華為按下了未來智能世界的快進按鈕

來源/製造界

作者/張不器

最近兩年什麼最火？毫無疑問是人工智慧，英文縮寫是AI（artificial intelligence）。

10月10日在上海世博展覽館、世博中心召開的為期三天的第三屆華為全聯接大會（HC2018)，更是把人工智慧的火熱推向了沸點。

大會以「+智能，見未來」為主題，系統闡明了華為公司對AI的認識和理解，並正式發布了華為的AI戰略與全棧全場景AI解決方案。

尤其是華為輪值董事長徐直軍親自發布的全球首個覆蓋全場景AI的華為Ascend（昇騰）系列晶片，更是引起了業界和全社會的廣泛關注。

華為公司對AI的態度，以及在AI方面的技術創新與商業實踐，再次刷新了人們對AI的認識和期望。

華為公司認為，AI的又一個春天已經到來。

未來的AI將像空氣一樣無處不在、無所不及。

AI作為一種新的通用目的技術，將改變每個行業和每個組織。

1/ AI的又一個春天

說白了，人工智慧就是對人腦的信息處理過程的模擬。

人工智慧不是人的智能，但能像人那樣思考，甚至擁有比人更強大的智力。

機器的發明解放了人類的體力，人工智慧將解放人類的智力。

人工智慧甚至被視為人類「最後的科學」，一旦徹底實現，人類迎來的將是另一個世界，甚至是另一個自己。

事實上，人工智慧的歷史可追朔到68年以前。

1950年，被稱為「人工智慧之父」的馬文·明斯基和他的同學埃德蒙一起，建造了世界上第一台神經網絡計算機。

人們一般把這個時間看作是人工智慧的一個起點。

就在同一年，被稱為「計算機之父」的阿蘭·圖靈提出了舉世矚目的「圖靈測試」，並大膽預言了智能機器的可行性。

5年之後，也就是1955年，兩位美國學者MEWELL和SIMONWD做出了人類史上第一個真正意義上的AI程序，這就是「邏輯專家」，它將每一個問題都表示成一個樹形模型，然後選擇最可能得到正確結論的那一枝來求解。

6年之後，也就是1956年，時任達特矛斯學院助理教授的約翰·麥卡錫組織召集了「達特矛斯討論」，正是在這次會議上，第一次正式提出了「人工智慧」的定義。

從那以後的60年里，人工智慧經歷了兩次發展的低谷。

有低谷就有高潮，也就是說人工智慧在歷史上已經過火過兩次了，這一次是第三次。

這一次之所以又火起來，跟前兩次一樣，都是因為在技術上實現了某種突破。

近年來，由於深度學習算法的演進，人們終於在圖像識別和語音識別領域取得了出色的成績，人工智慧再次引起了學術界和工業界的廣泛關注，隨著谷歌人工智慧圍棋程序AlphaGo先後戰勝李世乭和柯潔，更是把人工智慧的熱潮推向了全社會。

2/ 現在的AI能做什麼

AI雖說是對人腦的模擬，但和人腦比起來，它現在能夠勝任的工作還是很有限的。

這集中體現在，現有的各種AI解決方案都是應用在特定場景之下的。

比如說，利用現在流行的「深度學習」算法，我們可以訓練AI下棋、圖像識別、語音識別、行為識別等。

但是，不同的任務是使用不同的數據來獨立訓練的，模型一旦訓練完成，就只適用於這一種任務，而不能用於其他任務。

也就是說，這種AI的算法和訓練方法是通用的，而用它訓練出來的用於執行某個任務的模型是不通用的。

它還做不到就像人一樣既會下棋，又會翻譯，還會駕駛汽車和做飯。

目前還沒有哪一個算法能夠如此全能。

筆者作為一個文科生有幸參加了這次大會，目之所及、充耳所聞的都是「算法」、「模型」之類。

這些還好理解，望文生義也能了解一個大概。

不好理解的，第一個被打蒙的，是徐直軍在主題演講中所說的一句話，「人工智慧是一種新的通用目的技術」。

怎麼會是通用技術呢？難道說，在那些各種各樣的特定場景下的解決方案背後，還有一些如同原理和公式一樣的「通用」的東西嗎？

是的，有這些東西。

（請參閱《一文讀懂AI：人工智慧底層模型，神經網絡入門》）

但徐直軍的意思顯然不止於此。

徐直軍又說，「我之所以強調人工智慧是一種通用技術，是期望大家重視人工智慧對未來的巨大影響和價值。

」「所謂通用技術，簡單理解就是要有多種用途，應用到經濟的幾乎所有地方。

」「人工智慧將改變每個行業、每個組織。

」「人工智慧觸發的產業變革，將涉及所有行業。

」

現在的人工智慧雖然還很初級，但也已經幫肋人們解決了很多問題。

人工智慧正在悄然改變著我們的工作方式和生活方式。

比如，華為和深圳機場正在打造一個未來機場的樣板，通過飛機引導系統、人臉識別等一系列的人工智慧技術，可以將靠橋率由原來的70%提升到80%，使乘客的排隊時間減少15%。

