揭秘華為AI布局：為什麼生態和平台這麼重要？

作者 | Natalie

編輯 | Vincent

2018 年 10 月 10 日之前，在外界的認知中，華為和 AI 的連接點更多體現在移動處理器上。

2016 年，華為榮耀 Magic 手機首次引入 AI 概念，成功地在業界掀起了一股強勁的 AI 手機風潮。

而在 2017 年 9 月，華為發布的全球首款人工智慧移動端晶片麒麟 970，更是讓很多人印象深刻。

但除了用於華為手機的麒麟 970、980 晶片之外，如果要問華為在 AI 上還有什麼代表性成果，似乎還真回答不出來。

雖然早在 2012 年，華為 2012 實驗室就開始投入 AI 基礎和算法的研究，但由於進展和成果並不對外公開，大眾很難知道華為到底幹了些什麼。

2018 年 10 月 10 日，在華為全聯接大會現場，華為輪值董事長徐直軍正式發布華為 AI 發展戰略及 AI 全棧全場景解決方案，外界終於得以一覽華為在 AI 領域布下的整個棋局。

HC之後，華為AI技術布局的腳步日漸加快，2018年12月發布智能計算解決方案，2019年1月發布 ARM-based 處理器-鯤鵬 920（Kunpeng 920），性能打破業界紀錄。

在AI領域，華為能否做到後發先至？

華為思變，全面落子 AI

目前 AI 產業仍然存在諸多痛點，具體包括：訓練速度慢，複雜模型訓練常常要耗費數日甚至數月；算力稀缺且昂貴；AI 主要在雲，少量在邊緣；算法單一且不夠高效；需要大量人工，特別是在數據標註環節，沒有「人工」就沒有「智能」；模型「考試」優秀，但不能滿足工業生產需求。

此外，目前 AI 難以與雲、物聯網、邊緣計算、區塊鏈、大數據、資料庫等技術充分協同；AI 仍是一項只有具備高級技能的專家才能完成的工作，缺乏成熟、穩定、完善的自動化工具；AI 高端人才十分短缺，沒有簡單易用的 AI 平台和工具。

華為的目標是解決這些痛點，因此其 AI 戰略主要圍繞以下五個方向展開：

1. 投資基礎研究。
   
   在計算機視覺、自然語言處理、決策推理等領域尋找和建設數據高效（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。
   
   
2. 打造全棧方案。
   
   打造面向雲、邊緣和端等全場景，獨立及協同的全棧解決方案，提供充裕且經濟的算力資源，簡單易用、高效率、全流程的 AI 平台。
   
   
3. 投資開放生態和人才培養。
   
   面向全球，持續與學術界、產業界和行業夥伴進行廣泛合作，打造 AI 開放生態，培養 AI 人才。
   
   
4. 把 AI 思維和技術引入現有產品和服務，實現更大的價值、更強的競爭力。
   
   
5. 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。
   
   

鑒於此前三十年在晶片、終端、雲、網絡多方面的積澱，華為的 AI 戰線既全又深。

在 HC 大會前，外界廣泛流傳的晶片或「達文西項目」只是整個戰略中的一環。

華為的 AI 戰略，關鍵詞是「全棧全場景」。

所謂「全場景」，是指從橫向來看，華為的 AI 解決方案適用於包括公有雲、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。

而所謂「全棧」，則是從縱向的技術功能視角來看，包括晶片、晶片使能、訓練和推理框架、應用使能在內的全堆棧方案。

該方案具體由四部分組成：一是晶片層面，也是被認為最核心的硬體部分，華為發布了昇騰 910 和昇騰 310，前者預計 2019 年上市，後者已經實現量產；二是算子層，華為這次拿出的是 CANN（晶片算子庫和高度自動化算子開發工具），兼具最優開發算力和算子性能，可以提升開發效率；三是支持端、邊、雲獨立又協同的統一訓練和推理框架 MindSpore，2019 年 Q2 將正式發布；四是應用使能，提供全流程服務的 AI 開發平台 ModelArts，目前已上線華為雲。

除此之外，華為還發布了吸引開發者和合作夥伴的「沃土 AI 開發者使能計劃」，為開發者提供免費培訓、訓練營、創新孵化營等使能計劃；為合作夥伴提供打造聯合解決方案、共建創新實驗室、免費開發模塊和板卡、技術支持及市場資源等扶持計劃。

