果然，武漢駛上了AI高速路

博雯 明敏?發(fā)自?凹非寺
量子位 報道 | 公眾號 QbitAI

要致富先修路。

在面向智能時代的轉(zhuǎn)型中，武漢深諳此理。

這不，多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟，為此而來。

中科院自動化研究所牽頭，華為、武漢人工智能研究院提供技術(shù)支持。

再看其他聯(lián)盟成員：武漢大學、華中科技大學、中移系統(tǒng)集成、愛奇藝、新華社技術(shù)局……都是產(chǎn)學研各界耳熟能詳?shù)拿帧?/p>

它們聚集在武漢，搞了這個“大合體”的目的也很簡單：

依靠和聯(lián)盟成員的合作，要把多模態(tài)人工智能產(chǎn)業(yè)落地推進到底。

這是一個怎樣的組織？

先從關(guān)鍵詞解題。

“模態(tài)”。這是一個認知領(lǐng)域的概念，指某種信息的來源或形式，或者“某件事情發(fā)生、被感知到的方式”。

人的觸覺、聽覺、視覺、嗅覺，作為信息媒介的語音、視頻、圖像、文字等都可以被稱之為是一種模態(tài)。

“多模態(tài)”一詞則更多出現(xiàn)在計算機科學領(lǐng)域：當一個研究問題或數(shù)據(jù)集包含兩種及其以上的模態(tài)數(shù)據(jù)類型時，它就被描述為多模態(tài)?（Multimodality）。

而通過多模態(tài)進行交互和學習，一度被稱為是“最接近類人腦智能的方式”。

究其原因，還是人腦的感知和認知過程，本質(zhì)也是一個多種感官信息融合處理的過程。

比如，人可以同時利用視覺和聽覺信息理解說話人的情感：

因此，人工智能領(lǐng)域近幾年的一個熱門方向，就是學習不同模態(tài)信息之間的關(guān)聯(lián)，處理和理解多模態(tài)信息。

并且，這些技術(shù)已經(jīng)應用在了我們生活中的各個方面。

比如大家都熟知的自動駕駛技術(shù)，就是基于視覺攝像頭、激光雷達、超聲傳感、地圖等多種模態(tài)的傳感器實現(xiàn)的：

還有一些視頻網(wǎng)站的智能化推薦，也是通過分析視頻封面、視頻抽幀和文本幾個模態(tài)的信息對視頻質(zhì)量進行評估：

此外，通過語音識別和視覺感知理解語義的智能音箱、結(jié)合產(chǎn)品圖像和語義屬性進行推薦的智能客服、融合人臉聲音虹膜等多種信息進行身份識別的安全系統(tǒng)，都是多模態(tài)技術(shù)的體現(xiàn)。

所以多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟會聚集各行各業(yè)的成員，也就再自然不過。

牽頭的中科院自動化研究所，國內(nèi)最早開展類腦智能研究的國立研究機構(gòu)，擁有3個國家級重點平臺和數(shù)十個重點實驗室及研究中心。

今年9月份，中科院自動化研究所在華為全聯(lián)接大會發(fā)布了全球首個三模態(tài)大模型紫東.太初。這一模型擁有千億級別的參數(shù)，能夠跨越視覺-文本-語音三種模態(tài)進行統(tǒng)一編碼。

在今年的兩項AI頂會，ACM Multimedia和ICCV的視頻語義理解與視頻描述賽道中，“紫東.太初”拿下兩項冠軍，在跨模態(tài)理解與生成性能上都展現(xiàn)出了目前業(yè)界的最高水準。

多模態(tài)聯(lián)盟將基于紫東.太初，孵化更多行業(yè)應用，并進一步探索通用人工智能新路徑。

聯(lián)盟的理事長單位是中科院自動化研究所。

另外三位副理事長，也是多模態(tài)領(lǐng)域的重要玩家。

他們分別來自華為、愛奇藝和武漢昇騰人工智能生態(tài)創(chuàng)新中心。

其中，昇騰AI平臺包括Atlas系列硬件、異構(gòu)計算架構(gòu)CANN、全場景AI框架昇思MindSpore、昇騰應用使能MindX以及AI應用使能ModelArts等，為開發(fā)者和企業(yè)高效使用AI能力，創(chuàng)新場景化AI應用，加速千行百業(yè)智能升級，可以說是目前業(yè)界極其領(lǐng)先的全場景AI平臺。