再比如，大家都知道，深圳是全國車輛密度最高的城市，而華為坂田基地又是深圳交通最繁忙的地方之一，現在華為和深圳交警合作，給每個路口都裝上了智能攝像頭，通過人工智慧來自動控制紅綠燈，使原來的「車看燈」，變成了現在的「燈看車」，提升了通行效率和通行速度，使得坂田的交通狀況大大改善，平均車速提升了15%。

還有，AI正在改變軟體開發的方式。

例如，傳統的語言翻譯軟體擁有超過50萬行的代碼，但通過合適的AI訓練之後，只需要500行代碼就能實現。

許多人都在問，AI能做什麼？對於這個問題，華為的徐文偉（華為公司董事、戰略與Marketing總裁）先生有一個很有智慧的回答，他說，不要問AI能做什麼，「實際上我們可以這樣問，我們需要解決什麼問題？如何採用AI來實現？」

他又說，現在的AI主要有三個應用場景（也可以簡單地理解為AI的三個主要用處）。

第一個是重複性場景。

就是大量重複的、目標確定性的工作，可以由當前的AI來解決，目的是提升效率。

第二個是專家經驗性場景。

大家也知道，我們有很多行業，關鍵專家非常稀缺，比如說醫療行業，全國合格的可以進行宮頸癌篩選的專家大概只有5千名，在全國篩選一遍的話需要20年，採用AI以後，效率可以提升5到10倍。

第三個場景，也是最複雜的場景，比如說城市的智慧交通，紅綠燈的控制，涉及到時間、地點、道路、天氣，以及有沒有重大活動。

很顯然，這麼多維度的控制靠人力、靠人腦顯然是無法分析和做出判斷的。

3/ 華為的AI戰略和AI解決方案

在這次大會上，最引人注目的就是徐直軍發布的華為的AI戰略和AI解決方案。

華為的AI戰略包括五個方面：一是投資基礎研究；二是打造面向雲、邊緣和端等全場景全棧解決方案；三是投資開放生態和人才培養；四是解決方案增強，把AI思維和技術引入現有的產品和服務；五是內部效率提升，應用AI優化華為自身的內部管理。

其中的第二項，打造全場景全棧解決方案，就是華為的AI解決方案。

以下這張圖就是華為的全棧全場景AI解決方案。

這張圖看上去很燒腦，但也不是完全不能理解。

這裡有兩個關鍵詞，一個是全場景，一個是全棧。

如圖所示，從上往下，就是全棧；從左往右，就是全場景。

所謂全場景，就是從雲（包括公有雲、私有雲）、邊緣計算到端（包括消費終端如手機、IOT行業終端如攝像頭），各種部署環境實現全覆蓋。

通俗地理解，雲就是計算中心，相當於人的大腦；終端是採集數據的，相當於人的各種器官；邊緣相當於人的小腦。

邊緣實際上是一個攏統的概念，處在雲和端之間，但更靠近端，它是雲計算的有益補充，由於靠近終端可以減少網絡等待時間，就近提供服務。

所謂全棧，則是從技術功能視角講的。

如圖右側所示，它包括IP和晶片、晶片使能、（訓練和推理）框架和應用使能，共四層。

通俗地來講，這四層也可以分別理解為：晶片，算法，模型訓練和開發平台。

從下往上這也是一個從硬體到軟體的過程。

最上層的「應用使能」，是華為提供的一個AI全流程開發平台ModelArts，以及一系列的工具，比如，視覺AI應用開發平台HiLens、量子計算模擬器與編程框架HiQ等。

ModelArts是在這次大會上的一個亮點。

它由華為公司副總裁、雲BU總裁鄭葉來新自發布。

相對業界其他的開發平台，ModelArts是更快的普惠AI開發平台，涉及數據標註與準備、模型訓練、模型調優、模型部署等AI開發全流程，為AI應用開發提供一站式服務。