該計劃還包括高校 AI 人才培養計劃，華為將提供 10 億元資金，在學科建設、人才認證、專家對接、算力和技術等方面為高校提供支持。

從華為披露的 AI 戰略布局中，可以看到兩個關鍵變化，而這兩個變化正是華為 AI 布局核心思想的體現：以平台驅動 AI 生態的建設。

變化一：從「硬」到「軟」

在很多人眼中，雖然華為在企業級 IT 領域產品豐富，但主要的優勢在於硬體。

這次在 AI 布局上，華為在繼續發揮自研底層 AI 晶片（硬體）的特長時，也同步推出了上層的訓練和推理框架 MindSpore，以及一站式應用開發平台 ModelArts（軟體）。

要建設 AI 生態，一個打通軟硬體各層級能力的平台是不可或缺的。

硬體是核心，有了面向 AI 負載的自研晶片，才能有不受制於人的底氣；軟體是賦能通道，沒有開發工具和軟體生態的配合，應用無法落地，晶片的能力也無從發揮。

憑藉從底層硬體到上層軟體的全套技術能力，華為可以對外提供全套 AI 服務，幾乎能覆蓋所有類型企業在數字化轉型過程中的所有環節，用戶更可以根據自己的需求選擇使用不同層級的服務。

變化二：開發者 + 合作夥伴

眾所皆知，作為 ICT 領域佼佼者，華為擁有大量來自各行各業的合作夥伴，其中不乏三大運營商、微軟、英特爾等知名企業。

每一次華為的活動，合作夥伴展示成果都是重要環節。

而這次 HC 大會，除了合作夥伴，華為提到「開發者」的頻率也特別高。

全棧全場景的 AI 解決方案將助力開發者克服 AI 開發過程中遇到的困難，包括訓練耗時長、調試部署繁、開發效率低等等；藉助框架和平台賦能開發者、影響開發者，MindSpore 開放框架可能會成為華為做大 AI 戰略的一張王牌。

沃土 AI 開發者使能計劃旨在培養更多 AI 人才、提升開發者的 AI 能力。

直白地說，就是讓更多技術人成為 AI 開發者，並加入華為的 AI 生態圈。

對於進入 AI 時代的華為來說，開發者已經成為和行業合作夥伴同樣重要的角色。

華為想要打造的是打通底層硬體到上層軟體應用、開發者與行業兩手抓的全方位 AI 生態體系。

徐直軍在媒體採訪中直言，華為 AI 最大的挑戰在於生態到底能夠輻射到多大的範圍。

目前華為能做到的是創造有利於生態發展的條件，至於能否成功，主要取決於未來能吸引多少合作夥伴和開發者。

做 AI，為什麼平台和生態這麼重要？

人才稀缺的 AI 領域

在過去幾年裡，AI 開發人員達到了前所未有的重視。

隨著越來越多的企業利用 AI 方案為自身業務提供支持，全球市場對 AI 專業人士的需求呈指數級增長，然而現實情況是，AI 專業人士的儲備量根本不足以應對暴漲的需求量。

AI 人才到底有多麼稀缺？據 AI 解決方案提供商 Element AI 預測，目前大約有 20000 名博士級別的計算機科學家可以搭建 AI 系統；據 Bloomberg 最近發布的研究顯示，全世界範圍內只有不到 10000 名開發人員具備機器學習技術能力。

此外，KPMG 發布報告稱，截止到 2016 年僅有 28 家公司擁有超過十名深度學習方面的專家。

Business Insider 發表的一篇文章則指出，6 家技術公司僱傭了約占總數量 54% 的深度學習專家。

開發者和研究人員構成了 AI 的主幹，但 AI 領域缺乏受過適當教育和訓練的人才。

AI 人才的短缺，被業界認為是制約 AI 發展的一個重要因素。

解決之道是發展智能化、自動化、簡單易用的 AI 平台和工具服務，並提供培訓教育。

作為賦能開發者的重要途徑，打造開放平台、開源框架和工具服務對於企業的重要性便凸顯出來了。

與此同時，企業如果想在開發者腦海中確立地位，就需要通過搭建優秀的 AI 開放平台（包括框架和工具），藉助平台在開發者群體中建立良好口碑，進一步增強企業的影響力。

而影響力的加強，則會反哺企業 AI 技術發展，吸引更多 AI 人才加入，推動 AI 生態的建設。

谷歌開源的深度學習框架 TensorFlow 就是一個很好的例子。

在 2018 年新出爐的 GitHub 報告中，TensorFlow 仍然是最熱門的開源項目之一，也是當前業界使用人數最多的深度學習框架，吸引了很多程式設計師投入到人工智慧的研究和開發中。