愛奇藝也在多模態(tài)領(lǐng)域深耕多年。

依據(jù)自身的數(shù)據(jù)場景，愛奇藝構(gòu)建了PPC視頻-中文描述的數(shù)據(jù)集，基于這一數(shù)據(jù)集開發(fā)的跨模態(tài)搜索項目能夠通過中文語句搜索視頻中的內(nèi)容。此外，還有能夠基于視頻內(nèi)容自動生成語音解說的視頻-臺詞-描述的跨模態(tài)模型。

此外，與其他AI生態(tài)組織中不同，多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟當中，確實包含了諸多產(chǎn)業(yè)一線力量，通過完整名單，就能明顯感知：

會員單位由湖南省馬欄山計算媒體研究院、依瞳科技（深圳）有限公司、魏橋國科研究院、拓維信息股份有限公司、斗魚、長江計算、武漢大學、華中科技大學、極目智能、武漢微創(chuàng)光電股份有限公司、武漢光庭信息技術(shù)股份有限公司、武漢興圖新科電子股份有限公司、武漢唯理科技有限公司、三峽電能能源管理（湖北）有限公司、普宙飛行器科技（深圳）有限公司、傳神語構(gòu)成。

在成立儀式現(xiàn)場，聯(lián)盟成員也表達了目標和雄心。

希望從各自擅長的領(lǐng)域展開合作，通過這樣一種產(chǎn)業(yè)聚合的模式，解決專用AI走向通用AI的挑戰(zhàn)。

不僅是產(chǎn)學研融合，由于聯(lián)盟成員幾乎涉及到各行各業(yè)，AI創(chuàng)新成果也能及時落地到行業(yè)中，帶來實際價值，并輻射到更廣闊領(lǐng)域。

為什么是現(xiàn)在？為什么是武漢？

實際上，了解了“多模態(tài)”，也就知道并非新事物新概念。

于是問題也就來了——

那為什么多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟的成立，會是現(xiàn)在？聯(lián)盟基石“紫東.太初”是在武漢孵化？

個中緣由，其實包含了三方面。

因為這是在聚集了天時地利人和多方面因素、謀定而后動的一個成果。

首先來看天時——

多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟的成立，是順應AI發(fā)展的大勢所趨的結(jié)果。

現(xiàn)下，AI發(fā)展的最大趨勢是什么？

是從單點技術(shù)走向真正的通用技術(shù)、從單模態(tài)走向多模態(tài)、從大模型走向超大模型。

單一算法的人工智能應用已逐漸不能滿足應用需求，融合計算機視覺、自然語言理解、智能決策多方面能力的通用人工智能，開始大放異彩。

AI處理任務(wù)也不再只是收集單一信息，而是跨越圖像、文字、語音、語義等多種模態(tài)，從中抽象出更高層的特征向量來解決問題。

以此同時，隨著任務(wù)的復雜程度變高，算法模型的規(guī)模也在日漸擴大。

這些趨勢上的變化，在應用層面上也早有顯露。

比如AI最初的商用，在視覺和核驗身份等方面，但現(xiàn)在，衣食住行用方方面面，都開始有AI滲透的影子。

背后原因，正是因為它在不斷向多模態(tài)、通用性上靠攏。

而且這還可能只是開始的開始。

其次，地利，武漢的優(yōu)勢不言而喻。

作為長江經(jīng)濟帶核心城市、中部崛起戰(zhàn)略支點，國家對于武漢科技發(fā)展的重視程度可見一斑。

2020年9月，科技部正式發(fā)文批復，支持武漢建設(shè)國家新一代人工智能創(chuàng)新發(fā)展試驗區(qū)。

不到一年時間，2021年5月31日，武漢人工智能計算中心正式竣工并投入運營，成為科技部批復的18個國家人工智能創(chuàng)新發(fā)展試驗區(qū)中，最早落地的一個。

該人工智能計算中心，基于昇騰AI基礎(chǔ)軟硬件平臺建設(shè)，在原來100P的基礎(chǔ)上已擴容高達200P FLOPS。

什么概念？

要知道，100P FLOPS就可相當于50萬臺電腦加起來的算力，每秒運算次數(shù)達百億億次。

如此強悍的算力，一方面可以支持一個城市來運行許多重大AI項目，比如自動駕駛、智慧交通、智能制造、城市大腦等等。另一方面，作為智能時代的城市基礎(chǔ)設(shè)施，也是支撐其他場景下AI落地的關(guān)鍵所在。

