北京2022年3月29日 /美通社/ -- 馬達智數與浪潮信息通過“元腦生態”合作，幫助中國信息通信研究院云計算和大數據研究所（以下簡稱“信通院云大所”）構建了AI數據集服務平臺，實現AI數據的全流程管理與維護，可節省約80%的數據流轉時間和60%的資源開銷，使開發效率提升50%以上，有效降低用戶使用難度，全面服務AI應用創新，助力AI應用的產業化落地。
數據之困 AI創新面臨三重難題
信通院云大所希望能夠構建一體化AI基礎設施，解決AI數據從收集、整理、存儲歸檔，到調用的全流程維護工作。在這一過程中，遇到了三大問題。
首先，要解決數據來源的問題。AI模型訓練需要海量數據，以語音識別模型為例，要訓練出能應對各種場景、語速、口音、口語等復雜情況的高準確度語音識別模型，至少需要1000個小時以上的訓練數據，按每條數據平均4秒時長計算，數據量至少在90萬條以上。文字識別OCR算法訓練需要的圖片數量則達到百萬級別。如果僅從業務過程中獲取數據，不僅獲取難度很大，而且在數據多樣性、數據規模等方面也很難滿足AI訓練的基本需求。
其次，如何保證數據質量。在大多數AI模型訓練任務中，“垃圾輸入”會帶來“垃圾輸出”。包括深度卷積神經網絡在內的監督學習方法依賴的是經過適當標注的優質數據，特別是需要大量專家知識的專業領域，更是對于大規模標記數據的可用性有著極高要求。
最后，如何更有效地存儲和更新數據。在AI應用中，數據的增長是幾何級數的。使用傳統的集中式存儲和集中式通信模式，往往無法通過一個巨型單點支撐主流AI模型的體量，存儲和通信能力都是瓶頸，而且效率會非常低下。
元腦賦智 打通AI數據“任督二脈”
馬達智數是國內最早、最專業的AI基礎數據服務器商之一，致力于為AI產業鏈的相關客戶提供高質量、標準化的定制數據集服務，助力AI場景化應用快速落地，擁有5000+商業AI數據成功案例。2019年，馬達智數與浪潮信息達成了元腦生態簽約，共享浪潮信息在AI計算、資源與算法方面的全棧能力，共同打造領先的AI數據服務和豐富的AI生態體系，助力AI應用的產業化落地。
馬達智數與浪潮信息在元腦生態的框架下進行了緊密合作。雙方聯合推出了業內領先的AI數據一體機，整合了浪潮AI服務器、浪潮資源平臺AIStation、馬達智數全系列AI數據產品與服務，具有高度集成、一鍵部署、配置靈活等特點，能夠幫助行業AI用戶高效地獲取、加工和管理數據，并開展模型訓練，助力用戶快速、低成本地實現AI技術導入。
在信通院云大所AI數據集服務平臺項目中，馬達智數攜手浪潮信息提供了基于AI數據一體機的一體化解決方案。方案使用高速IO擴展、大容量內存的浪潮AI服務器作為硬件平臺，為數據收集、存儲、標注和管理提供強大的計算力支撐。并集成圖片類、文本類、語音類等常用數據集，通過數據標注平臺提高數據質量，滿足信通院云大所基礎測試、算法開發等需求。同時將已有的分散的各項系統數據集中于AI數據集服務平臺進行統一管理、協同處理，構建智能開發一體化環境。
通過對數據的統一管理調度，該方案有效降低了數據流轉時間和資源開銷，可節省約80%的數據流轉時間和60%的網絡、計算和存儲資源開銷。數據收集和標注平臺的整合接入，則大大提高了數據加工環節的效率，用戶可以直接通過數據標注平臺標注數據，并實時查看數據質量。同時，提供穩定的人工標注服務，可使開發效率提升50%以上，有力地支持了口罩識別、語音識別等AI模型訓練與應用。
信通院云大所AI數據集服務平臺是馬達智數與浪潮信息在元腦生態中達成的重要合作成果。未來，馬達智數將繼續攜手浪潮信息，與更多的元腦生態合作伙伴一起“走出去”，攜手搭建起直通產業應用場景的“橋梁”，推動AI應用在更多場景和行業落地。
