華為的AI野心：打造「全棧」解決方案

記者 倪雨晴 上海報導

導讀

AI戰略的發布，對於華為而言，是一次新的升級，進入到智能化階段，這不僅拓展了華為的邊界，也意味著華為和國際AI巨頭比肩競爭，除了基礎的軟硬體業務之外，未來有機會在更多的領域進行超越。

10月10日-12日，第三屆HUAWEI CONNECT 2018（華為全聯接大會）如期而至，這是華為最重要的開發者大會，也是華為對外展示生態系統的窗口。

和2017年一樣，ICT（信息通信技術）依然是關鍵詞，這是華為的發家之本，也是觸摸其他領域的前沿陣地。

不過和之前大會不同的是，AI成為了今年的主角。

華為輪值董事長徐直軍在會上系統闡述了華為的AI戰略、全棧全場景AI解決方案，其中包括人工智慧的Ascend（昇騰）系列晶片。

全棧解決方案這個提法野心極大，在全球範圍內來看，目前還沒有能夠提供全棧解決方案的公司，特別是在歐美，往往強調自己所在一個領域的專業能力。

因此，華為的「全棧」更顯特立獨行。

在會議期間的交流中，華為高管們反覆向記者表示，「全棧」的提出是出於多場景的需求。

從雲端到各類終端設備，比如車載、手錶、手機等，都需要AI的助力，而各場景之間也要相互關聯。

而合作夥伴需要設備、需要算力。

華為公司董事、戰略Marketing總裁徐文偉在接受21世紀經濟報導等媒體採訪時說道：「未來肯定是智能世界，原來華為做基礎設施，然後做雲其實是做服務，這也是趨勢。

現在人工智慧雖然有泡沫，但是大的趨勢是不變的，初級人工智慧已經提高效率了，就像任總（華為創始人任正非）說的，方向大致正確的情況下要先開一槍。

」

那麼，這一槍對於華為來說意味著什麼？回看華為的發展歷程，從最初B端的伺服器、交換機業務，進入到C端手機、筆記本等終端產品。

在這個過程中華為開始走近消費者，打開更廣闊的空間，華為的形象也更加全面。

如今AI戰略的發布，對於華為而言，是一次新的升級，進入到智能化階段，這不僅拓展了華為的邊界，也意味著華為和國際AI巨頭比肩競爭，除了基礎的軟硬體業務之外，未來有機會在更多的領域進行超越。

解密AI晶片

根據徐直軍的介紹，華為的全棧是技術功能視角，是指包括晶片、晶片使能、訓練和推理框架和應用使能在內的全堆棧方案。

該方案具體由四部分組成，其一是晶片層面的Ascend，即基於統一、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。

會議期間發布了昇騰910（max）和昇騰310（mini），昇騰910明年上市，昇騰310已經量產。

其二是CANN，即晶片算子庫和高度自動化算子開發工具，可以提升開發效率；其三是MindSpore，支持端、邊、雲獨立的和協同的統一訓練和推理框架；其四是應用使能，提供全流程服務（ModelArts），分層API和預集成方案。

在這四個部分中，AI晶片和Mindspore框架最受關注，兩者分別代表著算力和算法，也是人工智慧的兩大核心要素。

首先來看AI晶片，昇騰310更多是用在邊緣計算產品上，昇騰910主要用在雲端來提供訓練能力。

在華為提供的數據中，昇騰910的性能高出英偉達V100一倍，華為稱之為「目前全球已發布的單晶片計算密度最大的AI晶片」。

對於華為的晶片性能，集邦諮詢拓墣產業研究院分析師姚嘉洋接受21世紀經濟報導記者採訪時表示：「單以昇騰910來說，在FP16的運算效能就已經超過Tesla V100，所以不難想像在其他運算精度上的算力，應該也可以有超過Tesla V100的表現。

