本期是“职场+”TMT行业的第3期。什么是AI的“计算范式”？进入高科技行业创业需求留意什么？复旦大学管理学院职业发展中心（CDO）约请燧原科技科技创始人兼COO、复旦大学校友张亚林停止了主题为“如何引领计算范式的AI革命”的分享。
2012年，一个著名的迷信家提出了深度神经网络，就是我们如今所说的Deep Learning。之后，由此发展出的人工智能（AI）概念末尾为越来越多人关注。到2020年，AI的参数规模曾经达到了上千亿。这对我们来说意味着什么？
人工智能的发展需求算力的堆叠，自2012年以来，训练人工智能系统所需求的算力每3.43个月就翻一倍，人们对于算力的需求增长了超过300,000倍（数据来自openAI）。宏大模型的生成需求大量的资金投入，大量的训练集群投入。将来，大模型的AI会成为越来越昂贵的成本。
AI在市场上划分为设备端和云端，云端需求数据中心搜集大量的数据集中停止推理和训练，人工智能的神经网络和模型都是由训练输入的，训练是产生人工智能大脑的基本的设备。
01
计算范式与数据中心
什么是AI的“计算范式”？大家可以以为计算范式是在计算的基础上，任何与计算相关的公理、定理、运用形式的范例，举个例子，以前的计算机能做加减乘除，如今的AI要做更复杂的计算，包括微积分、乘方、立方、导数这样一些比较高阶的计算。
而全球的数据中心就是计算范式的载体，由于一切的计算密集型都在数据中心，数据中心有庞大的计算资源、运用和软件部署，让更多终端的运用可以经过通讯结构传递到数据中心停止密集式的计算。
这张图是2012-2019年全球IDC（数据中心行业）的市场规模，到2019年的年底曾经达到了728亿美元，而中国的IDC在全球的占比曾经占全球总IDC硬件比例的30%。随着中国的经济市场的发展，对云端计算的需求越来越分明。到2021年年底，全球的云计算市场规模能够会达到3000亿美金。
其实整个数据中心的构成分成三大块，其中一块叫CPU，也就是地方处理器，这个不断以来是英特尔和AMD的天下，虽然国产的CPU也在崛起，但是体量依然不在一个量级上。第二块就是数据跟互联（Data/Connect），数据中心是一个庞大的互联络统，在数据的处理、分析、互联以及数据安全性上要做很多的处理工作，这也是经过芯片来做的。第三块是数据加速器，也就是说我们所谓的计算，属于加速器的部分。
用三个金字塔来分析一下现内行业中的三大巨头，英特尔、英伟达和AMD在数据中心的停顿。
//英特尔不断以来有弱小的CPU（地方处理器），然后收买了Altera，Altera拥有当时全世界比较丰富的数据跟互联的业务和处理方案以及芯片。在前年又收买了以色列著名的AI的计算公司Harbana，完成了从CPU到数据互联到计算的整个全链式的构建。
//英伟达以前知名的是GPU（图形处理器）企业，也就在是计算和加速这一块特别突出，他们在前年收买了以色列著名的数据互联公司Mellanox，最近以500亿美金收买ARM，表明在CPU方面的决计。如今英伟达基本上把数据中心的这三大块做成了三条产品线。
//AMD是世界上唯逐一个既有CPU又有加速卡的公司，最近收买了Xilinx。这是目前全世界最大的APJ厂商，也拥有如今世界上丰富的数据跟互联的业务。
所以可以发现，英特尔、英伟达和AMD这三家全世界最大的芯片公司都在野着整个数据中心整合的方式发展，他们都想建一个数据中心的“全垒打”，应用这样一个金字塔型的雷达把整个计算范式全都包含。
接上去需求关注的就是系统的性价比和能效比，性价比是单位成本（1美金）下我能获得多少算力，能效比是单位的功耗（1度电）下能获得多少算力，这是用来衡量整个数据中心非常关键的两个目的。
整个数据中心和计算范式必须在4个方面停止大量的架构革新，经过计算、数据、存储、互联4个要素的互相作用，谁可以提供系统更高的性价比和能效比，谁就可以渐渐博得整个数据中心的“全垒打”。
在这样的状况下，假如只聚焦在所谓的芯片设计是远远不够的，芯片设计本身在整个数据中心里是非常小的一部分，我们需求聚焦全体。所以，假如要博得中国数据中心的计算范式战役，必须得在系统、板卡、芯片、软件4个方向停止片面推进。
02
将来的计算方向
将来的计算方向有4个：
第一是完全可编程（Full Programmability）
一切的算力经过软件人员可以编程，有最大的算力的灵敏性，可以支持越来越多的运用。
第二是全形式计算（All Pattern）
形式就是加减乘除、乘方、开方以及函数、微积分、幂函数等数学计算都大量在AI采用，AI将停止一场非线性化的革命，有越来越多的非线性函数加出去模拟人脑的非线性的处理方式。
第三是全精度计算（Entire Precision）
AI的精度有很多种，有32位、16位、8位精度，有浮点的，有整点的，不同的适配场景要求精度不一样，精度越高要求的计算量就越大，计算复杂度就更高。比如语音辨认能够要求的精度比较高，对于移动端人脸辨认的优化精度比较低。整个计算范式通常状况下要支持全精度的计算，一个系统既可以停止低精度的运算，也可以停止高精度的运算。
最后一个是高并行度（High Parallelism）
AI计算的密集度非常高，需求大量的并行计算，而把模型分解掉停止并行加速是计算范式的另一个变化。
这四个维度会让计算变得愈加复杂、灵敏、跨度愈加大、并行度愈加高。在“AI”的世界里，只要“计算”，只要如何“更高效”、“更经济”、“更灵敏”、“更方便”地计算——这就是引领AI计算范式的变革和AI基础设备发展的关键！
中国的将来高科技时代一定是一个波涛壮阔的时代，不过对高科技的创业者来说还是喜忧参半的，喜的是国家非常扶持这个行业，资本也很热衷；忧的是越来越多的投机者也异样在涌入这个行业，让这个行业产生了更多噪音。假如有志于在高科技范畴发展，不管是经过管理的才能、资源的赋能，还是想本人投身科技行业，希望大家志存高远、脚踏实地，把中国高科技的事情经过远大的志向落到纸面。
03
高科技行业创业
进入高科技行业创业需求具有几个条件：
第一，的确有一定的技术门槛，产品需求有一定的技术含量，这样的话可替代性相对来说小一些，怎样样找到科技含量和技术门槛这是大家需求思索的第一点，并不是靠商业形式就能驱动行业盈利的。
第二，科技行业的一个科技产品不像纯粹做一个小的软件APP靠十几个人研发产出就行，高端的科技产品像芯片和系统是需求大量的人员协同作战，芯片外面任何一个地方出了成绩就报废了，所以对整个组织的协异性、纪律性、配合度的要求都是很高的。假如没有办法打造一个高度协同的专业团队，产品很能够会失败，于是高科技创业公司怎样培育这种企业文明就会比较重要。
第三，是需求一定的外部的韧性，创业者要有一定的忍受力。高科技产品很难说第一代、第二代、第三代就能成功，由于市场需求检验，各位高科技的创业者要有一定的耐烦，决计，要足够的坚韧。这个行业比较风趣的是，每一代产品只需有客户就有迭代、有打磨，能够要等到一个迸发的拐点，后续的产品才会有很弱小的市场潜力。所以要求创业者有一定的耐得住寂寞心性和坚韧的质量。 | 