鄭葉來指出：「ModelArts是可以讓開發者上手更快、訓練更快、部署更快的全流程平台。

華為雲以更快的AI平台，致敬開發者，共同推進普惠AI。

」

人工智慧是一項和計算密切相關的技術，所以它特別依賴於底層的晶片。

華為的AI晶片可以說是這次大會上最大的一個亮點。

在主題演講中，徐直軍說，「一直有傳言說華為在做人工智慧晶片，現在我要說……傳言是真的，這是事實。

」然後就直接發布了兩款AI晶片：昇騰310和昇騰910，並從兜里當場掏出了一顆310晶片，展示給大家。

全場驚艷。

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，昇騰310（Ascend 310）是目前面向邊緣計算場景最強算力的AI SoC。

事實上，華為的AI晶片不止這兩顆，而是有五個系列，包括Max、Mini、Lite、Tiny和Nano等。

其中的Max系列個頭最大，性能也最強大，是用在數據中心（雲計算）里的；個頭最小的Nano系列，性能比較基礎，但能耗也小，可以做進耳機里。

而所有這些晶片又都是基於同一個架構來實現的，這就是華為的「達文西架構」。

為什麼要構建這樣一個架構呢？徐直軍介紹說，「這是基於我們對人工智慧的理解和我們了解的人工智慧的需求自然產生出來的。

我們需要的是從雲到邊緣、到端的全場景支持的人工智慧，因此必須要開創一個新的架構。

幸運的是（我們）找到了這個架構，我們開創性的達文西架構就能夠解決從極致的低功耗需求到極致的大算力需求全覆蓋。

現在我們還沒有看到市場上有其他架構能夠做到這一點。

」

所有晶片均採用統一的達文西架構，其好處是顯而易見的。

比如，軟體一次編程就可以覆蓋所有的場景。

再比如，用同一種架構製造不同的晶片，由於製造工藝、訓練模型、使用體驗都有高度的重合，可以大幅度降低生產、開發和使用成本。

有人說，這個達芬達架構徹底暴露了華為在人工智慧上的實力和雄心。

總之，華為給出的的這個全場景全棧解決方案，一方面意味著華為有能力實現他們提出的「智能無所不及，構建萬物互聯的智能世界」的AI願景，一方面也意味著，華為有能力為AI應用開發者提供強大的算力和應用開發平台，有能力給大家提供用得起、用得好、用得放心的AI，從而實現普惠AI。

4/ 華為的AI願景

事實上，現有的人工智慧的大部分技術都是由深度學習算法來支撐的。

深度學習有三個大核心要素：一是算法設計；二是算力，也就高性能的計算平台；三是大數據。

現在的情況是，大數據不是問題，互聯產業的發展為人們提供了海量的大數據；現在有問題的主要是算法和算力。

一是算力「昴貴」。

算力是AI的基礎，但目前的算力還非常昂貴，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。

二是現在算法還有待改進。

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。

華為認為，未來的算法，要能夠基於更少的數據需求，也要能夠基於更低的算力和能耗。

另外，現在的人工智慧，其自身還需要大量的人工，以致有人調侃說，今天的人工智慧，是沒有「人工」就沒有「智能」。

同時，訓練模型所需要的時間也太長，尤其是某些複雜模型，往往需要數天甚至數月的時間。

華為認為，未來模型的訓練要能在幾分鐘、甚至幾秒鐘內完成。

在其它環節，也會大大提升AI自身的自動化水平，在數據標註、數據獲取，特徵提取，模型設計和訓練等環節實現自動化或半自動化。

華的理想是，要讓算力不再昴貴，要讓每個人都用得起；要讓算法更好用，人人都會用；要以AI的方式解決AI所存在的問題，甚至要把AI思維引入AI開發，讓AI開發AI，讓機器人製造機器人......從而實現華為「打造無所不及的AI，構建萬物互聯的智能世界」的美好願意。

5/ 按下了走向未來智能世界的快進按鈕

有人說，人工智慧時代已經到來，也有人說，人工智慧時代的到來開啟了人類第四次工業革命的序幕。

人工智慧的無盡潛力讓人們打開了對未來世界的美好想像。

在為期三天的HC2018期間，華為輪值董事長徐直軍、華為董事徐文偉、華為雲BU總裁鄭葉來、華為雲BU EI服務產品部總經理賈永利、華為IT產品線副總裁黃瑾等相繼發布了華為的AI發展戰略和AI解決方案，以及華為的AI全流程開發平台與工具、華為雲EI城市智能體、沃土AI開發者使能計劃......這標誌著華為公司已正式進入了AI時代。

一個美好的萬物互聯的智能世界已經到來。

所謂未來已來，而這在此時，華為為我們按下了「快進按鈕」：讓美好來得更快些吧。