人工智能正在改变电子战 商汤科技人工智能计算中心AIDC启动

人工智能正在改变电子战 商汤科技人工智能计算中心AIDC启动运营，引领人工智能算力生态创新发展， 

人工智能正在改变电子战

由BAE系统公司开发的MATRIC收发器使用RFSoC技术，可以实现电子战系统在作战及飞行中的重编程。

认知电子战将在依赖于无人作战飞机和可消耗性无人机的未来作战概念中发挥重要作用。

基于DARPA的“自适应雷达对抗”（ARC）项目，雷多斯和L3哈里斯技术公司将人工智能集成到ALQ-214射频对抗系统中，该系统用于美国海军的F/A-18E/F“超级大黄蜂”。

SLQ-32(V)7“水面电子战改进项目”（SEWIP）Block 3系统将利用人工智能技术帮助舰艇对抗反舰巡航导弹。

对于大多数人而言，人工智能是一个较难理解的术语。你越是想理解它，就会有越多的问题，答案也会越复杂。然而，人工智能无处不在，存在于搜索引擎、智能手机以及流媒体推送服务中。在这一趋势下，人工智能技术顺其自然地应用于电子战。电子战具有很多迫切需要使用人工智能技术的理由，并不仅仅是因为对手已经在使用AESA雷达。尽管人工智能技术较晚引入电子战和信号情报领域，但该领域却是人工智能及其子集——机器学习和深度学习算法的完美应用领域。

一般来说，认知系统被设计用来对输入数据进行感知、学习、推理，并根据数据揭示的规律为决策者提供建议。当应用于电子战时，认知系统侧重于对敌方信号进行探测和分类，并使用机器学习算法自动生成策略。人工智能可以快速分析大量数据，识别感兴趣的信号，通过分析开发，快速生成可用的对抗措施。随着认知电子战技术的成熟，它将被嵌入前线打击平台，与电磁战斗管理系统一起更好地感知、识别和传递电磁环境信息，而采用人工智能技术的电磁战斗管理系统则可以为指挥官构建更大的电磁频谱视图。

BAE系统公司FAST研发实验室的产品主管克里斯·拉帕（Chris Rappa）指出：“外部环境中的波形越来越多，电磁频谱越来越拥塞，将信息处理成情报的成本越来越高。因此人工智能和机器学习不仅需要应用在传感器上，还需要应用在传感器资源管理器、控制中心以及后端波形分析处理中。仅在一处应用是远远不够的，将人工智能和机器学习引入处理链的不同阶段才是逆转成本曲线的关键。”

一般说来，最先进的认知系统可以自主做出决策并执行决策，完全消除“人在回路”。然而，在可预见的未来，我们都不会让认知电子战系统自主工作，直到能对其进行完全充分地验证。电子战系统中的人工智能必须取得武器系统操作人员的完全信任，这是因为它将在“终极对决”中做出关乎操作人员生死的决定。就像40~50年前自动化电子战系统取代战斗机后座的电子战军官一样，人工智能也需要一段时间才能获得这种信任。当前的目标远没有那么雄心勃勃。人工智能使能的自卫系统只是人工智能在电子战领域的众多应用之一。电子战领域的其他应用，从威胁分析、部队训练到电磁战斗管理，人工智能也能在其中发挥重大作用。当人工智能应用于上述领域时，其应用方式就不只是像打开和关闭开关一样简单了。事实上，最有效的认知系统是将人工智能强大的计算分析能力与人类独有的洞察力和创造力相结合，结果就是减少了“人在回路之中”，增加了“人在回路之上”。

BAE系统公司FAST研发实验室的首席科学家斯科特·库兹德巴（Scott Kuzdeba）说：“个体或一个群体需要的信息就那么多，但数据是海量的，这就是为什么需要人工智能技术协助生成情报，这样人们只会获得他们所需要的，用于开展行动的相关信息。”