這也是為什么，在全國各大城市爭相建設(shè)AI算力大型基建的背景下，武漢會搶占先機、拔得頭籌，在人工智能計算中心的建設(shè)中，如此堅決果斷。

當然，多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟在武漢成立，也就順利成章——畢竟計算中心已經(jīng)有了，就意味著黑土地已經(jīng)準備好了。

最后，人和。

天時也好，地利也好，背后都是武漢自身對于發(fā)展AI、抓住智能時代發(fā)展機遇的渴求。

今年7月，武漢出臺了《武漢國家新一代人工智能創(chuàng)新發(fā)展試驗區(qū)建設(shè)若干政策》，提出8條激勵措施，最高提供5億元資金支持。

具體措施上，武漢開創(chuàng)了人工智能一中心四平臺的“武漢模式”。

“中心”就是人工智能計算中心。

四大平臺則是公共算力服務(wù)平臺、應用創(chuàng)新孵化平臺、產(chǎn)業(yè)聚集發(fā)展平臺、科研創(chuàng)新和人才培養(yǎng)平臺，主要面向千行百業(yè)。

目前，武漢已集聚超過500家人工智能企業(yè)，相關(guān)產(chǎn)業(yè)規(guī)模超過200億元。預計2023年武漢AI核心產(chǎn)業(yè)規(guī)模將超過500億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過5000億元。

而發(fā)展之關(guān)鍵，不僅要有基礎(chǔ)設(shè)施，還在于人才。

作為中國四大科教中心之一，武漢從來不缺人才，不然也不會“惟楚有才”。

而它現(xiàn)在進一步鼓勵高校和龍頭企業(yè)，做好產(chǎn)學研結(jié)合。例如創(chuàng)建人工智能重點實驗室、研究院等創(chuàng)新科研組織，更是為了進一步培養(yǎng)關(guān)鍵科技人才。

加之這些年，武漢本身在科技產(chǎn)業(yè)發(fā)展上傾注了諸多心血。

比如吸引了華為、小米、聯(lián)想等科技龍頭企業(yè)落戶，還打造了“光谷”這一高新技術(shù)發(fā)開區(qū)名片。

種種努力，樁樁件件，都是對智能時代機遇的志在必得。

如果說曾經(jīng)，武漢和湖北，被質(zhì)疑過“錯失”互聯(lián)網(wǎng)發(fā)展機遇，那么現(xiàn)在，AI時代大潮中，就得加倍補回來。

所以回過頭來再看人工智能計算中心的建立、多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟的成立，似乎都水到渠成，都是武漢要抓住AI機遇更快發(fā)展的努力和成果。

而剩下的問題，只有一個，武漢的干勁，用對地方了嗎？

AI高速路上的武漢

時代級的機遇，往往成果也需要更長時間來等待。

但從大方向上，武漢的干勁，使在正確的方向上。

從AI發(fā)展維度來看，經(jīng)歷了技術(shù)研發(fā)、商用檢驗，現(xiàn)在正在進入產(chǎn)業(yè)場景下的大規(guī)模落地進程中。這種落地，深入各個場景，會與多元產(chǎn)業(yè)的方方面面結(jié)合，就像語音之于交互，視覺之于視頻，覆蓋到產(chǎn)業(yè)的方方面面。

所以“多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟”因何成立，就是因為武漢看到了這種趨勢而成立，說明武漢準確把握了AI發(fā)展的趨勢，給產(chǎn)業(yè)發(fā)展提供了搶占先機的機會。

其次，從經(jīng)濟發(fā)展層面來說，都說AI是新動能，提供了新機遇，但如果能在發(fā)軔期就把機遇變成機制，產(chǎn)生飛輪效應，就能培養(yǎng)基礎(chǔ)生態(tài)。

現(xiàn)在，“多模態(tài)人工智能產(chǎn)業(yè)聯(lián)盟”就是這樣的基礎(chǔ)生態(tài)，它可以提供更多的需求、機遇和崗位。

一方面，可以最大限度留住武漢輩出的人才；另一方面，還能憑借各項人才政策，吸引更多優(yōu)秀的人才前來，最終形成人才-產(chǎn)業(yè)生態(tài)-經(jīng)濟發(fā)展的正向循環(huán)。

最后，要致富先修路，AI時代也一樣。

而AI時代的“高速路”、基礎(chǔ)設(shè)施是什么？歸根溯源，還是人工智能計算中心。

武漢，正是準確預判了這種預判，在昇騰AI的加持下，各大一線城市在智能時代的競速中，率先把握住了這種機遇。

于是九省通衢武漢，現(xiàn)在也是AI高速路上的武漢。