阿里云发布异构计算产品家族，要为人工智能加一把火

数据、算力和算法，这是人工智能发展的三大要素。

近一年来，人工智能迎来了史上第三次热潮。移动互联网时代沉淀下来的大量数据和GPU近几年的快速发展，让学界和业界相信，这人工智能时代真的要来了。现在，公有云厂商要在上面加一点火。

由于人工智能模型训练对算力的要求，原有的通用型CPU架构无法满足，不少企业或科研机构在训练模型的时候会通过采用和主处理器（CPU）不同架构的加速器件（也就是所谓“异构”），如GPU、FPGA、ASIC等器件，提供高密度并行计算的运算能力，非常适合当下的人工智能应用体系。

算力推动了人工智能发展，产业发展也催生了对计算能力的需求，业界专家预测，到2020年，与人工智能相关的计算力需求将会增长12倍。瞄准了这个巨大的需求，公有云厂商开始提供相关产品。

今天（9月12日），阿里云宣布推出全新一代异构加速平台，这是阿里云首次发布一整套异构计算家族，涵盖GPU、FPGA在内等7款异构实例；还有基于阿里云异构平台的全新高性能计算实例E-HPC，可一键部署大型超算集群环境。

针对不同业务场景开不同的“车”

之前，企业如果需要类似的架构来训练深度学习模型，从服务器和GPU的采购、架构的搭建，到软件的授权付费，都要自己完成。据阿里云方面表示，利用阿里云的服务可将深度学习成本缩减一半，降低人工智能计算门槛。

阿里云这次推出的人工智能解决方案，囊括了云服务的各层级（详见下图）。

先说IaaS层提供的服务器层面，跟此前阿里云发布企业级云服务器产品线的总思路类似，便是为不同的计算需求和人工智能业务场景推出不同的实例。

新一代GPU实例GN5i可以将类似场景需求进一步细致化。据阿里云高级技术专家龙欣接受36氪专访时介绍，深度学习模型一般有两个阶段，训练阶段和在线推理阶段，两个阶段对计算力的要求不同，训练阶段处理大量数据，需要服务器有高吞吐量，推理阶段则更需要快速响应用户要求。这就有点像送货，追求大容量可以用卡车，量小但是要求快可以用跑车。

因此，在原有的GPU实例GN5的基础上，阿里云推出了适用于深度学习在线推理阶段的新一代GPU实例GN5i。龙欣介绍，后者采用了专有推理型GPU，英伟达 Pascal架构P4图形处理器，时延最低可达微秒级；另外，GN5i可一键部署TensorFlow、Caffe等主流深度学习框架，提供智能调度、自动运维、实时扩容等服务，降低人工智能在线服务成本50%以上。

除了GPU这类主流的加速器之外，FPGA成了异构计算近些年的新宠。阿里云异构计算负责人张献涛解释，GPU、FPGA和AISC是不同类型的加速器，适用于不同场景，拥有不同的开发难度和市场。

其中，GPU是目前比较主流的通用并行加速器；FPGA是一种可编程的加速器，让开发者自定义加速算法，提供高效灵活场景化并行计算能力，阿里云高级技术专家游亮介绍，FPGA在低位宽场景有明显优势。相比基于GPU的异构计算产品，FPGA更适合金融分析、基因匹配、深度学习和物联网等对业务有快速迭代计算需求的领域。

阿里云2017年初推出了基于英特尔Arria 10芯片的FPGA计算实例，此次发布的F2实例基于赛灵思Xilinx KU115器件。

开发者版的淘宝：IP市场

有趣的是，阿里云针对FPGA特性，推出了一个FPGA镜像市场，这有点像一个FPGA版的应用市场。

由于FPGA的灵活性，开发者在编好一套加速算法之后，其实可以将这套算法输出。传统的售卖方式是，为了避免自己的算法泄漏，开发者需要从上游购买芯片，然后将芯片电路板烧好，最后卖给终端用户。

阿里云的PFGA镜像市场推出后，开发者可以将自己的加速方案算法（IP）放到这个市场上，终端用户如果需要用可以直接从市场购买算法使用权，然后从阿里云购买FPGA芯片。

