挖通AI软硬协同管道！英特尔与百度飞桨揭秘合作之道( 三 )

第一， AI技术与科学原理或物理模型有机结合的挑战。以深度学习为代表的AI方法擅长数据驱动的场景，但分子动力学等科学计算领域需要数据驱动与模型驱动的方法深度融合，以更好地结合观测数据和物理模型。
第二，对于通用计算平台的挑战。原来的深度学习框架更多是面向传统AI任务而设计，在处理AI+科学计算任务时会遇到诸如需提供高阶自动微分能力之类的一些新挑战，还需要AI框架和传统科学计算的仿真软件来进行打通。比如飞桨和英特尔的合作就涉及与传统分子动力学模拟软件LAMMPS的打通，否则完整的实验循环就会产生一些问题。
三是产学研用打通的挑战。 AI+科学既涉及理论研究、实验研究，又涉及实际产业的应用，这不仅要求具备AI对复杂数据的处理能力，还要有对科学原理和超算能力的结合，因此需要协同高校、科研院所和企业等各方力量，总体上打通理论、实验和产业应用的通路。
“我们发布飞桨AIforScience的共创计划，也是希望和各方一道来进行联合的技术研发、资源共享和生态商机的共建。 ”于佃海说。

文章图片
结语：资源互补、强强联合，加速AI普惠
AI应用的普及，离不开产业链各环节合作伙伴的共同努力。英特尔在整个产业链里处于上游，擅长硬件及硬件相关的软件；百度飞桨是中国首个自主研发、功能丰富的产业级深度学习平台，在实际业务应用有更多的积累和沉淀。
两者通过深度合作与融合创新，不仅持续挖掘软硬件协同优势，而且大幅降低了应用AI技术的门槛，最终使开发者及有引入AI需求的行业受益。