而910採用7nm製程，這對於晶片的效能增進，會有一定程度的幫助，所以在性能優勢上，確實可以輾壓採用12nm製程的Tesla V100。

目前來看，可以確定的是，這兩款產品將可以優化華為的終端產品的競爭優勢。

」

不過，一位AI晶片專家向21世紀經濟報導記者分析道：「（單位計算密度）這只是其中的一個指標，並不代表最後的實際性能。

計算密度主要是跟製造工藝節點和架構有關。

比如你用7nm，那就肯定比10nm的高，因為電晶體小。

另外，如果晶片上全都堆的是計算單元，沒有複雜的數據連結和大量的片上存儲單元等其他部分，算下來用於計算的面積所占比例大，自然密度就高。

」

而兩枚AI晶片背後，則是華為首次對外公布的達文西項目，在該項目中，華為還自研了達文西架構，此次的AI晶片便是基於統一的達文西架構。

一位達文西項目的研發人員告訴21世紀經濟報導記者：「這個項目是去年正式開始的，但是之前已經設計了好幾年了，由華為內部的專家主導研發。

為了全自研的晶片，去年一年都在加班加點地開發。

」

此前華為的部分麒麟晶片是基於寒武紀架構，「之後應該都會用自研架構了，不會用寒武紀了，麒麟里的也會換了。

」一位華為內部人士告訴記者。

徐直軍在媒體見面會上則談道：「新的架構是根據我們對人工智慧的理解和需求產生的。

寒武紀的也很好，但是沒有辦法支持我們的全場景。

我們需要雲到邊緣到端，還有物聯網終端，全場景的需求，需要開創一個架構。

市場上還沒有看到相應的架構，可以做到這個。

」

事實上，華為從20多年前就開始做晶片，在徐文偉看來，華為的晶片歷程有四個階段，「最難的是在商業上決定做不做，技術上想盡辦法還是有辦法做的。

」

他向記者回顧道，1991年華為就做了晶片，當時要求集成度高，這是第一階段；第二階段是因為普通的商業晶片不能滿足業務需求，但是商用晶片或者很貴、或者就是買不到，所以需要自己做；第三個階段是基於商業判斷，華為在2005年就開始做3G的手機晶片，當時華為還沒有手機業務，只有數據卡，但是數據卡當時有需求，也看到了趨勢，所以還是決定做了。

「現在的麒麟是下決心要做的，可以說是基於商業決策，但其實是願景驅動，現在可以說是第四階段，即人工智慧晶片，市場上沒有幾家可以買，同時我們雲、邊緣、端、管道等都需要有人工智慧晶片。

我們需要人工智慧的解決方案，在場景基礎上進行創新，我們的晶片是全場景覆蓋、可擴展、性能高，並且在一些應用場景下功耗低。

主要目的還是降低成本，提高集成度。

」徐文偉說道。

AI框架挑戰

晶片之外，華為的人工智慧框架Mindspore也備受矚目。

眾所周知，AI並不是一個單一的技術系統，而是諸多系統的智能化整合。

AI 系統主要包括如下幾個層面，一是業務應用層，包裝好的第三方應用，或定製的應用程式及技術方案；二是智能框架層，深度學習框架基於雲計算層對數據做智能化處理，是AI系統的大腦；三是雲計算層，提供算力支持，在大數據層基礎上對數據做各類傳統形式的處理；四是大數據層，包括物理世界和線上世界的數據獲取存儲，比如生產數據，金融數據，社會生活數據，自動駕駛道路數據等。

目前大部分國內的企業都處在應用層面，少部分的巨頭在雲方面有所成就，比如阿里雲和華為雲。

針對人工智慧的算力，國內的頂級玩家也非常少，巨頭有華為、阿里的平頭哥和達摩院，垂直領域有寒武紀、地平線。

一位人工智慧業內人士告訴21世紀經濟報導記者：「晶片固然是人工智慧的血液，但智能框架才是人工智慧的大腦和靈魂，智能框架是人工智慧領域的作業系統。

晶片尚且可以代工，系統卻代表了生態，是整個智能世界的關鍵。

」

晶片有很多廠商和技術流派，但作業系統全世界只有屈指可數的幾個，作業系統上構建的生態決定了所有軟硬體的生命節奏。

目前頂級的人工智慧框架都來自美國，最著名的有谷歌的TensorFlow，Facebook的pytorch，亞馬遜的Mxnet，甚至連微軟都開發了智能框架CNTK，可以說幾乎頂級的科技巨頭都在爭奪這個領域的冠軍。

而人工智慧框架和平台在國內觸及的企業幾乎沒有，此前只有百度的Paddle-Paddle，阿里的PAI，但總體來說還不夠強大，如今，華為的Mindspore是新晉人工智慧框架，目前還沒有開源。

