華為大轉型，剛剛重磅發布了兩顆AI晶片，華為AI之心曝光

首次發布AI戰略，推出昇騰910、310AI晶片，提出全棧解決方案。

今天的發布會之後，華為應該會笑很久。

早上九點，華為在全聯接大會上正式對外發布了AI發展戰略和相關產品及解決方案，其核心要點就是華為要打造包括晶片、晶片使能、硬體、訓練和推理的框架的全棧方案、以及面向雲、邊緣和端的全場景解決方案。

其中，最為重磅的莫過於華為此次推出的兩顆AI晶片：用於大規模分布式訓練系統的昇騰910以及面向邊緣計算場景的昇騰310。

​

兩款晶片均採用達文西架構，昇騰910主打雲場景的超高算力，其半精度算力達到了256 TFLOPS，比目前最強的NVIDIA V100的125T還要高一倍，是目前全球已經發布的單晶片計算力最大的AI晶片，採用7nm工藝，將在明年第二季度上市。

昇騰310兼具極致高效計算和低功耗，是目前面向邊緣計算場景最強算力的SOC，最大功耗僅僅8瓦。

除此之外，徐直軍介紹2019年還要發布三款應用在智慧型手機、手錶等穿戴設備上的IP。

基於昇騰910以及310，華為還將提供系列的硬體以及雲服務產品，用徐直軍的話來說——

AI 好啊，我們要「大大加速AI在各行各業的應用，實現普惠AI。

」

揭秘華為全棧式、全場景AI方案

大會開始，華為輪值董事長徐直軍開門見山，操著一口不太正宗的普通話談到了當下人工智慧的發展態勢，他主要談了三個觀點：第一，人工智慧將是一種通用技術。

用AI的技術和理念去解決現在和未來的問題。

這是未來我們能夠構建競爭力的關鍵。

第二，AI將會改變所有行業。

第三，AI將改變每個組織。

AI將降低傳統崗位需求，而提高對資料庫人才的需要。

未來的人員需求是菱形，而不是三角形。

基於AI技術對人才和產業的10大改變，華為制定了包括五個部分的AI發展戰略：

1、投資基礎研究：全力投資AI基礎研究，在計算機視覺、自然用戶眼處理、決策推理領域構建數據高效；2、打造全棧方案：打造面向雲、邊緣和端的全場景解決方案；3、投資開放生態和人才培養；4、解決方案增強：AI思維技術引入華為現有所有產品和服務。

實現現有產品和服務更大的價值；5、內部效率提升：應用AI優化內部管理，對準海量作業場景。

之後，華為首席戰略架構師黨文栓詳細解釋了華為的全棧式、全場景解決方案，其中全場景包括四層：Ascend晶片、算力層CANN、支持端、邊、雲獨立的和協同的統一訓練和推理框架MindSpore；提供全流程服務（ModelArts）、分層API和預集成方案的應用使能層：

第一層是晶片設計層，即基於達文西架構開發的從Lite、Mini、Tiny、Nano到Max一系列晶片集成，適用任何場景，以最低功耗發揮最優性能。

第二層是算力層，華為開發的CANN能夠兼具最優開發算力和算子性能兩者，具有統一的API接口，致力於為開發者提供更好的開發平台。

以reduce-sum開發案例為例，華為的開發效率提升三倍。

第三層是華為開發的統一訓練和推理的框架Mindstore，其支持深度學習、強化學習、增強學習。

值得一提的是，這一框架的大小不到50mb，存儲空間需求也很小，集成了大規模分布式訓練系統的晶片，助力不同模型開發和優化。

第四層是應用開發層，即提供全流程服務架構ModelArts，通常建模、運營等服務都是隔離的，華為設計的ModelArts可以為開發者提供更加簡單的模型支持，從獲取數據到適應變化，可以支持全流程的設計支持。