這也足以說明，谷歌日益壯大的 AI 生態圈離不開 TensorFlow 的加持。

AI 的未來在行業

人工智慧改變世界，還是從改變每一個行業開始。

首先，AI 的應用場景在於豐富的行業場景。

AI 能夠做什麼，首先需要了解面臨的問題，再看如何通過 AI 技術來解決問題，也就像俗話說的「拿著釘子找錘子」，高效且有意義。

比如，了解城市交通容易擁堵這個問題之後，利用 AI 打造智慧交通，將會極大地提升通行效率。

比如在傳統教育模式下一個老師面對數十個學生，無法對每個學生提供針對性的教學方案，如果結合 AI 技術打造個性化教育，將會顯著提升教學效果等等。

據預測，到 2025 年，全球人工智慧市場空間將達到 3800 億美金，其中 90% 來自於企業市場。

正如華為董事、戰略 Marketing 總裁徐文偉在 HC 大會上所言：未來十年，AI 的主場在行業。

其次，AI 要和具體的垂直行業結合落地，比技術更重要的是對行業的理解。

人工智慧在不同行業的落地，依賴於行業從業者的經驗。

如果只是把人工智慧技術機械地應用到其中，反而會影響效率的提升。

不同行業的客戶都需要人工智慧的幫助，但是不同客戶的需求是不一樣的，這就需要行業夥伴一起提供解決方案。

開發者提供技術、行業合作夥伴提供經驗，二者結合起來共同打造的 AI 生態，這才是人工智慧的落地之道。

平台 + 生態已成業界共識

今天，包括 IT、CT、網際網路在內的所有科技公司紛紛布局 AI，打造開放平台和生態已成為業界基本共識，但基因不同，各自側重點也有所不同。

谷歌的公司戰略在 2016 年從 Mobile First 轉向 AI First，並在 2018 年升級為 AI Only，AI 貫穿全系列產品之餘，行業落地及商業化日趨廣泛。

谷歌以開源深度學習框架 TensorFlow 為王牌，基於谷歌雲打造 AI 開放平台，至今已經發布了 ML Engine、Vision AI 等基於雲服務的機器學習工具。

2018 年初，谷歌又發布了 Cloud AutoML，旨在幫助 ML 專業技能有限的企業構建自己的定製化模型；在硬體層面，谷歌也陸續推出了為不同場景打造的專用晶片，包括數據中心機器學習專用晶片 TPU、為邊緣計算量身定製的 Edge TPU 等。

作為一家底層晶片硬體公司，英偉達更關注專為人工智慧定製的 GPU 能否賣得足夠好。

但在 GPU 之上，英偉達也提供了相應的開發框架和平台。

以自動駕駛方案為例，它由硬體 DRIVE PX、作業系統 DRIVE OS、API DRIVEWORKS 和應用 Drive AV 組成，每一層都是開放的，適用於不同類型、不同技術水平的公司。

此外，英偉達推出了合作夥伴網絡 NPN，在自動駕駛開發生態已經擁有了多達 320 家研發合作夥伴。

阿里巴巴的打法則是從應用場景入手，在有了需求的基礎上構建 AI 解決方案。

在 2017 年底的雲棲大會上，阿里雲總裁胡曉明闡述了阿里巴巴在人工智慧方面的布局，提出了「AI for Industries」（產業 AI）的理念，認為「人工智慧的發展要去泡沫化，下一站將是產業 AI」。

這兩年來，阿里雲相繼推出了 ET 城市大腦、ET 醫療大腦、ET 工業大腦、ET 環境大腦、ET 航空大腦，將 AI 能力與大數據和雲計算結合起來，形成了金融、工業、城市、零售、汽車、家居、醫療、農業等領域的立體布局。

