国科微杨应麟：论应用于AI上的低延迟NVMe系统

[原文来自：www.ii77.com]

杨应麟：各位嘉宾，我是杨应麟，美国国科微美国研究所的总经理。

今天我给大家演讲的内容与AI有关，在我之前的演讲嘉宾谈到了不同的应用场景以及分类，我们也发现了它还有一些不同寻常的应用场景，包括股市或者癌症治疗的一些非常态情况的捕捉，除此之外，还有现在可以和人类下棋的阿尔法狗机器人等等。基于以上不同的分类，我们可以识别出迎面而来的公交车或其他车辆，以及看到人行道是否处于可通行状况，绿灯是否亮了，以上这些都是人工智能的具体应用。

我们还会有不同的候选模型进行选择，然后才知道哪个是最好的学习模型范本，看左边也就是数据处理的部分，在网上或者是一些商场会储存这些数据，借助模型版本进行机器学习，然后把他们归纳起来应用，所以这里有很多的数据。另外还有波音公司的无人驾驶，每小时会有80TB的数据产生，所以我觉得这一切归根结底都涉及到机器学习，所以我会把这个部分移除。

从数据中心的需求来看，需要很大的功能。我们所做的是虚拟学习，如何使这两个部分能够联系起来呢？数据和学习，所以我们在中间填补了一些虚拟化。我们有一个这样的虚拟化储存器，把它们连接起来，会有很多数据在中间来来..转移，在这个部分让数据在储存器中转移，包括前面我们提到的一个图片，数据会在这里被放大或缩小，这就是我们的人工智能学习的一个算法。

那么，我们现在谈到这些技术有哪些优势呢？在这张片子里，我们看到固态硬盘的一个学习部分。正如之前我们提到的无人驾驶的汽车一样，我们可以去管理和处理这些数据，而且这样的一个机器学习的过程应该是有一个层级的，最重要的是找到合适的算法，使我们能够通过这个算法建立起这样的一个级别。另外还有深度学习的一些算法，大概可能会有50个层级用到这里面，我们必须要找到一个最好的算法去使用。因此，这部分是一个有序的模型，有级别的、层级的模型，这些不同的节点都是非常重要的。

还有一个虚拟化机器的数据中心，通过它来处理有什么好处？基本上会减少处理量，这是一个关键点。每年我们会发现和诊断400万例这样的例子，所以如果通过这样的方法帮助我们去了解这些全球被诊断的新增癌症病例，包括去进行数据的分析，还考虑到这些病患是否有足够的经济来源，去服药，去确保在它最终死亡之前能够找到解决办法。

下面我想谈一下我们的企业，今天早上我也听到有些学生会受到邀请来到这里参加大会，这是一个很好的学习机会。我们的公司在台北和硅谷设有研发中心，在成都、北京、上海、深圳等地也有我们的分子公司等。去年国科微在深交所上市，我们的员工有近600人，绝大多数在美国从事研发的工作人员都有博士学位。我们的业务范围包括四个方面，监控、广播电视、存储，还有物联网。可以说我们的工作涉及到整个市场的不同细分部分，包括企业和专业SSD的市场和消费者市场。在控制器方面，我们获得了中国信息安全测评中心、国家密码管理局等多项认证。

下面回到技术方面的介绍，刚才谈到了存储，下面我们看一看数据是如何处理的。在这里我们可以看到一些数字，假设这些人都在使用智能电话，这意味着每一个人都会产生大量数据。基本上未来的数据收集会来自于很多的方面，包括前面提到的自动驾驶数据等等，我们生活的方方面面都会产生大量的数据。

*更多内容请点击阅读原文，进入大会专题*