文章图片
进入2021年后 ， 华为在开源AI生态方面可谓动作频频 。
3月18日 ， 华为 “昇腾众智计划”正式上线 ， 推出了包含MindSpore数据增强算子、MindSpore模型等在内的140个项目需求 ， 涵盖文本、图像、视频、自然语言、目标检测等热门领域 。
有别于传统的项目分包形式 ， 昇腾众智计划的主要对象是企业、高校和科研院所 ， 以项目合作的形式不断丰富昇腾软件生态 ， 项目完成后 ， 将在昇腾开发者社区、MindSpore社区中面向所有开发者开放 。
作为新一轮科技革命和产业变革的驱动引擎 ， 人工智能早已上升为国家战略 ， 成为全社会的共识 。 在这样的背景下 ， 昇腾为何要选择以“众智”的形式加速生态布局？
01 中国AI的B面 在人工智能领域的全球竞赛中 ， 中国已经是“领跑者”的存在 。
根据国际咨询机构IDC的调研 ， 中国以14.1%的算力占比领跑其他国家 ， 也是全球范围内唯二算力占比超过10%的国家 ， 可以说是名符其实的佼佼者 。
伦敦经济学院教授许成钢也在《2020中国人工智能指数报告》中写道：中国的学术论文发表总量仅次于美国 ， 其中期刊发表论文总量和引用总数都在近期超过美国 ， 明显和其他国家拉开了差距 。
然而这些成绩只是中国人工智能产业的A面 ， 需要理性认识的还有B面的短板 。 比如在人工智能的算力领域 ， NVIDIA等公司的GPU仍使用较多的AI算力 ， 中国企业还有不小的差距存在；在人工智能的算法领域 ， Facebook主导的PyTorch、Google主导的TensorFlow依然是最流行的开发框架 。
倘若无法在算力和算法上夯实基础打造生态 ， 即便拥有再高的算力占比、再多数量的论文和专利 ， 中国的人工智能产业都存在“沙中之塔”的风险 。 为何会出现这样的局面？原因有二：
一是国内AI的起步相对较晚 。 以被视为人工智能“操作系统”的深度学习框架为例 ， 国外的一些高校在2013年前后就开始研究 ， Google和Facebook先后在2015年和2017年进行布局 ， 积累了规模庞大的开发者 。 而国内大多数的开源深度学习框架始于2020年 ， 目前多半还处于深耕期 。
二是缺少完善的生态产业链 。 NVIDIA在为自家的GPU适配深度学习框架时 ， 主要的精力集中在PyTorch和TensorFlow；Google和Facebook在开发深度学习框架时 ， 也将NVIDIA等企业的产品作为首选项 。 中国企业主导的算力和框架缺少足够的话语权 ， 相对应的生态产业链也就无从谈起 。
进一步思考 ， 中国人工智能生态所存在的主要问题 ， 都可以归结为人才问题 。 国内并不缺少像昇腾系列AI硬件等中国企业主导的算力的基础设施 ， 也不缺少以MindSpore为代表的优秀深度学习框架 ， 所需要的恰恰是AI开发者生态 。
根据工业和信息化部人才交流中心的报告 ， 目前国内人工智能产业有效人才的缺口高达 30 万 ， 计算机视觉等前沿领域的人才供需比只有 0.09 ， 已经属于极度稀缺程度 。
倘若算上金融、制造等行业所需的应用型人才 ， 国内AI人才的缺口可能有500万的规模 ， 并且将随着人工智能的产业进程逐年增长 。 正是人才层面的庞大缺口 ， 基础软件的薄弱和开发者生态的贫瘠 ， 渐渐成了悬而未决的难题 。
想要消除中国AI的B面 ， 前提是找到培养优秀AI人才的路径 。
02 昇腾的众智牌 华为推出的“昇腾众智计划” ， 会是解决人才短缺的一剂良药吗？
参考华为计算产品线副总裁、昇腾计算业务总裁许映童的观点：昇腾计算产业坚持“硬件开放、软件开源、使能伙伴” ， 希望通过昇腾众智计划汇聚产业界的技术中坚 ， 通力合作 ， 加速丰富昇腾基础软件生态 ， 识别和培养优质人才 ， 加快推动各行业智能化升级 。
“昇腾众智计划”的推出 ， 无疑隐藏了一些“私心” 。
一方面 ， 众智计划的项目主要基于昇腾基础软硬件平台进行 ， 通过国内外优秀开发者的共同参与 ， 迁移或开发围绕昇腾平台的算子、模型、行业参考设计等等 ， 目的是提升昇腾基础软件的能力 ， 进而增强昇腾产品与解决方案的整体竞争力 ， 构建昇腾计算产业生态 。
另一方面 ， 通过“昇腾众智”的开发活动 ， 可以在短时间内聚集一批优秀的开发者 ， 深度参与到昇腾平台的软件开发中 ， 熟悉昇腾平台的开发环境 ， 发现工具、框架等方面所存在的问题 ， 一同参与开源生态的构建 ， 有利于通过实践迅速识别和培养一批优秀的人工智能人才 ， 不失为发展昇腾核心开发者的良机 。
同时需要看到的是 ， “昇腾众智”不只是一种开发模式的创新 ， 也给出了聚集优秀开发者的方法 ， 何尝不是快速弥补AI人才短板的新思路？
