華為連發兩款AI晶片，計算力吊打穀歌及英偉達

從這一場發布會之後，華為開啟了一場從晶片到框架、從雲到端的全面正向對標國際AI巨頭（谷歌、英偉達、英特爾、亞馬遜等）的新征程。

七月，外媒the Information爆料稱華為正在內部推動「達文西計劃」行動，旨在讓公司的所有產品和業務融入 AI 技術。

EDN也曾對此進行報導《華為自研超級晶片首曝光，這次挑戰NVIDIA》

今天（10月10日），在2018華為全聯接大會上，華為真正的 AI 戰略揭開面紗。

華為副董事長、輪值董事長徐直軍正式推出了「華為AI發展戰略」，包括一套AI全棧解決方案、生態與人才、解決方案、內部效率提升、以及投資基礎研究。

據稱，這是華為目前為止最高規格的人工智慧重大戰略發布，它不僅包括此前盛傳的AI晶片，還包括了從系統到軟體、從框架到算子的全棧式AI解決方案，並涉及人才、生態、研究等諸多方面。

可以說，從這一場發布會之後，華為開啟了一場從晶片到框架、從雲到端的全面正向對標國際AI巨頭（谷歌、英偉達、英特爾、亞馬遜等）的新征程。

兩款新AI晶片——昇騰910、昇騰310

經過多年自研投入和積累，華為自研的移動Soc麒麟系列晶片的綜合性能已經躋身一線水準。

而將AI作為未來主要戰略方向之一的華為，如今在AI晶片上也拿出了自主研發成果。

在此次大會上，華為正式發布兩款AI晶片：採用7nm工藝製程的昇騰910，以及12nm工藝製程的昇騰310。

昇騰910：吊打穀歌/英偉達

徐直軍表示，昇騰910是目前單晶片計算密度最大的晶片，最大功耗為350W，計算力可達到256TFOPS，比最接近的 NV 的 V100 還要高出一倍，計算力遠超谷歌及英偉達。

並且，華為基於 910 們還在構建一個昇騰 plus，它是迄今為止全球最大的分布式訓練系統。

徐直軍介紹，通過把 1024 個 910 連接起來，構建一個 AI 計算機群，可提供高大 256 個 P 超高 AI 計算能力，實現人們過去從未想過的速度訓練你的模型，不管多複雜的模型。

昇騰310：高效計算低功耗AI SoC

昇騰310晶片的最大功耗僅為8W，主打極致高效計算低功耗AI晶片。

這個 AI SoC 屬於升騰的迷你系列，這顆晶片的最大功耗僅 8 瓦的情況下，整數精度的算力達到 16TFLOPS，同時 310 還集成了 16 個通道的高全高清視頻解碼器，是目前面向邊緣計算產品最強算力的 AI 晶片，也可以用於數據中心的訓練和推理。

據悉，這兩款AI晶片和大規模分布式訓練系統都將在明年第二季度推出，支持所有主流的框架，包括TensorFlow、Caffe、Caffe2、CNTK等等。

此外，徐直軍還推出了5款基於昇騰310晶片的AI產品，包括AI加速模塊Atlas 200、AI加速卡Atlas 300、AI智能小站Atlas 500、AI一體機Atlas 800、以及移動數據中心MDC 600。

2019年華為還將發布3款AI晶片，均屬昇騰系列。

從某種方面說，兩顆AI晶片的發布也從側面證實了華為的「達文西計劃」，在華為高層直接被稱為「D計劃」。

這項計劃的內容包括為數據中心開發新的華為AI晶片，能夠支持雲中的語音和圖像識別等應用，這被認為是華為涉足競爭激烈的人工智慧市場的第一關。

現在來看，兩款AI晶片的發布，意味著華為第一關已經闖過!

