求解億級規(guī)模約束條件和變量，全球權(quán)威榜單斬獲第一，華為云發(fā)布首個商用AI求解器

當我們在討論 AI 使能千行百業(yè)的時候，這意味著什么？

在生產(chǎn)線上，我們看到越來越多的工廠已經(jīng)裝上了缺陷檢測系統(tǒng)、設(shè)備監(jiān)控系統(tǒng)、智能分揀系統(tǒng)…… 甚至在生產(chǎn)前階段，我們也看到了智能設(shè)計系統(tǒng)、原料配比系統(tǒng)…… 毋庸置疑，AI 已經(jīng)為這些場景帶來了生產(chǎn)效能的提升。

與此同時，AI 的落地還面臨著多方面考驗，比如全局協(xié)同和資源利用最大化問題如何解決，碎片化、定制化、作坊式的開發(fā)模式如何走向規(guī)模化等。

在 9 月 23 日召開的華為全聯(lián)接 2021 上，華為云提出了更加豐富、強大的解決方案，發(fā)布了「天籌」AI 求解器、華為云盤古藥物分子大模型等 AI 服務(wù)。

華為高級副總裁、華為云 CEO、消費者云服務(wù)總裁張平安表示，「天籌」AI 求解器是一款結(jié)合了傳統(tǒng)運籌學技術(shù)和前沿 AI 技術(shù)的商用求解器，突破了業(yè)界運籌優(yōu)化極限，在全球權(quán)威的 Hans Mittelmann 線性規(guī)劃單純形求解器榜單中斬獲第一。而華為云盤古藥物分子大模型則實現(xiàn)了全流程的 AI 輔助藥物設(shè)計，可以將先導藥的研發(fā)周期從數(shù)年縮短到一個月。

這些 AI 能力都將通過華為云開放給相關(guān)行業(yè)的從業(yè)者，提高生產(chǎn)效能。

那么，華為云為什么要開發(fā) AI 求解器？「天籌」AI 求解器和傳統(tǒng)求解器有何不同？華為云盤古藥物分子大模型具體用來做什么？華為高級副總裁、華為云 CEO、消費者云服務(wù)總裁張平安以及華為云 EI 服務(wù)產(chǎn)品部總經(jīng)理賈永利為我們解答了這些疑問。

為什么要開發(fā) AI 求解器？

「某工廠有數(shù)千種零件、上萬名工人、數(shù)百個廠房，疫情期間訂單暴漲，如何安排這些資源才能消化更多的訂單？」

「某大型機場，每天有上千個航班降落，在廊橋機位與遠機位的比例為 1:3 的情況下，如何讓更多的航班停靠在廊橋？」

對于制造、零售、物流等行業(yè)的從業(yè)者來說，這種問題想必非常眼熟。他們每天都要做出類似的決策，最終目的都是實現(xiàn)最優(yōu)的資源配置。

如果場景比較簡單，變量和約束條件都比較少，企業(yè)可以用手工方式解決大部分問題（比如用 Excel 排期）。但隨著業(yè)務(wù)規(guī)模的擴大，這類優(yōu)化問題的復雜度會越來越高，變量和約束條件可能增至百萬、千萬級。這時候，要想實現(xiàn)資源的最優(yōu)配置就沒那么容易了，即使采用簡單的啟發(fā)式或機器學習方法可能找到的也只是次優(yōu)解。

對此，張平安表示：「數(shù)字化給企業(yè)帶來的好處之一，就是讓企業(yè)可以把大部分復雜的商業(yè)、運營的問題抽象成數(shù)學問題，通過全域的數(shù)字化感知、多域系統(tǒng)數(shù)據(jù)連通，獲得影響復雜商業(yè)問題的各種變量和約束，在企業(yè)全局和局部求方程的最優(yōu)解。比如通常熟知的運輸、物流行業(yè)的裝箱問題，城市交通、路徑規(guī)劃和生產(chǎn)排產(chǎn)問題，就可以轉(zhuǎn)換成為對一個萬級、百萬級、千萬級變量的方程組的求解。解決復雜的數(shù)學優(yōu)化問題，就要引入一項根技術(shù)：求解器。」

華為高級副總裁、華為云 CEO、消費者云服務(wù)總裁張平安發(fā)布天籌 AI 求解器

當然，很多人知道，求解器是用來求解數(shù)學規(guī)劃問題的軟件。它就像一個計算器：你把問題以數(shù)學形式輸入進去，它就可以幫你計算出結(jié)果。從理論上來講，它能處理上千萬甚至上億變量的數(shù)學模型，優(yōu)化產(chǎn)業(yè)鏈和供應鏈，給復雜場景決策問題一個最優(yōu)解或近似最優(yōu)解。