近年，阿里也開始涉足底層晶片及伺服器等硬體領域，但還在起步階段，2017 年 3 月發布的機器學習平台 PAI 2.0 也鮮見更新。

重新審視華為 AI 布局

謀定而後動

華為 AI 戰略一出，「轉型」「彎道超車」就在各種報導中被不斷提及。

確實，華為在 AI 上的發聲並不算早，但其實這不過是「華為范兒」的又一次體現：不做則已，要做就拿產品出來說話。

實際上 AI 已經在華為內部「潛行」實踐了很長一段時間，這次發布更像階段性工作總結與下一階段工作的計劃展望。

在與 HC 大會同期開放的展台上，從全棧方案涉及的晶片、框架、工具、平台，到全場景需要覆蓋的雲、邊、端等應用場景，華為都拿出了實際的產品方案和演示案例。

華為雲 EI 行業解決方案的發布和展示也同步進行，應用案例涵蓋了公共事業、交通、金融、物流、教育、零售等眾多行業，包括三大運營商、微軟、英特爾，專攻行業智慧的諸多企業都也齊聚現場，展示了他們藉助華為 AI 為業務帶來的智能化變革成果。

加速發展而非顛覆格局

華為入場，對整個 AI 行業意味著什麼？幹掉英偉達？挑戰谷歌？還是超越阿里雲？筆者認為這些都不是。

AI 浪潮撲面而來，華為自然不能錯過這個機會，AI 賽道並非窄小巷道，而是一個巨大的市場，市場本身就是競爭與合作並存。

正如徐直軍在媒體見面會中說的：「什麼是市場？市場就是需要有競爭，沒有競爭不叫市場。

華為在市場上能不能競爭過對手，主要看華為的所作所為。

我認為，所有市場還是希望有競爭的，競爭可以促進我們進步。

」而華為雲 BU CTO 張宇昕則表示：「對於上層的技術，尤其是面向業務場景的技術，我們將聯合各個行業處於領導者、先行者地位的客戶進行創新，創新的方式也會完全區別於過去。

」微軟、英特爾就是很好的例子，在 AI 領域他們與華為既是合作夥伴，也是競爭對手。

華為在 HC 上傳達出的理念，與其說顛覆 AI 格局，不如說是想通過更加全面和深入的布局，加速 AI 發展。

華為戰略 Marketing 總裁徐文偉在大會上的發言或許也能印證這一點：「華為就是要給未來按下快進鍵，用平台翻越場景，把 AI 翻倍算力，讓開發翻滾效率。

華為主張平台 +AI+ 生態，通過端、管、雲建立的開放平台，結合 AI，與生態合作夥伴一起，使能各行各業數字化轉型。

」

這一理念在華為後續的幾場發布中被反覆強調。

2018年12月，首屆華為智能計算大會暨中國智能計算業務戰略發布會在北京召開，華為宣布其智能計算將圍繞算力、工程、雲邊協同和一體化解決方案四個方面，面向行業構建全棧全場景智能解決方案，加速行業智能化進程。

2019年1月，華為發布 ARM-based 處理器-鯤鵬 920（Kunpeng 920），性能打破業界紀錄，並同步推出了基於鯤鵬 920 的 TaiShan 伺服器、華為雲服務。

華為在會上表示，將攜手產業夥伴推動ARM的產業發展，打造開放、合作、共贏的生態環境，將計算性能推向新高度。

未來可期

在晶片領域，華為已經率先推出了自己的產品；在平台層面，一站式 AI 開發平台 ModelArts 也已準備就緒；而尚未正式對外推出的 MindSpore 開放框架，有可能會成為華為做大 AI 的一張王牌，前提是華為開發 AI 生態，建設 AI 社區。

正如徐直軍在接受媒體採訪時所說，華為已經做好了一系列圍繞 AI 的生態準備，唯一的挑戰是如何吸引開發者共同做大做強生態。

而最終能吸引多少開發者和合作夥伴，將決定華為 AI 戰略的未來走勢。

AI 開發工具與軟體生態的耕耘，都需要時間。

好在，目前 AI 市場仍處於起步階段，AI 行業還沒有一個開發生態形成絕對主導之勢，哪怕是全球範圍內被廣泛使用的谷歌 TensorFlow，也有不少被開發者詬病的不便之處。

這正是華為的機會所在。