洛克希德·马丁公司海上和空中赛博/电子战主管乔·奥塔维亚诺（Joe Ottaviano）说：“人工智能不是万能药，而是帮助操作人员做出实时决策的支持工具，操作者仍然需要积极地参入其中。”雷神公司电子战系统首席研究员和技术总监卡尔·纳尔德尔（Carl Nardell）对此表示赞同：“电子战操作员不会消失，我们只是给他们提供一个工具，从而实现工作流程的自动化，完成更多数据的处理。”

消除瓶颈

对于武器系统操作人员而言，应对威胁时的响应时间至关重要。传统的电子战系统探测到敌方雷达或无线电信号后，会将其与系统威胁库中的已知信号进行匹配识别。一旦信号被识别，干扰机会立即选择一个预先加载的对抗算法并发射干扰信号，这一经过优化的对抗算法能够对特定的雷达和无线电接收机实现干扰或欺骗。

战争对手正在采用人工智能技术提升雷达、光电/红外传感器和通信系统的认知能力，这给电子战系统带来新的挑战。认知雷达和认知无线电使用不断变化的新波形，这导致了一个问题，即传统电子战系统无法实现干扰算法与难以识别的敌方信号的最优匹配。

对于电子战系统而言，敌方的雷达和无线电信号只是复杂电磁环境的一部分，电磁环境中密集地分布着各种友方及中立方的辐射源，这些辐射源使用不断变化的新信号。这意味着来自敌方雷达或无线电的新信号可能被作为“未知信号”隐藏在数量众多的射频能量之中。

通过综合应用人工智能算法、人工智能计算和分析能力以及深度学习技术，认知电子战技术有助于解决上述问题，这些技术试图基于行为特征实现电磁环境中的威胁系统探测，由位于“回路之上”的武器系统操作员确认是否需要做出最终决策。然而，直到最近，实现这一目标所需的计算能力还局限于大型数据中心数十万台服务器上，这些服务器在数量巨大的高性能处理器的驱动下，可以实现大量信息的快速处理并且做出近实时的决策。但由于这些数据中心距作战平台距离较远，平台的数据需要传输到数据处理中心，处理后再将对抗算法回传给作战平台，即使在理想条件下，这个过程也需要很长时间。

一种解决方案是将电子战数据处理分布在平台和作战中心。这和目前在工业、医疗以及其他领域的应用类似，这些领域采用上述方案的原因和电子战采用这一方案的原因一致，首先是产生数据的传感器平台与云数据中心有较长的往返延迟，其次是巨大的数据传输量使得数据链路过载。

通过合理划分云和网络“边缘”的任务可以解决上述两个问题。将实时应用所需的处理功能部署在平台上，而不是部署在云数据中心，这样就可以消除延迟问题。同时只向分析人员发送有用的数据，将大大减轻已经不堪重负的数据链路和网络的负载。此外，将重要信息保留在平台上，不仅可以对其进行持续更新，而且可以避免信息被拦截或损坏。

实施上述方案具有现实意义。举例来说，虽然舰船及一些车辆都具有人工智能硬件所需的空间和电源供给，但许多机载平台却几乎没有多余的空间和电源供给。为飞机开发的认知电子战系统需要以尽可能小的体积，实现尽可能高的功效。幸运的是，近年来工业界已经在上述领域取得了一些重大的技术进步。

第一个是射频“数字化”，即直接射频采样（射频直采），采用这种方式时，输入的模拟信号的数字化处理应尽可能靠近天线端，且不使用混频器和本振等射频及微波器件，从而避免了这些器件带来的不良影响，并减少了射频功能所占的空间。

数字化后的信号可以在射频片上系统（RFSoC）或通用图形处理单元（GPGPU）上进行处理。Xilinx公司推出的RFSoC产品将模数转换器、FPGA可编程逻辑电路与FPGA芯片封装在一起，同时在重要的I/O端增加了一个ARM处理器。GPGPU将通用中央处理器（CPU）的能力与图形处理器（GPU）的独特功能结合在一起。这两种类型的处理引擎都能用于人工智能，并且能极大地减少信号处理所需的空间及消耗的功率。

