ZD至顶网服务器频道 12月19日 新闻消息（文/任新勃）： 

戴尔科技峰会观察一：混合云大势所趋，戴尔的应对之道

从全球到中国，关系到人类生活的基因工程、医疗检测、金融领域、安全领域等越来越受到人工智能、深度学习的影响。今天的人工智能概念和上世纪已经完全不同， 今天人工智能的兴起，最主要的突破就是深度学习的出现和大规模的应用。

在2016戴尔科技峰会上，戴尔与中科院自动化所正式启动“企业级深度学习应用与服务平台——诸葛·深知”，这是2015年双方宣布成立“人工智能与先进计算联合实验室”之后，经过一年的不断创新的成功，也是助力中国在前沿科学领域的突破创新的一次合作。

中国科学院自动化研究所模式识别国家重点实验室研究员，人工智能与先进计算联合实验室主任程健

中国科学院自动化研究所模式识别国家重点实验室研究员，人工智能与先进计算联合实验室主任程健分析了深度学习目前面临的挑战，深度学习具有技术专业强，需要机器学习理论、优化理论等基础理论以及面临模型多样、模型应用局限性强，并缺乏量大面广的典型应用。同时其对计算资源要求高，需要众多昂贵的GPU、需要搭建技术复杂的架构以及难以收敛的训练。同时各种工具包千差万别，底层代码不统一造成接口的不统一，功能单一无法解决复杂问题。

而诸葛·深知就是结合了超算的硬件平台，整合了各种各类的算法引擎, 并为数据、大数据，提供给计算引擎去计算平台。解决了深度学习面临的困难和挑战。

诸葛·深知，诸葛意思代表智慧，深知是利用深度学习，诸葛·深知式业界第一个企业级的深度学习的公有平台。其价值就是能够帮助企业增强对于自身的认知，实现业务拓展和技术创新。

戴尔大中华区企业技术战略架构总监许良谋

一年来，戴尔和中科院自动化所双方实现了从起初的平台基础设施搭建支持，到共创平台的深度参与。戴尔大中华区企业技术战略架构总监许良谋用数字说明，戴尔已经为中科院自动化所提供的计算基础。戴尔高性能计算(HPC)解决方案目前为联合实验室现在可以支持深度学习的规模已经超过912CPU核心的计算能力，超过50万个GPU的计算核心，实现了一个能源可控，计算能力要超强，再加上1.8PB高带宽低延迟存储容量的强大的硬件体系。

目前深度学习、认知功能模拟多基于数据海量处理，人工智能的研究与开发需依托强大的计算平台，而戴尔的高性能计算(HPC)解决方案，恰恰满足科研领域对于高负载与效能的要求。

“诸葛·深知”为企业提供了深度学习工具包的统一接口，众多中科院成熟算法模型能够轻松被调用，帮助企业实现基于深度学习的大数据分析，步入人工智能时代。

在峰会上，程健系统的阐述了“诸葛·深知”的优势：

第一，面对深度学习的算法和模型，软件包众多，同时不同的软件包之间接口非常繁杂，使用起来非常复杂。“诸葛·深知”把这些接口统一，给大家提供一个非常好的使用体验。

第二，“诸葛·深知”很多的基础算法，技术来自于中科院自动化所最新的研究成果，技术上非常领先。中科院自动化所在深度学习在国内是绝对领先的。包括在图像、视频、自然语言等等，每个领域都都做的非常好，每年参加很多国际上的一些重要比赛，我都可以拿到很多的奖项。

第三，中科院自动化所为“诸葛·深知”这个平台的使用提供一个非常良好的安全可控的环境。

第四，针对一些行业，医疗行业、金融行业有一些共性的东西，我们提供一些行业应用的案例。同时对于一些企业的需求也可以提供一些定制化的服务。

“诸葛·深知”也为戴尔带来了不可估量的价值

中国科学院自动化研究所与戴尔共同推出的诸葛·深知人工智能平台，对戴尔公司带来的价值也不是金钱能够衡量的。通过双方的合作，戴尔成功实现领先国际的深度学习部署能力和全面节约多余的管理节点能力。树立GPU多项目的有效共享机制，对于高性能计算的建设能力和效益之间的联系大大提升。引领国际的、真正经过实践考验的硬件和算法之间的scale sizing。

更进一步帮助戴尔了解人工智能市场的技术需求规模、应用领域等，目前自动化所的研究方向已经在医疗、金融市场领域实现突破。

同时为戴尔自身企业应用的智能升级的可行性研究提供帮助。包括内部的自动采单系统，自动精准营销系统，做到继续提升。

现场公布了诸葛深知的发展路线图：

第一阶段（ZHUGE1.0），面向企业应用，集成研究所图像、语言、语言等资源，研发统一的深度学习中间件，搭建智能的深度学习平台。

第二阶段（ZHUGE2.0），构建面向深度学习的异构计算平台，针对特定行业应用，实现具有行业特色的定制化计算服务；建立开放社区。

第三阶段（ZHUGE3.0），针对行业，建立智能化的深度学习计算服务，制定深度学习计算的行业标准。

最后程健谈到“诸葛·深知”提供包括最新的基础方面的算法和模型、行业应用、定制化的服务，。针对一些行业，像肿瘤、智能营销、机器翻译、身份认证等等，都提供了行业解决方案。并对于有一些有特殊需要的企业，也可以提供定制化的服务。帮助企业能够简单化、标准化、自动化、智能化的解决基于大数据的深度学习问题。