除了提供一个FPGA版的淘宝之外，阿里云还提供一个弹性的FPGA开发平台。FPGA加速算法的门槛高，技术因素之外，还与其相关开发套件和测试环境的专利授权费高昂有关，后者费用一年可能达到数十万美金，但实际上闲置的时候可能很多，如果阿里云从国外厂商购买版权之后，推出少量使用免费，超量按需求付费模式，降低FPGA IP的开发门槛。

此前，阿里云就推出了类似的镜像市场，当时推出的是Docker镜像市场。总体而言，这套思路很阿里：开个平台，搭好基础设施让你在上面交易，同时平台提供一堆解决方案。听起来是不是很像一套开发者版的淘宝，况且还依靠公有云本身庞大的客户数和生态，似乎是巨头的生意。

不过，据阿里云的几位专家介绍，国内FPGA的生态尚未完善，虽然懂开发的人不少，但目前跟他们合作到PFGA平台上准备上线产品的企业也不到三位数。这个市场还属于一个抢占未来的产品。尽管GPU还是主流，但是包括AWS、微软和谷歌等公有云厂商，都非常看好FPGA的前景。

云人工智能布局进入生态之争

针对传统对高性能计算有强烈需求的高校科研机构和企业用户，阿里云异构计算家族还包含了弹性高性能计算实例E-HPC。

高性能计算又称为又称为并行计算和超级计算，常应用于解决大规模的科学、工程和商业问题，比如气象预报、工程计算、基因分析、油藏探测、量子化学等领域，可以利用该技术模拟核爆炸、分子运动、汽车撞击等场景。据游亮介绍，异构计算其实最开始是用在高性能计算场景中。

从前，如果企业或者科研机构有使用高性能计算的需求，需要到国家超算中心申请、排队。如今随着高性能计算的需求爆发，制药和汽车企业对此需求增长，但并非所有企业都有能力建设一座超算中心。因此，在云上“建立超算中心”的实践在国外已经相对普遍。

E-HPC属于PaaS层的服务，基于异构计算云平台在高性能虚拟化、并行计算和低延迟网络等方面的特性，提供的是高性能计算集群计算能力、调度能力和软件能力，客户可以按需组建自己的“云上超算中心”，并可实现一键部署和弹性伸缩。阿里云称其为中国首个公共云上的HPC as a Service产品，同时提供混合云解决方案。

目前，阿里巴巴集团内部很多业务使用异构计算，比如拍立淘、以图搜图、商品分类等，使用阿里云异构计算的企业客户有数千家，其中包含微博、陌陌、华大基因、中国工程院等。

从阿里云这次发布全套异构计算家族的动作来看，显然他们想传递给开发者的并不是我有不同的ECS这么简单。说到底，异构计算云服务器实例总归是花钱就能买到的东西，趋于同质，公有云厂商能做的是尽量推出最新最高性能的产品，面向不同的场景提供垂直化的方案也是差异化竞争的需要。

除此之外，阿里云还有相应的PaaS层服务，提供相应加速器场景下一键部署、快速研发和弹性伸缩等能力，同时针对人工智能、高性能计算和大数据等业务场景推出了专门的调度平台，以降低企业的使用门槛和运维压力。

同时，阿里云也推出相应的IP交易市场，对接开发者和终端用户。从底层的IaaS到SaaS层的具体解决方案，阿里尝试显然提供一个生态。36氪此前报道就指出，云服务市场将是垂直之争与生态建设，企业对云的需求也更加的垂直化和场景化；同时，未来公有云厂商技术上与其他厂商的差距会逐渐缩小，提供的产品随着市场的成熟也会趋同，因此，要留着客户，也许更重要的是要提供更好的生态和打造自身品牌。

随着产业往人工智能时代越走越深，开发者对相关解决方案的需求也会越来越大，谁在时代初期就抢占“未来”的市场，谁将是赢家。

------------------------------------

本文作者卢晓明，交流可加微信lohiuming，烦请注明姓名、单位及职务。