「整個戰略裡面，全棧、全場景解決方案裡面，最大挑戰是我們Mindspore作為計算和推理框架，未來能不能構建一個生態，大家會不會用，這是唯一的挑戰。

」徐直軍對記者說道，「我們分析過，現在所有框架很難適應全場景，比如我們會出一個部署在端上的學習框架，這個之前是沒有的。

比如谷歌，主要推的是雲上的人工智慧，他是在雲端訓練，推理，但是這個框架就不能用在手機這樣的端側。

你要在端側做訓練，做推理，就這個框架要小，架構要靈活，現在的Tensorflow就放不進去。

邊緣，未來網絡裡面是邊學習邊推理，也是需要有框架。

我們找不到一個框架真正能夠實現全場景，所以我們就自己做了一個，這樣可以滿足我自己的需求。

」

而比網際網路時代作業系統更殘酷的是，巨頭的智能框架基本都是開源模式。

在PC和網際網路時代，尚且有微軟和蘋果是相對封閉的作業系統，只有Android是開源，這樣使得其他沒有掌握作業系統技術的國家有開發作業系統的動力。

但在人工智慧時代，谷歌，Facebook等一上來就把自己最頂級的深度學習框架開源，並且免費給算力，免費搭建社區，甚至花大力氣來培訓開發者，根本目的就是構建極高的遷移成本，如果頂級的開發者都被吸引到谷歌，Facebook的陣營，要再想讓他們學習國內的智能框架就非常困難了。

對公司來說也是如此，如果有現成的免費的開源技術方案，再要投入巨大人力去開發底層技術需要極大的實力和勇氣。

國內目前也只能期待華為、BAT這樣的巨頭能否有這樣的決心，在輸掉PC和網際網路作業系統之後，在人工智慧作業系統上扳回一局。

生態與邊界

計算機世界有三個生態：一是以英特爾，微軟為首的PC生態，特點是圍繞在提升硬體性能，以摩爾定律為指揮棒不斷升級固件來獲得市場增長；二是以谷歌、蘋果為代表的網際網路生態，主要提供基礎設施，吸引開發者進入，通過網際網路服務獲得用戶價值；三是人工智慧生態，這個生態格局未定，各家都在做前期的技術投入。

目前來看，谷歌的人工智慧項目最為全面和強大，其深度神經拉攏了一眾開發者。

現在，人工智慧行業處在搭建生態的階段，商業形態是第二位的，拉攏更多的開發者和上下游廠商是第一位的。

華為也高調構建自己的技術生態，召開全聯接大會提高自己在AI領域的聲量。

10月11日，華為宣布，計劃在3年內發展100萬開發者和合作夥伴，同時還推動成立全球行業組織高峰會議（GIO），意在促進行業組織間交流和協同，成員包括3GPP、5GAA、5GSA等16家產業組織。

在應用案例上，深圳機場、招商銀行、奧迪等都應用了華為的AI技術。

姚嘉洋向記者表示：「就華為的做法來看，華為似乎有意要打造屬於自己的AI生態系統，然而，過去華為本身也是伺服器供應商，如阿里巴巴、百度等，都可以算是華為的客戶群，如今華為提供Mindspore框架，這對於CSP（雲服務供應商）來說，某程度上會形成競爭關係，華為要如何跟國內BAT三大龍頭保持『合作大於競爭』的關係，應該會是接下來的觀察指標。

畢竟BAT過去在AI都有投入相應的資源與打造自己的生態系統，BAT應不會容許會有其他的競爭者來影響他們AI生態圈。

」

對於構建生態的挑戰，徐文偉告訴21世紀經濟報導記者：「首先要成為一個平台，且作為平台必須技術上有領先性。

第二點必須具有開放性，第三必須具有公平公正性。

也就是說和夥伴合作，建生態的時候，最核心的是業務要有邊界。

」

可以看到，從雲到端、從算法到算力、從訓練到推理，華為的AI戰略進行了全方位覆蓋。

這也引發了大家對華為邊界的疑問。

徐文偉則表示，華為將繼續堅持「上不碰應用，下不碰數據」，今後的產業是競合關係，不要惡性競爭，最重要的是把產業做大。