦出了有借鑒價(jià)值的“火花”。哈爾濱職業(yè)技術(shù)學(xué)院利用戴爾Precision工作站，構(gòu)建了面向元宇宙視覺生態(tài)的VR動(dòng)畫制作平臺(tái)，不僅為學(xué)生們打開了VR的新世界，3D動(dòng)畫制作效率提升了2—3倍，動(dòng)畫教學(xué)效率提升了3—4倍。
甚至北京師范大學(xué)第二附屬中學(xué)代表的中學(xué)，都在戴爾科技的賦能范圍內(nèi)。北京師大二附中曾通過1臺(tái)戴爾存儲(chǔ)和4臺(tái)Dell PowerEdge 服務(wù)器構(gòu)建了一個(gè)虛擬化運(yùn)行環(huán)境，并平穩(wěn)運(yùn)行近四年。后來引入戴爾科技的虛擬化方案，并同步升級(jí)服務(wù)器和存儲(chǔ)設(shè)備后，學(xué)校的IT承載能力提升了300%……
隱藏在這些案例背后的，其實(shí)是國(guó)內(nèi)高校的創(chuàng)新與活力，不斷詮釋著算力自由后的種種可能性。隨著戴爾科技全棧式的AI解決方案等大算力平臺(tái)逐步在越來越多的高校落地，勢(shì)必會(huì)呈現(xiàn)出更多讓人眼前一亮的案例。彼時(shí)科教研融合將是一種水到渠成的結(jié)果， “第四范式”帶來的挑戰(zhàn)將切實(shí)轉(zhuǎn)變?yōu)闄C(jī)遇。
04 寫在最后
也許多年后再來審視數(shù)據(jù)驅(qū)動(dòng)的科教研轉(zhuǎn)型，只盯著人才培養(yǎng)可能會(huì)有些“狹隘”。
無論是人工智能的教學(xué)還是科研，都是一個(gè)由淺入深、由慢到快的過程，至少戴爾科技的大算力平臺(tái)，已經(jīng)為教育行業(yè)帶來了“算力加速度”，讓部分高校提前看到了科研教育的新范式。戴爾科技聯(lián)合NVIDIA將為教育行業(yè)提供AI 訓(xùn)練、AI 推理、數(shù)據(jù)處理、數(shù)據(jù)科學(xué)和零信任安全能力。
當(dāng)類似的解決方案越來越多，教育行業(yè)與算力基礎(chǔ)設(shè)施間的鴻溝被逐漸抹平，所激起的連鎖反應(yīng)將遠(yuǎn)超想象。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