具體包括適配模型架構，讓不同場景的模型設計更加自動化的ExeML以及預集成解決方案，支持多領域（包括物流等不同場景）開發的CloudEI平台等。

總體來說，華為人工智慧的發展戰略，是以持續投資基礎研究和AI人才培養，打造全棧全場景AI解決方案和開放全球生態為基礎。

在人工智慧戰略上慢半拍的華為，終於放大招了

華為最早公開對AI的「野心」得追溯到2016年任正非的一次內部談話。

當時他在華為諾亞方舟實驗室座談會上做了一次內部演講，首次系統談到了華為在人工智慧領域的戰略。

自此，華為的AI戰略初露端倪。

這次內部談話，任正非談到了華為的人工智慧服務方向、研發重點。

其中，關鍵詞之一就是基於華為現有的網絡存量，將AI聚焦在改善服務上。

即「人工智慧要瞄準服務主航道。

」

值得注意的是，此處提及的諾亞方舟實驗室則是華為於2012年成立的，專注於人工智慧、機器學習、數據挖掘等前沿科技領域，也是華為正式投入AI基礎研究的先導信號。

諾亞方舟上面還有更加神秘的「2012實驗室」，這是華為的總研究院，包括中央硬體工程學院、海思、研發能力中心、中央軟體院等。

早期的華為的AI研究主要還是聚焦在企業內部的服務當中，其對外的動作和谷歌、微軟以及國內的BAT相比，低調很多。

以和雲計算息息相關的雲端AI晶片市場為例，作為 AI 雲服務的重要部分，為深度神經網絡任務專門加速的雲端晶片，成了當前雲服務廠商的兵家必爭之地。

英偉達憑藉其CUDA方案，一時風頭無兩。

谷歌在2016年推出了專為機器學習定製的專用晶片TPU，已經被其應用在了AlphaGo、搜索、翻譯、相冊等背後的機器學習模型中。

今年2月，谷歌雲TPU 宣布向外部用戶開放。

國內的情勢也是刻不容緩，百度在7月份的開發者大會，推出了雲端全功能AI晶片「崑崙」，其在訓練和推理上的能力不容小覷，並且與百度的AI大腦構成協同作用。

阿里巴巴則是在剛剛過去的雲棲大會上，宣布成立獨立的半導體公司平頭哥，其首款自研深度神經網絡晶片將於明年4月正式流片。

面對國內外的多面夾擊，華為的步伐不得不加快了。

這次昇騰系列晶片的發布可以看出華為的野心非常大，不僅僅要超越已有的競爭對手，還要做的更全更大，不過最終的應用成績如何還要等待時間考驗。

華為的AI之心可期

據了解，有業內人士將華為的人工智慧研究被分為三個部分：做基礎理論研究；做使能器來改造華為的流程管理，「這個使能工程不對外，只全對內」；第三部分就是做人工智慧相關的產品，對外賦能。

在外界的認知中，華為和AI的連接點更多的體現在移動處理器上。

從2017年搭載NPU的麒麟970橫空問世，引領了AI晶片在手機端的熱潮。

再到今年的麒麟980繼續改進其神經網絡推理加速架構，並推出全新雙核NPU，華為表示麒麟980相比麒麟970可獲得75%的性能提升，能耗比則比麒麟970提高58％。

同時，在AI方面，華為的布局看似不顯山露水，其實已經在tob以及toc兩端上一步步穩紮穩打了。

今年4月份，華為輪值董事長徐直軍提到，「華為要把AI的技術引入我們的智能終端、雲和網絡。

」

網絡運營商方面，華為在原有的全雲化網絡構架基礎上引入了機器學習，開發了SoftCOM AI解決方案架構，SoftCOM AI整個構架有兩個核心：一個核心是AI訓練平台，用以訓練數據，輸出模型或算法；另一個核心是智能管控中心，用以收集數據，根據訓練平台輸出的模型和算法，推理出網絡動作指令並執行。

最終去實現電信網絡的自動、自治、自愈等。

雲方面的布局更是不遑多論，此次全聯接大會上，昇騰系列晶片的推出可見華為對於雲的高度重視。

今年3月，華為在公有雲領域加大投入並成立了雲BU，其與目前華為的三大業務BU屬於並列地位；7月，華為全面升級雲品牌「華為雲」。

這次全聯接大會上的「+智能」的口號，也是華為雲「+AI」的延續，「+AI」而不是「AI+」華為也深知人工智慧當前的技術趨勢更多還是處在早期，是為原有的一些產品應用賦能，而不是憑空去推出一個完全「AI」的東西。

華為先將AI應用於內部的製造、物流、零售等場景，比如華為使用圖像處理技術和深度學習智能判定，將設備成品率提升到了 99.55%，然後再開始向外輸出自己的AI能力。

去年9月，華為推出了基於華為雲的企業智能EI平台，通過EI平台，可以讓所有的企業和政府用戶使用AI打造的各種各樣的產品和服務。

總而言之，華為一直想做的是構建從晶片、終端到雲端的協同發展人工智慧。

結語：

華為此次的全聯接大會可謂是乾貨滿滿，徐直軍也提到後面幾天的會議會陸續詳細介紹華為的幾大AI發展戰略。

在AI方面，華為是不鳴則已，一鳴驚人，其推出的全場景、全終端的AI晶片覆蓋了雲端、邊緣端以及終端。

確實，從昇騰到麒麟系列，華為的AI晶片布局算的上是目前國內外布局最為全面的科技公司。

無論是對標英偉達，還是谷歌，華為的技術實力都讓其人工智慧野心十分可期。

更多優質內容，請持續關注鎂客網~~