9月12日虚拟化平台新产品的媒体沟通会上，不少记者对鸡蛋演示的demo很感兴趣也有一些疑惑。看看来自小白不菜的精彩分享吧。

鸡蛋究竟宜不宜生吃——看阿里云计算怎么破？

   姐告诉你，算！鸡蛋里有一种物质，生吃会导致人早生华发，往小了说影响泡妞撩妹，甚至终身大事，往大了说，那可能会导致你光头谢顶，疾病缠身！因为生鸡蛋清中含有一种抗生物素，叫“亲和素”，是一种蛋白质，会防碍人体对鸡蛋黄等食物中所含的“生物素”的吸收。这个生物素非常重要，在脂肪合成、糖质新生等生化反应途径中扮演重要角色。如果你缺少生物素，就会导致毛发脱落、体重减轻、皮炎等疾病。

（所以鸡蛋一定不能生吃——要熟了后，才可以杀死鸡蛋内外的细菌，又能破坏亲和素，且禽流感病毒NH的灭活温度是100度沸水，必须煮沸！！！）

其实最早是一位德国科学家曾做过这类研究，采用了一种分子动力学模拟的方法来确定，看两种有机分子之间有多大的结合力，教授们试图用一种极其复杂的数学模型来验证非关联性因素——用阿里云高性能计算资深专家何万青的话说，由于分子动力学计算都是典型的高性能并行计算，还需要不断调整里面的各种参数，运算量非常大，这事必须用超级计算机才能算出来！

如果是过去，教授要么自己构建一个超级计算机，但涉及购买、安装、运维和软件授权；要么租用超级计算机，那也要排队、租赁、发送请求、等待结果，还要考虑不同超算中心的不同软硬件环境……总之是很繁琐的事情。

事实是，非常巧合，阿里云的何万青博士认识一位生物学教授，对亲和素和生物素的结合很有研究，何万青就用阿里云最新的E-HPC机群试用了一把。

用分子动力学模拟不同分子间的结合情况（你看懂了么，没关系，反正我也没看懂。）

“结果是，教授在星巴克喝着咖啡就把这事儿干了。”何万青透露，只需要笔记本，在下拉式菜单中选择自己要的配置，阿里云就可以生成一个云上的超算集群。

一般情况下，教授会用手边的工作站做这个计算，但现在已经可以轻松登入阿里云用8个节点的并行集群环境，且还用阿里云上连通的可视化软件来做实时渲染。教授的数学模型跑一个参数的实验，就用了不到十秒钟——把整个实验的所有因素都排查一遍，一整天也差不多够了。

当然，本着科学严谨的精神，杨姐必须指出的是，生鸡蛋中的亲和素会和体内的生物素强力结合形成晶体，从而造成生物素大量损失导致黑发变白的事，需要你每天大量吃生鸡蛋，比如每天吃一打儿坚持几个月，才会发生。偶尔尝尝鲜，只要注意卫生，还是可以的。

其实教授的这个事情只是中国人工智能领域遭遇困境的例子之一。现在有很多创业公司想做的事都需要高性能计算的支持：例如汽车碰撞模拟实验，再例如人脸识别……
人工智能最大障碍：计算力

在人工智能（AI）大红大紫的今天，一般人都能列出人工智能的三要素：算法、计算力和大数据。

其实人工智能是一个六七十年前就提出的概念，经历过数十年中无数科研人员的推进，目前已经发展出了深度学习、神经网络等等具体的应用门类。它们中的任何一个概念，提出也至少有超过30年的历史，许多算法已经在实践中趋于成熟。

而自从互联网诞生到现在的区区数十年中，人类已经积累了数十ZB的数据。杨姐在这里帮着换算一下，1ZB等于1万亿GB，而我们现在主流的笔记本电脑的存储，大概是512GB的SSD。

也就是说，人工智能的发展几十年来受制约的重要因素，就是计算力跟不上（其中包括存储能力），这在个人电脑时代这几乎是不可能完成的任务，只有云才能解决，而且，不是普通的云！

阿里云异构计算负责人张献涛对此体会至深，这也是阿里云为什么在此刻推出全新的异构计算平台的原因。

科普一下，什么是异构平台。所谓异构平台，就是基于不同的运算单元搭建的计算平台：最早的运算单元，也就是我们熟悉的CPU。CPU发展到今天，性能已经到了某种上限，已经不能单靠增加核心数来增加计算能力了。

就好比家里的汽车，如果单靠增加汽油发动机的排量来增加马力，那么污染问题就无法承受，所以，现在流行混合动力，许多车上装了一部汽油机、一部电动机，高速时靠汽油机，低速时靠电动机，特殊情况时双机一起发力。

所以，人类开始有了GPU，也就是图形运算单元。它最开始研发的目的，是为了让电脑有更好的图形效果，与CPU不同，它的架构是单核计算能力弱，但核心数多，适合高并发运算的工作，很多时候，它和CPU协同运算的效率更高。