但知道是一回事，用不用是另外一回事。為什么不用？因為門檻對很多企業(yè)來說太高了。「不要說一般 IT 工程師了，可能連學運籌學的人都要經(jīng)過培訓才能會用。」賈永利談到。

由于求解器的技術(shù)壁壘高、研發(fā)難度大，長期以來，高性能商用求解器的核心技術(shù)始終是由歐美企業(yè)主導的。

通常來講，求解器的應用分為兩個步驟：一是建模：將問題通過數(shù)學形式準確有效地表達，就像給應用題建立方程組；二是求解：把數(shù)據(jù)和數(shù)學模型輸入求解器，讓求解器自動把最終結(jié)果算出來，獲得一定范圍內(nèi)的最優(yōu)解以支撐決策。賈永利舉例說，「比如一個供應鏈的路徑規(guī)劃問題看似就是中心倉和周邊倉庫的多種組合問題，但如何把這個問題翻譯成求解器能理解的數(shù)學問題并不簡單。」

開發(fā)和使用門檻高，那多招一些研究運籌學或求解器的專業(yè)人才不就好了嗎？但現(xiàn)實情況是：沒有那么好招。賈永利說，「求解器對數(shù)學基礎(chǔ)和工程能力的要求都比較高，且其核心技術(shù)都把持在各商用求解器廠商手中，研究者很難給出在通用問題上超越商用求解器的算法或策略，所以做這方面研究的人很少。」

也就是說，對于大部分企業(yè)來說，求解器就像那個佇立在東海的「定海神針」：東西是公認的好東西，但沒有幾個企業(yè)有孫悟空這種專業(yè)人才來駕馭。

在發(fā)現(xiàn)并深入研究了這一困境之后，華為云發(fā)現(xiàn)，AI 可以幫忙解決這個問題，于是便有了「天籌」AI 求解器。

「天籌」AI 求解器有何獨特之處？

前面說到，「天籌」AI 求解器是將運籌學和 AI 相結(jié)合的商用求解器，那么 AI 的作用體現(xiàn)在哪里呢？

首先是上層套件的智能化。求解器只能理解特定的輸入，但如何把具體問題轉(zhuǎn)換成這種輸入難住了一大批從業(yè)者。因此，「天籌」AI 求解器首先要做的就是充當一個「翻譯官」的角色，通過上層套件、工具的智能化來幫助用戶簡化求解器的使用過程，使得具體生產(chǎn)問題到求解器的映射變得更加簡單，降低求解器的使用門檻。

其次是求解過程的智能化。經(jīng)典的求解器大多是基于數(shù)學經(jīng)典算法的，但華為云發(fā)現(xiàn)，求解的過程其實也可以加入人工智能，從而提高求解速度，這也是所謂的「AI」求解器的另一層含義。

華為云主要從更好用和更智能角度來將 AI 和求解器結(jié)合：更好用是解決求解器在適應不同場景問題下的最佳參數(shù)和策略的配置問題，使得客戶不需要反復試驗不同的配置參數(shù)和策略；更智能是解決固定場景下結(jié)合歷史數(shù)據(jù)來優(yōu)化求解器性能的問題，使得求解器不斷適應客戶場景和問題，求解效果越來越好。

在 AI 和運籌學發(fā)生碰撞之后，華為云的「天籌」AI 求解器實現(xiàn)了多項突破：

突破了求解規(guī)模極限，支持億級規(guī)模問題的求解；

突破了求解速度的極限，利用分布式并行加速技術(shù)，速度最高可以提升 100 倍；

突破了建模效率極限，從人工建模到 AI 智能建模，建模效率最大可以提升 30 倍；

突破了求解效率極限，從人工調(diào)參到 AI 的自適應調(diào)優(yōu)，效率最高可以提升 30%。

在全球權(quán)威的 Hans Mittelmann 線性規(guī)劃單純形求解器最新榜單中，華為云天籌 AI 求解器斬獲第一，刷新世界紀錄。

華為云天籌 AI 求解器斬獲第一（http://plato.asu.edu/ftp/lpsimp.html 更新于 9 月 18 日）

目前，華為云「天籌」AI 求解器已經(jīng)在天津港等多個大型企業(yè)中得到應用，與金融、制造、供應鏈、交通物流等行業(yè)場景深度融合，并帶來巨大的經(jīng)濟效益，例如供應鏈生產(chǎn)排產(chǎn)和供需模擬、生產(chǎn)配料、港口、交通管理、供暖等。

