圖靈獎得主吉姆·格雷曾將科學技術發(fā)展史總結為四個范式：
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;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《關于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養(yǎng)的若干意見》，呼吁構建基礎理論人才與“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多所高校開設了人工智能相關專業(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合的應用型人才。相較于理論研究的教學方式，人工智能人才培養(yǎng)的焦點在于應用實踐。
然而人工智能落地的第一道關卡就是算力，算力話語權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服務器和NVIDIA ConnectX 智能網(wǎng)絡適配器(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》在十項重大任務的第八項“構建普惠便捷的數(shù)字民生保障體系”中，明確提出要“提升教育信息化基礎設施建設水平，構建高質(zhì)量教育支撐體系”，重點從優(yōu)化網(wǎng)絡基礎設施和升級校園基礎設施兩大方面推進，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)辦了人工智能技術相關的實驗室，而國內(nèi)直到1990年才在清華大學成立智能技術與系統(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)字化藍領人才和應用人才，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)字時代的新技術和產(chǎn)業(yè)變革，大力培養(yǎng)高素質(zhì)技術技能人才。”
與之相對應的一幕是：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，涵蓋基礎架構層、平臺層和應用層。
其中基礎架構層包括戴爾PowerEdge系列AI計算服務器，比如PowerEdge T550塔式服務器、PowerEdge XE8545機架式服務器、全新PowerEdge R750xa機架式服務器等等;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、HPC就緒解決方案等端到端的基礎架構解決方案。
值得一提的是，戴爾 PowerEdge 服務器內(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，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、GPU動態(tài)加速云等服務。最上層的應用層覆蓋了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”，高校可以低成本將食材烹飪成佳肴，即便是一些人工智能基礎設施相對薄弱的高校，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設施的制約，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)技術學院利用戴爾Precision工作站，構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 服務器構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，并同步升級服務器和存儲設備后，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)與算力基礎設施間的鴻溝被逐漸抹平，所激起的連鎖反應將遠超想象。
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！