AI全棧解決方案，讓所有開發者都用上AI

去年，華為就曾預告過將針對打造面向邊緣和端的全棧全場景解決方案。

上文提到的這兩款AI晶片，其實是華為AI全棧全場景AI解決方案的一部分。

所謂全場景，即包括公有雲、私有雲、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境，即「讓 AI 無處不在，無所不及」，而全棧即包括晶片、晶片服務，還有硬體，以及訓練和推理的框架和應用在內的全堆棧解決方案。

華為的全棧方案具體包括：

Ascend： 基於統一、可擴展架構的系列化 AI IP 和 晶片，包括 Max，Mini，Lite，Tiny 和 Nano 等五個系列。

包括我們今天發布的華為昇騰 910（Ascend 910），是目前全球已發布的單晶片計算密度最大的 AI 晶片，還有 Ascend 310，是目前面向計算場景最強算力的 AI SoC。

CANN： 晶片算子庫和高度自動化算子開發工具

MindSpore，支持端、邊、雲獨立的和協同的統一訓練和推理框架

應用使能：提供全流程服務（ModelArts）, 分層 API 和預集成方案

由於雲端與終端所採用的AI框架與底層環境不同，一般AI應用在訓練跟部署之間一定會經過一次以上的遷移——對企業而言這是一個無用的「內耗」，既耗費人力物力，又浪費時間。

這對於開發者本人而言也是個麻煩的事情，因為轉換底層環境涉及到很多算法跟算子的調校，很容易出現明明AI在雲上跑得好好的，一換計算環境AI應用效率就跌。

因此，如果能夠用同一套框架，打通華為公有雲、私有雲、邊緣計算、手機等不同AI應用場景，那麼AI應用就只需要一次調校，就能更簡單地部署。

此外，這套方案同時還將於華為的HiAI開發者框架與華為雲EI相輔相成。

華為人工智慧戰略的五大方面

不論在計算視覺、語音、決策，華為過去幾年採用大量投資研發的方式，快速補齊所需要的技術，同時打造各種涵蓋全場獎的解決方案，提供業界更簡單易用，且高效率的 AI 平台，並且與業界、學界合作，不僅推動開發環境與應用服務的完備，也同時要培養 AI 所需要的人才。

應用為血肉，算力則成為骨架，這些元素建構出華為未來的 AI 布局，不是針對單一面向的應用，而是要擴及所有可能與人類生活息息相關的信息、重複事物的自動化處理，為此，華為推出了全棧全場景的 AI 技術和服務.包括：

投資基礎研究：在計算視覺、自然語言處理、決策推理等領域構築數據高效(更少的數據需求)、能耗高效(更低的算力和能耗) ，安全可信、自動自治的機器學習基礎能力

打造全棧方案：打造面向雲、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案，提供充裕的、經濟的算力資源，簡單易用、高效率、全流程的AI平台