另一个例子是应用于电子战和信号情报领域的“刺猬”（Hedgehog）系统，这是BAE系统公司推出的一种可实时重构的软件定义无线电（SDR）系统，其射频前端由“可重构集成电路用微波阵列技术”（MATRIC）收发器组成。MATRIC技术由DARPA资助，芯片尺寸约为硬币大小。“刺猬”系统可以实现直流到40GHz信号的调谐，并能在纳秒时间内完成开关切换。其数字化及处理功能则采用Xilinx公司的RFSoC技术，系统可同时实现16通道，2GHz宽带射频信号的数字化。

BAE系统公司将“刺猬”无线电系统应用于DARPA资助的“机器学习实时自适应可控硬件集成”（CHIMERA）项目中，该项目旨在为机器学习算法开发人员提供一个可重构的硬件平台，以感知拥塞电磁环境中的射频信号。CHIMERA项目与DARPA的“射频机器学习系统”（RFMLS）项目互为补充，RFMLS项目致力于机器学习算法的开发。

BAE系统公司已经演示了“刺猬”在无人机上的应用，测试了其在拥塞和竞争的电磁环境中的信号感知能力。该演示是DARPA“基于网络化系统的分布式射频分析和定位”（DRAGONS）研究计划的一部分，其目标是集成信号识别和定位能力。拉帕指出：“我们的目标是开发大量生产小型化产品的能力，这样就可以在更多的地方部署更多的传感器，具有更多的能力，进而对其进行集成。由于可用处理能力的增加以及先进数据利用技术的发展，我认为实时的数据开发利用能力正在发生巨大改变。”

提高处理效率

传统的对抗措施开发过程耗时过长。一旦信号情报（SIGINT）平台收集到新的威胁信号，会将其发送给数据中心，分析人员会将该数据和从其他信号情报任务中截获的数据放在一起进行分析，在几周或几个月的时间内完成对策制定。然后，威胁数据以及相应的对抗措施就会根据需要发送给作战单元并上传至电子战系统。但是随着敌方综合防空系统越来越多地使用认知雷达以及数据链技术，这种使用了几十年的对抗措施开发过程显然过于缓慢。

雷神公司的纳尔德尔说：“从发现新威胁到对此做出应对的周期不应该以天、周或月来衡量，而应该以秒或分钟来衡量。人工智能和机器学习技术将缩短这一周期。”

电子战系统最基本的功能是在电磁环境中接收、识别感兴趣的信号，并在必要时对其进行干扰。对于传统电子战系统，这一过程依赖于数据收集（例如信号情报），基于收集的数据进行电子战系统编程，实现感兴趣信号的识别。采用人工智能使能的电子战系统，数据收集就有了全新的价值，来自于电磁环境中的大量数据可以用来训练人工智能模型，这些模型可以用于辐射源行为模式识别。

洛马公司的奥塔维亚诺说：“现代雷达有很强的适应性，采用FPGA可以快速改变其行为方式，这使得对抗措施生成的周期过长成为一个现实问题。然而通过人工智能技术处理数据并观察雷达的行为，可以在短时间内生成对抗措施，这对数据处理大有帮助。”

连接更多作战节点

虽然人工智能可以在系统层面为电子战提供巨大的好处，人工智能在其他领域的应用同样会对电子战产生影响。例如，美国国防部启动了“联合全域指挥控制”（JADC2）研究工作，旨在快速收集、分析并与武器运载平台共享分布式传感器信息。美国国防部设想了一个类似云的JADC2环境，使得所有部队能够通过通信网络实现传感器数据的传输和共享，以实现更快的决策。

美国国防部计划从大量传感器收集数据，使用人工智能分析数据、识别目标，并生成最佳的动能或非动能武器攻击建议，从而赋予指挥官更好的决策能力。这一概念将使指挥官获得有用信息，实现快速、连续的跨域能力集成，得以开展跨域并发行动。