但这还不够，因为人工智能需要同时开很多“车”！所以，必须引入新的一种能力“FPGA”！

如果说CPU、GPU是一块出厂时就刻好了字的金属板，阿里云新部署的FPGA就好比一块黑板，可以无限次的擦写、重写，每次擦写后都可以写入一套新的逻辑，相当于产生了一块新的芯片，这是依靠它内部的内部静态存储单元加载编程数据来实现的。

以前，人们用FPGA解决设计实验环节中的问题，现在，发现它特别适合特定场景，如深度学习、物联网、基因分析等某个特定硬件环节的加速。

所以，阿里云最近干了一件事，搞了一个最新一代的异构平台，其最大特点，就是囊括了目前所有主流计算平台上的所有运算单元，包括AMD、英伟达提供的GPU，以及英特尔和赛灵思的FPGA……

恕姐不在这里罗列复杂的芯片编号。姐猜，阿里云这样的做法，是希望能够覆盖异构计算的所有主要场景需求，说的再直接一些，就是想包打天下。

可市场有这样的需求么？

人工智能当然是一个需求，苹果的SIRI就是一个简单而明确的人工智能需求案例，在语音问答的背后，藏着语音识别、语义理解、深度学习等诸多方面的人工智能，它就是靠云端提供的计算能力来完成的。

而非常多的创新就是在某个微观领域进行人工智能的突破，比如一块可以监测你血糖的口香糖，又或者一个可以分析你家里雾霾状况的传感器。

全面布局AI

如果你认同未来将是人工智能向各个领域渗透的“未来”，那么阿里云今天的部署就没有错：FPGA更适合非标数据位宽的深度学习、金融分析、基因匹配、物联网数据库等领域。

其实，阿里云推出了基于英特尔FPGA的F1实例，英特尔呢，不是在今年以167亿美元收购了FPGA双雄之一Altera吗，当时英特尔瞄准的是物联网；但随着目标应用场景的不断丰富，阿里云也扩展到了基于赛灵思的F2。

其中，GA1适用于图形图像渲染，在这方面能降低50%成本；GN5呢则被阿里云誉为“为计算而生”，计算能力是上一代的近100倍；还有就是GN5i可以匹配在线推理场景，可以让人工智能的在线服务成本降低50%。

如果按以往的模式看，比如杨姐要搞一个企业，需要建立一个处理能力非常大的超级计算机群，那我就得按我需要的最大能力来购买，比如我的最大需求是5000个核，那我就要付出一笔天文数字的硬件费用，和更是天文数字的软件及维护费用。

但在很多情况下，我是用不到5000个核，在旺季与淡季，在不同的需求变化的周期里，我会浪费大量的计算能力——有一篇报道曾经写到，许多地方花巨资建立的超算中心，很多时候都在闲置，这就是一个最大需求和一般需求的矛盾。

但是，有很多时候，企业又会遇到计算能力超过自有计算集群上限的时候，比如说，在暴风雨到来的时候，需要做大量微型云图的计算；在地震后，需要完成深层地质构造的大量断面分析；在发生战争的时候，模拟武器实验效果的需求会激增……那按传统的办法是，继续购买硬件，直到满足需求。

其实，租用超算更加划算。

所以，这也就是为什么何万青认为，E-HPC的最大价值并不在于顶峰的计算能力有多大，而是胜在灵活性，企业可以按照包月包年或者按需计费的方式，来快速获得高性能计算集群能力，高性能计算调度能力和软件能力，按需组建自己的“云上超算中心”——和太湖之光这样的顶级超级计算机相比，如果前者是珠穆朗玛峰，E-HPC就是青藏高原，大概海拔4000多米。就像中国教授做的那个鸡蛋能不能生吃的推理模型，就属于这个系列，还可以按小时租。

当然，这种“租合适还是买合适”的问题，因需求而异。而对于那些更多有云计算需求，但没有算法和研发能力的公司，阿里云更愿意直接“分享技术”，提供全方位的人工智能产业服务，包括智能语音交互、图像/视频识别、交通预测、情感分析等技术服务，这些技术正通过阿里云ET对外服务。

过去一年里阿里云推出ET城市大脑、ET工业大脑、ET医疗大脑、ET环境大脑等行业垂直的人工智能系统，在城市治理、医学诊断和工业生产方面，诸多大型企业逐步将核心业务转至云上。

而这一点，也是未来竞争最为激烈的。

硬件服务虽然看起来很赚钱，但随着硬件产能的提升，利润总是在不断的摊薄，而软件和服务的价格，才有更大的弹性空间。

而写到这里，大家也都看到了，在谷歌、微软都深耕自研芯片的大浪潮下，不排除阿里将在芯片方面有大动作……
来自小白不菜的精彩分享。