投資開放生態和人才培養：面向全球，持續與學術界、產業界和行業夥伴廣泛合作，打造人工智慧開放生態，培養人工智慧人才

解決方案增強：把AI思維和技術引入現有產品和服務，實現更大價值、更強競爭力

內部效率提升：應用AI優化內部管理，對準海量作業場景，大幅度提升內部運營效率和質量。

為了達到這樣的目標，華為這次把華為旗下的 HiAI 生態與去年發布的 EI 生態進行整合，並通過全新的昇騰家族晶片，打造從算力、框架到服務的完整 AI 系統。

如果說AI發展戰略為華為指出了人工智慧的發展方向，那麼AI解決方案就是落實構想。

人工智慧需要十大改變才能開創未來

徐直軍稱人工智慧才剛剛開始，需要從技術、人才、產業這三個方面進行主動的變革，需要在十個方面進行改變。

一、縮短訓練模型的時間：按照目前的技術水平，訓練某些複雜模型時往往需要數天甚至數月，而成功的創新發現往往需要多次疊代，這種訓練速度嚴重製約了應用創新。

我們認為，未來模型的訓練要能在幾分鐘、甚至幾秒鐘內完成。

二、充裕經濟的算力：算力是AI的基礎，但目前的算力非常昂貴，是一種稀缺資源。

如果說算力的進步是當下AI大發展的主要驅動因素，那麼，算力的稀缺和昂貴正在成為制約AI全面發展的核心因素。

算力應該是充裕且經濟的，並且這種需求應該儘快實現。

三、人工智慧要適應任何部署場景：混合雲已經成為企業採用雲服務的主要模式，當前的AI主要在雲，少量在邊緣，與企業的業務環境的結合有待進一步深入。

未來AI將無處不在，要能夠部署在任何場景，並確保用戶隱私得到尊准和保護。

四、更高效更安全的算法：算法是推動AI發展的另一個主要動力，但目前運用的主要算法多誕生於1980年代。

隨著AI的廣泛普及，這些算法的不足愈發明顯。

未來的算法，要能夠基於更少的數據需求，即數據高效。

也要能夠基於更低的算力和能耗，即能耗高效。

同時要解決自身的安全問題，並實現可解釋…等等，這都是AI全面發展的重要技術基礎。

五、更高的自動化水平：今天的人工智慧，自身還需要大量的人工，特別是在數據標註環節，今天甚至還誕生了一個新的職業叫「數據標註師」。

有人調侃說，今天的人工智慧，是沒有「人工」就沒有「智能」。

應該大大提升AI自身的自動化水平，比如在數據標註、數據獲取，特徵提取，模型設計和訓練等環節，要實現自動化或半自動化。

六、模型要面向實際應用：2018年6月，伯克利大學的助理教授 Benjamin 等發表了一篇題目奇怪的論文——《CIFAR-10分類器能否泛化到CIFAR-10？》該論文指出，在CIFAR-10分類器上測試準確度出色的模型算法，卻在作者創建的與CIFAR-10非常接近的另一測試集上出現了偏差，分類識別準確率下降了5-15個百分點不等。

這也就意味著，這個模型算法的可用度大幅度下降。

由此，可見當前很多優秀的模型算法，更多的是「考試」優秀，還未達到「工作」優秀。

未來的模型必須實現工業級的優秀，即滿足工業生產的需要，而不僅僅滿足於測試集上「考試」優秀。

七、模型更新：模型的準確率並非是一成不變的，而是會隨著數據分布、應用環境和硬體環境的變化而變化，始終保持準確率在期望的範圍內對於企業應用是必須的。

但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環的系統。

未來的模型要能及時適應各種變化，實時更新，實現閉環系統，保證企業AI應用始終處於最佳狀態。

八、人工智慧要多技術協同：每一個通用目的技術，只有與其它技術充分協同配合，才能發揮到極致，創造巨大的經濟價值。

AI也不例外，但在目前探討AI時，更多的是僅僅聚焦AI本身。

九、人工智慧要成為由一站式平台支持的基本技能：今天，AI還是一項只有具備高級技能的專家才能完成的工作，成熟、穩定、完善的自動化工具還比較缺乏，獲得一個AI模型還是一個非常複雜，耗時耗力的事情。

十、以AI的思維解決AI的人才短缺：AI人才的短缺，特別是數據科學家的缺乏，一直是業界顧慮較多的一個制約因素。

數據科學家將永遠是稀缺的。

解決之道應該是，以AI的思維解決AI的人才短缺。

通過著力發展智能化、自動化、簡單易用的AI平台和工具服務，以及提供培訓教育，培養大量的數據科學工程師，使他們能完成大量基本的數據科學相關工作。

通過這些大量的數據科學工程師與數據科學家和各領域專家相互配合的梯形結構，來解決AI人才稀缺問題。

這十個改變，一定不是AI技術、人才、產業發展的全部，但都是未來發展的重要基礎。

小結：

相較於其他同樣具有國際級巨頭份量的中國科技企業，例如阿里巴巴、百度、騰訊等等，華為應該是最晚公開宣示全面擁抱 AI、宣示全面 AI 發展戰略的公司，但華為這種謀定而後動的方式，或更能後發制人。