人工智能能力并不匮乏

目前并不缺乏将人工智能集成于现有平台和新平台的硬件和软件。纳尔德尔表示：“我们有更多可用的功率，有射频片上系统，同时我们也期待下一代产品能实现能力的进一步扩展。我认为不应该在战术平台上进行机器学习训练，但战术平台仍需要一定程度的人工智能和机器学习以帮助遂行任务。已经在用的一些人工智能系统，从潜艇到机载设备等等，都获益于人工智能和机器学习技术。”

纳尔德尔解释说，“目前的挑战在于将其纳入一个战术系统，需要解决结构、环境适应性和可靠性的问题。某些形式的人工智能已经存在了几十年，我认为大多数时候，当人们想到人工智能时，想到的就是神经网络，但神经网络只是人工智能工具包的一个组成部分。我们有启发搜索方法、人工智能算法和神经网络方法，现在我们开始将它们应用于解决电子战问题。事实上，许多工具并不需要大量的专业知识才能使用。我们已经在使用这些算法，并用于解决所面临的问题。”

纳尔德尔认为机器学习是一个机会，可以从现有传感器和效应器中提取尽可能多的能力。由于目前缺乏将两者结合在一起的算法，导致无法充分利用它们。而人工智能和机器学习提供了这样的机会，可以从现有装备中获取更多价值。

人工智能将应用于新的电子战系统，同时也有必要将其集成到尽可能多的老式电子战系统中，其中一些老式系统已经有几十年的历史，并且采用的是模拟技术体制。将人工智能嵌入数十年前设计的系统中，这并不需要对原有系统进行彻底的变革，因为可以利用标准接口来获取所需的数据，这仅仅取决于系统的开放结构是否设计良好。

纳尔德尔同时表示：“我认为的老式平台不是F-22战斗机，而是F-16或F/A-18。我们已经在研究第六代平台，它们具有人工智能能力。问题是这些平台还需要很长时间才能投入使用，而第四代平台（F-22）仍是主力，以更低的价格、更短的时间在这些平台上嵌入人工智能是一个重大机会。随着行业越来越多地采用开放标准，将FPGA、张量处理器和GPGPU应用于传统平台将变得更加容易。”

认知电子战的未来

十年前，认知电子战更像是一个梦想，但得益于人工智能以及相关软件、硬件技术的巨大发展，这一情况正在发生巨变，认知电子战已经成为现实。

拉帕指出：“电子战领域需要有共识，即当前在系统中实现认知电子战能力是绝对可行的。通过在第四代空中作战平台中嵌入人工智能，这些平台可以产生更大的价值，并且实现门槛也不是很高。”

BAE系统公司的库兹德巴表示，BAE系统公司已经具备对未知威胁做出近乎实时反应的能力。

奥塔维亚诺说：“我们看到越来越多的人工智能和机器学习技术应用于固定翼和旋翼机上，我认为下一步将是减少延迟。我们正在采取措施减少GPGPU类型平台上的处理延迟，而且现在看来进展相当迅速。”

一旦所有这些能力都可交付使用，下一个问题就是系统是否应该自治。库兹德巴指出，“人工智能的使用存在许多的伦理道德方面的问题。当你具备这些能力的时候，新问题就出现了，例如，采用自动系统生成的对抗措施是否能确保飞行员的安全。”

“这最终归结为信任，”库兹德巴解释说，“因为飞行员必须决定他是否会把自己的生命押在自主工作的电子战系统上，同时该系统是否会按照预期的方式运行。必须得到作战应用人员的支持，这样他们才会使用它。如果他们对设备没有信心，他们可能会关掉它。当然，这不是第一次要求作战人员对新技术有信心，隐身技术就是一个很好的例子，最终他们还是做到了。”