比如“昇腾众智”向高校和科研院所抛出了橄榄枝 ， 这都是“智力资源”最大的聚集地 ， 也是培养人工智能人才的主要渠道 。 2018年国内还鲜有高校开设人工智能专业 ， 目前已经有200多所高校开设了相关课程 ， 增长势头可见一斑 。
再比如“众智模式”规避了封闭式开发的低效 ， 也巧妙地克服了传统项目合作的高门槛 ， 将一些轻量级交付的生态部件以众智的形式分发 ， 为潜在的优秀AI人才提供“练兵”的机会 ， 几乎可以说是激活国内稀缺“智力资源”的最佳路径 。
华为此前已经和专家学者合作 ， 联合出版了3本昇腾相关的教材 ， 陆续在国内100余所高校开设昇腾相关课程试点 ， 并基于“智能基座”产教融合协同育人基地 ， 让昇腾成为高校理工科相关专业学生的必备技能 。 “昇腾众智计划”进一步让高校的学生们走出课本和实验室 ， 深度参与到人工智能的应用场景中 ， 无形中打通了人才培养的闭环 。
确切的说 ， “昇腾众智计划”为AI人才培养探明了可行方案：国内并不缺少人工智能的氛围 ， 也不缺少优秀的人才储备 ， 需要的是正确的方法 。
03 点燃星星之火 AI人才培养并不是什么小众话题 ， “昇腾众智计划”到底有何不同？
在回答这个问题之前 ， 先来回顾下较为常见的三类AI人才培养方案：一种是联合教学 ， 企业与高校合作开设一些课程；一种是以赛促学 ， 即以比赛的形式激发学生对AI的兴趣；还有一种是定向培训 ， 以就业为目的培养某个特殊技能 。
以项目合作为基调的“昇腾众智计划” ， 显然是一种深思熟虑的谨慎选择 ， 可以达成有别于传统AI人才培养方案的关键收效：才尽其用与拥抱开源 。
才尽其用：
企业、科研院所和高校对应的是不同的开发项目 ， 比如企业可以将自身的行业经验和人工智能融合 ， 进行一些行业参考设计和模型的项目；科研院所可以借助前沿研究的优势 ， 进行算子、模型等方面进行创新；高校的学生可以参与一些轻量级的项目 ， 甚至是以研究课题的形式加入众智项目 。
在以往的AI人才培养方案中 ， 由于普通高校学生缺少深入研究的基础 ， 被引导的方向常常是应用型人才 ， “昇腾众智计划”给出了新的可能 。
比如以“老师+团队”的方式承接众智项目 ， 老师的作用是对团队成员进行分工 ， 制定可实施的项目方案 ， 学生根据分工攻克不同的课题 。 在这样的合作机制中 ， 学生的空间不再是应用层面 ， 可以提前接触人工智能的核心领域 ， 对技术有着更加深入的理解 ， 对未来的升学或求职都是很大的加分项 。
拥抱开源：
和传统外包模式最大的差异 ， “昇腾众智”的所有项目都是以开放为目的 ， 帮助伙伴和开发者高效使用人工智能能力 。 看似只是昇腾加速自身生态建设的激励计划 ， 其实也在点燃中国AI开源生态的星星之火 。
国内的AI人才不应该只有按部就班的教学 ， 还应该引导学生们拥抱开源文化 ， 在开源的氛围中通过与其他开发者的分享交流 ， 不断扩展自己的认知边界和技术边界 ， 构建“群智协同”的创新模式 。 “昇腾众智计划”在某种程度上也是面向开发者的“召集令” ， 比奖金和荣誉更有价值的 ， 恰恰是为开发者打开开源的大门 。
再来审视“昇腾众智计划”的价值 ， 不单单局限在昇腾生态的层面上 ， 不仅为昇腾生态的丰富找到了一条“捷径” ， 也为培育中国AI的开源文化探索了新的方向 ， 同时为国内AI人才的培养按下了“加速键” 。
04 写在最后 截止到目前 ， “昇腾众智计划” 已有浙江大学、上海交通大学、西安交通大学、中国科学院等超过40所高校和科研机构参与（排名不分先后） ， 超过440位开发者加入众智项目中 ， 预计接下来将有2000多位开发者加入其中 。
【人才|昇腾打出“众智”牌，创新人才培养新范式】可能从体量上来说 ， 目前“昇腾众智计划”的影响还比较有限 ， 但从AI人才培养的维度来看 ， 这是一场不应被低估的尝试：500万人才缺口所背负的不仅仅是一个个空缺的岗位 ， 还有旺盛的AI落地需求无法被满足 ， 在这场和时间赛跑的争夺赛中 ， 我们迫切需要AI人才培养的新范式 。
推荐阅读
- 贺长林|为科创人才开辟更广阔的天地
- 高层次人才|紧盯“科技创新+先进制造” 东莞发布人才新政
- 成长空间|安身、安心、安业 青年科技人才“三大盼”
- 科技人才队伍|中国电信探索科技人才培养结硕果
- 国际|2021国际大数据竞赛收官 百度持续加码AI人才培养
- 竞赛|产学研用正循环 2021国际大数据竞赛汇聚全球优秀人才
- 高素质|徐州工业职院：以赛促教培育高素质技能人才
- 技术|徐州工业职院：以赛促教培育高素质技能人才
- 设备|上海松江积极打造长三角G60科创走廊人才高地
- 布局|百度布局元宇宙，李彦宏：五年内培养500万AI人才