圖靈獎得主吉姆·格雷曾將科學技術(shù)發(fā)展史總結(jié)為四個范式：
第一范式是經(jīng)驗證據(jù)，源于對自然現(xiàn)象的觀察和實驗總結(jié);第二范式是理論科學，對自然界某些規(guī)律做出原理性的解釋;第三范式是計算科學，通過計算模型與系統(tǒng)模擬進行復雜過程的科學研究;第四范式是數(shù)據(jù)科學，即在實驗觀測、理論推演、計算仿真之后數(shù)據(jù)驅(qū)動的科學研究方式。
站在科學研究的立場上，數(shù)據(jù)驅(qū)動的研究分析無疑令人興奮。多尺度復雜化學系統(tǒng)模型的建立、引力波的發(fā)現(xiàn)以及人類首張黑洞照片，都屬于第四范式下的典型案例，越來越多的前沿領(lǐng)域由此開啟了“新篇章”。
可對許多高校來說，數(shù)據(jù)驅(qū)動的科教研既是機遇也是挑戰(zhàn)：“第四范式”對大算力的需求持續(xù)增長、對大數(shù)據(jù)的要求越發(fā)嚴苛、對知識生產(chǎn)的邏輯不斷刷新……而能否針對新問題給出新答案，將直接影響未來教育的發(fā)展方向。
01 人才培養(yǎng)與算力困局
可能不少人看到過這樣的新聞報道：中國人工智能人才缺口超過500萬，但當前的供求比例只有1:10。
其實早在2018年的時候，教育部就印發(fā)了《高等學校人工智能創(chuàng)新行動計劃》，并逐漸在國內(nèi)掀起了開設(shè)人工智能專業(yè)的浪潮。到了2020年初，教育部再次印發(fā)了《關(guān)于“雙一流”建設(shè)高校促進學科融合 加快人工智能領(lǐng)域研究生培養(yǎng)的若干意見》，呼吁構(gòu)建基礎(chǔ)理論人才與“人工智能+X”的復合型人才體系。
據(jù)不完全統(tǒng)計，國內(nèi)已經(jīng)有800多所高校開設(shè)了人工智能相關(guān)專業(yè)，逐漸從雙一流高校延伸到了普通本科和高職高專，包括戴爾科技在內(nèi)的企業(yè)相繼和高校聯(lián)合開設(shè)人工智能實踐落地課程，國內(nèi)圍繞人工智能人才的培養(yǎng)體系已經(jīng)初步成型。
同時也出現(xiàn)了一個新的問題：人工智能不是一門純理論研究的學科，按照金字塔的形式進行梯度劃分的話，理論創(chuàng)新人才的需求并不高，亟需的恰恰是將算法模型轉(zhuǎn)化為工程路徑、將人工智能與落地場景結(jié)合的應(yīng)用型人才。相較于理論研究的教學方式，人工智能人才培養(yǎng)的焦點在于應(yīng)用實踐。
然而人工智能落地的第一道關(guān)卡就是算力，算力話語權(quán)的大小某種程度上決定著高校在人工智能前沿研究中的占位，以至于國外不少高校在算力基礎(chǔ)上進行了大量投入，算力規(guī)模幾乎不輸于科技巨頭們。
英國杜倫大學的智能NIC環(huán)境超級計算機擁有16個節(jié)點的計算集群，配備了戴爾科技的PowerEdge C6525服務(wù)器和NVIDIA ConnectX 智能網(wǎng)絡(luò)適配器(SmartNIC)，極大地提高了大規(guī)模并行代碼的計算性能;密歇根大學利用戴爾PowerEdge服務(wù)器搭建了擁有13000核強大動力的Great Lakes超級計算機，正在像運營企業(yè)一樣運營學術(shù)超算中心，并且施行了相當嚴格的日常成本控制。
國內(nèi)同樣意識到了一些高校所面臨的算力困局。
比如《“十四五”國家信息化規(guī)劃》在十項重大任務(wù)的第八項“構(gòu)建普惠便捷的數(shù)字民生保障體系”中，明確提出要“提升教育信息化基礎(chǔ)設(shè)施建設(shè)水平，構(gòu)建高質(zhì)量教育支撐體系”，重點從優(yōu)化網(wǎng)絡(luò)基礎(chǔ)設(shè)施和升級校園基礎(chǔ)設(shè)施兩大方面推進，目的正是解決一些高校在算力平臺上的短板。
02 算力平臺的中國方案
和海外高校有所不同的是，國內(nèi)很多高校需要“惡補”的不只有算力短板，還涉及到教學實訓、虛擬仿真、科研創(chuàng)新、課程建設(shè)等等。
個中原因并不難解釋。人工智能的起步可以溯源到1956年的達特茅斯會議，即便中間的兩次人工智能浪潮無疾而終，但麻省理工、斯坦福、卡內(nèi)基梅隆等高校紛紛在上世紀五六十年代創(chuàng)辦了人工智能技術(shù)相關(guān)的實驗室，而國內(nèi)直到1990年才在清華大學成立智能技術(shù)與系統(tǒng)國家重點實驗室。
何況國內(nèi)當前的人工智能人才缺口中，主要集中在將人工智能落地到產(chǎn)線的數(shù)字化藍領(lǐng)人才和應(yīng)用人才，也是人工智能專業(yè)不斷向普通本科和高職院校“下沉”的原因。正如教育部副部長孫堯的公開發(fā)言：“職業(yè)教育要瞄準數(shù)字時代的新技術(shù)和產(chǎn)業(yè)變革，大力培養(yǎng)高素質(zhì)技術(shù)技能人才。”