发布于：陕西


商汤科技人工智能计算中心AIDC启动运营，引领人工智能算力生态创新发展

2022年1月24日，上海——人工智能软件公司商汤科技SenseTime在今天宣布，商汤科技人工智能计算中心（简称“商汤智算中心或商汤AIDC”）即日起启动运营。商汤AIDC是一座开放、大规模、低碳的先进计算基础设施，是SenseCore商汤AI大装置的重要算力基座，其设计的峰值算力高达3740 Petaflops（1 Petaflop等于每秒1千万亿次浮点运算），会成为亚洲最大的人工智能计算中心之一。AIDC不仅将加快商汤的创新步伐，同时将孕育出一个开放且快速发展的生态系统，降低各行业大规模人工智能应用的准入壁垒，不断拓展人工智能产业化的边界。

作为华东地区首个落地运营的超大型人工智能计算中心，商汤AIDC将积极响应上海在十四五期间建成具备国际影响力的“人工智能高地”的目标，承载在上海及长三角开展大规模人工智能技术研发攻坚和产业化的重任，为产业数字化转型、重大科研突破和智慧城市建设提供澎湃的计算动能。当天，商汤AIDC被上海市经济和信息化委员会授予“上海人工智能融合赋能中心”称号，将进一步发挥自身优势，助力人工智能“上海高地”建设。此外，商汤还与多家机构和企业签署战略合作，共同推动基于AIDC的生态建设。

商汤科技董事长兼CEO徐立表示，“商汤人工智能计算中心启动运营，是我们在AI基础设施领域长线布局的重要成果，它不仅将为AI深度赋能经济、生活、治理领域数字化转型构建智慧底座，促进社会生产力可持续发展，也将加速下一代通用人工智能技术的攻坚，推动人工智能国产算力芯片创新，形成共生、共荣的AI生态。我们致力于打造全球范围内首屈一指的人工智能计算中心，随着智算中心综合服务能力的持续提升，未来商汤将源源不断地向社会输出普惠的人工智能算力，引领人工智能行业发展。”

自成立之初，商汤便深刻认识到超大规模算力对于推动AI技术创新的战略作用，并长期深耕于算力基础设施建设，已在主要区域市场建立了23个AI超级计算集群。2018年4月，商汤在没有任何可供参照的案例经验和实验场地条件下进行AIDC的预研，并于2020年7月正式启动建设。AIDC启动运营后，将进一步扩展商汤的AI超算规模，使商汤的总算力超过每秒4910 Petaflops。

四大优势，为商汤AI大装置构筑创新基座

AIDC是SenseCore商汤AI大装置中计算基础设施层的重要组成部分和物理承载。作为商汤前瞻打造的通用AI基础设施，SenseCore商汤AI大装置将计算基础设施、深度学习平台、模型层三个部分有机整合，可实现批量的算法模型生产、部署和迭代升级。AIDC启动运营后，将以超大规模弹性算力、低算力成本、高安全性、低网络时延等多重领先优势，为商汤AI大装置构筑创新基座，以更高效率、更低成本带动AI产能的升级。

大规模弹性算力，支持超大参数通用大模型训练。AIDC可以提供大规模弹性算力，可完成10000亿参数模型的完整训练。通过对海量计算资源的整合，AIDC将使得AI大装置像流水线工厂，实现不同场景的算法模型的底层抽象，以模块化平台套件打造通用型服务平台，以低边际成本实现对新场景的规模化覆盖。凭借算力的突破，AIDC还将为蛋白质折叠等多领域的重大基础科学研究，开创全新的科研范式。

低算力应用成本，促进国产智能芯片生态创新。AIDC可以为国产智能芯片提供大规模应用的环境，形成更具成本优势的AI算力服务。通过由商汤牵头成立的“人工智能算力产业生态联盟”，AIDC将加快国产智能芯片的适配、整合，并带来从场景需求牵引到软件价值生态全链条的配套支持，为国产智能芯片的创新构建体系性支撑，加速形成人工智能国产算力生态基础，实现“扶持一批芯片企业，培育一个软件生态，繁荣一群应用开发”。