作為世界前十的港口，天津港的年集裝箱吞吐量接近兩千萬箱。為了實現(xiàn)更高的吞吐效率，天津港與華為云合作開發(fā)了基于「天籌」AI 求解器的新一代港口智能計劃平臺。該平臺可以幫助天津港通盤考慮港口規(guī)劃中千萬級的約束條件和變量，完成整個港口計劃僅僅需要 10 分鐘，計劃速度最高提升 144 倍。

華為云盤古藥物分子大模型有什么用？

如果說全局協(xié)同和資源利用率最大化問題離不開 AI 求解器，那么變革碎片化、定制化、作坊式的開發(fā)模式則離不開預訓練大模型。這些大模型具有極高的通用性，就像一個內(nèi)功深厚的武林高手，只需少量學習便能掌握新的技能。也就是說，在面對不同場景時，這些模型只需要相對較少的新數(shù)據(jù)和調(diào)參便能實現(xiàn)復用，避免重復造輪子，進而加速 AI 在各個行業(yè)的大規(guī)模落地。

在新藥研發(fā)領(lǐng)域，動輒十幾年的研發(fā)周期、十幾億美元的研發(fā)成本一直困擾著研究者。其實，大部分的時間和金錢都花在了試錯上：為了找到一種有效的藥物分子，研究者需要對各種不同的化合物以及化學物質(zhì)進行測試。AI 模型的出現(xiàn)大大縮短了這一試錯過程，它可以在數(shù)字世界里完成海量預測，篩選出一部分極具潛力的分子供研究者在物理世界進行實驗。

但是，這種 AI 模型的構(gòu)建是非常有難度的。首先，AI 模型的訓練往往需要大量的數(shù)據(jù)，而數(shù)據(jù)往往又是制藥公司的核心資產(chǎn)，被視為商業(yè)機密，在不同機構(gòu)之間基本不會共享；其次，藥物數(shù)據(jù)不同于圖片和文本數(shù)據(jù)，如何用深度學習的方法對藥物數(shù)據(jù)進行建模是當前學術(shù)界的熱點難題；這些門檻將有志于新藥研發(fā)的普通醫(yī)藥研究者拒之門外。

針對這一困境，華為云和上海藥物所合作，研發(fā)了華為云盤古藥物分子大模型，希望能革命性地提升新藥的研發(fā)效率。張平安表示，該大模型學習了 17 億個小分子的化學結(jié)構(gòu)，對小分子化合物深度表征，可以高效生成藥物新分子，計算蛋白質(zhì)靶點匹配、預測新分子生物化學屬性，并對篩選后的先導藥進行定量優(yōu)化，實現(xiàn)了全流程的 AI 輔助藥物設(shè)計，在 20 多項藥物研發(fā)任務(wù)（包括新分子生成、屬性預測、結(jié)構(gòu)優(yōu)化等）中達到業(yè)界頂級水平。

今年 4 月，華為云發(fā)布了盤古系列預訓練大模型，包括自然語言處理（NLP）大模型、計算機視覺（CV）大模型、多模態(tài)大模型和科學計算大模型。而華為云盤古藥物分子大模型則是「盤古家族」的新成員。這一大模型依托于華為云醫(yī)療智能體 EIHealth 平臺，目前已經(jīng)在西安交通大學第一附屬醫(yī)院等機構(gòu)得到應用。借助這一模型，該院設(shè)計出了全新的廣譜抗菌藥物，將先導藥研發(fā)周期從數(shù)年縮短到一個月。

當然，除了新藥研發(fā)之外，盤古大模型在物流、金融等領(lǐng)域也已經(jīng)取得了一些成果。

賈永利表示：「AI 發(fā)展到今天，部分行業(yè)、領(lǐng)域已經(jīng)開始了從『可用』到『好用』的過渡。希望我們的求解器對使用者來說不只是快，更重要的是要簡單，要易用，能真正讓行業(yè)把它用起來。華為云將在 AI 技術(shù)上持續(xù)創(chuàng)新，結(jié)合眾多 AI 成功落地的經(jīng)驗，推動行業(yè)知識與 AI 進行深度融合。」

AI 機器學習

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。