與之相對應(yīng)的一幕是：戴爾科技在與劍橋大學、杜倫大學等高校的合作中，主要集中在服務(wù)器和運維層面，在中國市場則因地制宜推出了面向教育行業(yè)全棧式的AI解決方案，涵蓋基礎(chǔ)架構(gòu)層、平臺層和應(yīng)用層。
其中基礎(chǔ)架構(gòu)層包括戴爾PowerEdge系列AI計算服務(wù)器，比如PowerEdge T550塔式服務(wù)器、PowerEdge XE8545機架式服務(wù)器、全新PowerEdge R750xa機架式服務(wù)器等等;以及高性能數(shù)據(jù)存儲產(chǎn)品、高速互聯(lián)的數(shù)據(jù)交換網(wǎng)絡(luò)、HPC就緒解決方案等端到端的基礎(chǔ)架構(gòu)解決方案。
值得一提的是，戴爾 PowerEdge 服務(wù)器內(nèi)置 NVIDIA DPU和NVIDIA GPU，可幫助教育行業(yè)提升 AI 工作負載性能、建立零信任安全基礎(chǔ)，擁有先進的 AI 訓練、AI 推理、數(shù)據(jù)處理、數(shù)據(jù)科學和零信任安全能力。
平臺層包括GPU、FPGA、CPU分布式訓練在內(nèi)的計算資源管理與優(yōu)化庫，TensorFlow、PyTorch等深度學習框架，面向GPU的AI就緒解決方案、GPU虛擬化彈性計算架構(gòu)、GPU動態(tài)加速云等服務(wù)。最上層的應(yīng)用層覆蓋了AI+制造、AI+零售、AI+教育、AI+金融、AI+醫(yī)療等主流應(yīng)用場景。
打一個比方的話，戴爾為教育行業(yè)提供的是一套功能完備的“中央廚房”，高?？梢缘统杀緦⑹巢呐腼兂杉央龋幢闶且恍┤斯ぶ悄芑A(chǔ)設(shè)施相對薄弱的高校，也能少走很多的彎路。就像一些企業(yè)花高價錢購買的GPU，卻因為I/O瓶頸拖累了整個AI流程，而全棧式的AI解決方案巧妙地避免了不必要的試錯。
03 科教研融合的新范式
畢竟對于絕大多數(shù)高校而言，在科教研深度融合的背景下，擁抱人工智能的價值體現(xiàn)不在于過程，而是有怎樣的成果。
或許從時間上對比的話，國內(nèi)高校和人工智能的接觸要晚了許多，可一旦消除了算力基礎(chǔ)設(shè)施的制約，國內(nèi)龐大的市場體量和人才需求，對人工智能人才培養(yǎng)的高度重視，正在沉淀出適用于不同層次人才的培養(yǎng)方案。何況一個接著一個的實際落地案例，已然讓外界看到了科教研融合的新范式。
復旦大學聯(lián)合戴爾推出了ADAS人工智能實踐課，面向時下最為熱門的自動駕駛，為學生提供了一種理論結(jié)合實踐的學習方式：一面是學校精細的理論教學體系，一面是企業(yè)帶來的行業(yè)視野、創(chuàng)新的實踐和方法論，進一步拉近了在校學生和自動駕駛的距離，不再像過去那樣停留在紙面上。
可以找到的例子還有中南大學的教育可視化平臺。中南大學在2020年初啟動了線上教學工作，通過戴爾的PowerEdge服務(wù)器迅速完成了搭載網(wǎng)站、視頻轉(zhuǎn)碼等工作，即使在幾乎滿負荷運行的場景中，依然保持著出色的轉(zhuǎn)碼性能和高穩(wěn)定性，有效提升了中南大學的線上教學質(zhì)量。
還有一些高職院校，同樣和戴爾摩擦出了有借鑒價值的“火花”。哈爾濱職業(yè)技術(shù)學院利用戴爾Precision工作站，構(gòu)建了面向元宇宙視覺生態(tài)的VR動畫制作平臺，不僅為學生們打開了VR的新世界，3D動畫制作效率提升了2—3倍，動畫教學效率提升了3—4倍。
甚至北京師范大學第二附屬中學代表的中學，都在戴爾科技的賦能范圍內(nèi)。北京師大二附中曾通過1臺戴爾存儲和4臺Dell PowerEdge 服務(wù)器構(gòu)建了一個虛擬化運行環(huán)境，并平穩(wěn)運行近四年。后來引入戴爾科技的虛擬化方案，并同步升級服務(wù)器和存儲設(shè)備后，學校的IT承載能力提升了300%……
隱藏在這些案例背后的，其實是國內(nèi)高校的創(chuàng)新與活力，不斷詮釋著算力自由后的種種可能性。隨著戴爾科技全棧式的AI解決方案等大算力平臺逐步在越來越多的高校落地，勢必會呈現(xiàn)出更多讓人眼前一亮的案例。彼時科教研融合將是一種水到渠成的結(jié)果， “第四范式”帶來的挑戰(zhàn)將切實轉(zhuǎn)變?yōu)闄C遇。
04 寫在最后
也許多年后再來審視數(shù)據(jù)驅(qū)動的科教研轉(zhuǎn)型，只盯著人才培養(yǎng)可能會有些“狹隘”。
無論是人工智能的教學還是科研，都是一個由淺入深、由慢到快的過程，至少戴爾科技的大算力平臺，已經(jīng)為教育行業(yè)帶來了“算力加速度”，讓部分高校提前看到了科研教育的新范式。戴爾科技聯(lián)合NVIDIA將為教育行業(yè)提供AI 訓練、AI 推理、數(shù)據(jù)處理、數(shù)據(jù)科學和零信任安全能力。
當類似的解決方案越來越多，教育行業(yè)與算力基礎(chǔ)設(shè)施間的鴻溝被逐漸抹平，所激起的連鎖反應(yīng)將遠超想象。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