领先高安全性能，实现从存储到计算多层保护。AIDC拥有业界领先的高安全性能，具有高度完善的隐私和数据保护方案。通过独立的物理机房，AIDC可保证完全的物理隔离，借助隐私安全计算技术，可面向不同客户，提供从计算、存储到网络等不同层面的资源隔离。商汤还通过了ISO/IEC 27001、ISO/IEC 29151信息安全管理体系等认证，持续提供符合全球标准的可信安全服务。

低网络时延设计，提供低成本高质量网络服务。AIDC坐落于上海临港，针对上海和长三角业务具备访问快、时延低等优势。目前，AIDC已接入国家（上海）新型互联网交换中心，作为该中心核心运营主体和发起单位之一，商汤将通过AIDC为行业提供低成本、高质量的网络服务和AI算力服务。同时，得益于AIDC的集群网络设计，通过基于RDMA技术的高速通信网络，可以进一步提高训练数据层的高频交互效率。

加速产业、科研、城市管理全产业数字化转型

AIDC启动运营，将进一步提升SenseCore商汤AI大装置的模型生产效率，支持商汤智慧商业、智慧城市、智慧生活、智能汽车四大软件平台的持续创新，以及在超大规模集群并行训练、蛋白质折叠研究等领域的前沿研究工作。商汤还将通过AIDC将商汤AI大装置的技术能力向合作伙伴开放，为产业、科研、城市管理提供AIaaS云服务，全面提高AI的生产力，加速全产业数字化转型。

面向产业，商汤AIDC将致力于打造全产业数字化转型的AI基础设施，通过商汤AI大装置助力各行各业降本增效。在无需深厚的专业知识和巨大资本投入下，客户可以通过商汤AI大装置开展自动化的AI模型生产和部署，快速打通各类垂直行业中长尾需求，完善价值链条。

面向科研，AIDC将致力于打造成为国内一流的科研创新服务底座与人工智能赋能平台，助力上海建设成为具有全球影响力的科创中心。依托海量的算力资源、集群调度优势、完整的AI算法工具链，支持服务上海及长三角地区的国家重大科技基础设施和科研创新主体。目前，商汤AIDC已与国家蛋白质科学中心（上海）等科研机构及高校达成合作意向，充分利用人工智能技术，带动传统科学研究进入新的发展模式。

面向城市管理，商汤将通过AIDC及商汤方舟城市开放平台为城市管理者赋能，支持“一网统管”体系建设，加速城市治理智慧化进程。通过全面解决城市治理过程中长尾应用的需求问题，，为新一代智慧城市向集约式智能中心建设与运营模式转型提供有力保障。

不仅如此，商汤还积极推动前沿的节能技术与设计方式，满足海量算力需求的同时降低数据中心能耗，推进绿色低碳数据中心的建设。目前，商汤已从能源、技术和管理等层面，为AIDC采取了多种能源优化措施，年均PUE优化至1.28，使其功耗比国内其他数据中心平均水平低约10%。AIDC全量运营后，商汤在沪整体单位增加值能耗为0.141-0.143，远优于各行业的平均水平，推动可持续发展，助力“双碳”目标实现。

商汤AIDC是为数字化转型构建的智慧底座，是数字经济发展的驱动力。由商汤联合相关高校、企业、专业机构等多个行业伙伴共同发起成立的人工智能算力产业生态联盟，也于当天在全体大会上共同商讨智能计算产业的算力供给和需求，以及行业面临的挑战以及应对策略。会上，联盟还启动了《长三角人工智能算力发展报告》，为长三角人工智能算力发展打造一流人工智能算力产业生态提供参考。

作为新一代超大规模AI通用基础设施，AIDC成功启动运营，对于把握新一代人工智能技术创新与应用创新趋势，迎接新一轮科技革命和产业变革，具有重要的战略意义。商汤将持续扩大AIDC的计算能力，并计划在更多主要区域市场投资建立AIDC，帮助更多行业客户加快数字化转型升级。商汤AIDC将以上海为起点，携手产业上下游合作伙伴，建设覆盖全国的人工智能算力大生态，持续推动AI在全产业中的创新与全面应用，向着“AI赋能百业”的目标砥砺前行。

发布于：北京