擎天神Atlas，撐起智能計算風暴

我們知道，要讓AI落地，算力、算法、數據三者缺一不可。

但是事有輕重緩急，如果今天問AI服務提供商和應用企業，AI最迫切需要的當務之急是什麼，我想答案應該是統一的：算力。

去年，OpenAI發布了一份全球AI算力供需研究報告。

報告顯示，自2012年以來，人工智慧行業的算力需求呈現出令人驚嘆的增長趨勢。

需求量每三個半月就會翻一番。

六年間，全球對AI算力的渴求增長了30萬倍。

而我們知道，摩爾定律增長周期是18個月翻一倍。

事實上，全球提供的AI專項加速算力，遠遠跟不上需求的增長速度。

毫無疑問，算力饑渴，是AI發展之路上的第一堵牆。

而困難同時也是機會，在華為全面擁抱AI的技術與產品體系中，專門有一個部門和它的產品，就是針對AI專項加速算力的需求問題而生。

去年12月，華為成立智能計算業務部，將面向華為AI體系和外界產業需求提供AI算力支撐方案。

而在智能計算的產品體系中，與x86和ARM並列，Atlas人工智慧計算平台是專門應AI算力需求而生的系列產品解決方案。

Atlas這個名字，是古希臘神話中撐起宇宙的大力神。

今天的故事，讓我們進入產業AI和智能計算的世界，了解一下華為的Atlas，如何支撐起了AI算力這個一切故事的起源。

算力瓶頸：AI之路上的第一堵牆

我們知道，AI就像蒸汽機和內燃機一樣，是一種通用技術，可以與各行各業的生產體系相結合，挖掘生產力和生產效率再提升的可能。

那麼AI算力，就是這一次生產力升級中的煤炭與石油——沒有算力可「燒」，一切東西就都玩不轉了。

而算力瓶頸問題，其實又沒有那麼簡單。

不是只要有了晶片就能一切搞定。

針對產業實踐中的算力瓶頸，至少有三方面的實際問題需要解決：

1、算力不足，企業AI業務根本無法啟動

今天，企業需要充沛的AI算力。

缺乏神經網絡的專項加速算力作為支撐，企業應用AI時就會面臨訓練時間過長和能耗過大兩方面的問題，造成很多產業實踐根本無從開展。

我們曾經採訪過一位生物工程領域的博士，他構想的AI算法原本設計很好，但因為學校缺乏相關算力資源，訓練一次需要幾個月的時間，最終導致研究項目根本無法滿足時間規定。

這樣的案例不勝枚舉，如果AI想要在實踐中跑起來，算力供給是先決條件。

2、邊端場景無法滲透，AI缺乏實際操作性

AI算力的另一個問題，是算力都通過雲服務輸送，導致所有任務必須回傳雲端。

這帶來的直接問題是很多要求低時延、小數據訓練量的任務缺乏實操可能性。

比如說智能交通中要用到大量智能攝像頭，攝像頭的數據如果全回傳雲端處理再進行決策，那麼很有可能交通情況已經發生了變化：無法起到實時監控、實時分析的作用。

3、缺乏垂直解決方案，行業不知道如何應用AI

還有一種情況，是具體到某一產業，需要的算力解決方案相對複雜。

不是對基礎AI能力的調用，而是與產業生產邏輯與已有技術體系相結合。

那麼這種情況就不能只是簡單的引用算力，而是需要對算力進行改造和定製化，符合企業的最終需求。

這樣相對複雜的算力需求，在能源、汽車等行業尤為顯著。

算力提供者必須與行業垂直技術解決方案提供商、數據公司合作，構建完整的行業垂直計算解決方案。

三者相結合，構成了今天對AI算力廣泛缺乏且需求複雜的局面。

而華為智能計算業務部面對這些問題的第一個答案，是派出了一名叫做Atlas的「戰鬥英雄」。

大力神托起天幕：Atlas帶來的智算風暴

Atlas這個名字，是希臘神話中伊阿珀托斯的兒子，盜火者普羅米修斯的哥哥，由於力大不窮，在世界西極托起了整個天空和宇宙。

因此被稱為大力神或者擎天神。

而當這個名字作為智能計算平台出現在市場中，顯然華為對它的希望，是能夠撐起萬物智能時代的一片天空。

Atlas到底是什麼？

去年十月，華為發布了基於Ascend昇騰系列AI晶片，以及全棧全場景AI解決方案。

（華為全棧全場景AI架構）

這些能力與業界主流異構計算部件，集成在各種規格的計算加速產品力，就組成了華為今天帶給產業世界的Atlas人工智慧計算平台。

目前，Atlas擁有提供雲伺服器AI算力升級的Atlas G系列產品，並且推出了面向端側的Atlas 200 AI加速模塊、支撐業界最高密度64路視頻推理的Atlas 300 AI加速卡、面向邊緣側的Atlas 500智能小站，及定位於企業領域一站式AI平台的Atlas 800 AI一體機。

這些產品就像樂高積木一樣，從大到小，覆蓋了雲邊端各種場景，並且能與華為雲服務打通，基於多種排列組合，構建出完整的產業AI算力實踐方案。

讓我們來看看，大力神Atlas家族的每一名成員都能做什麼。

Atlas 200 AI加速模塊，體積上只有兩塊硬幣大小，可以靈巧地集成到各種終端設備當中，7倍提升大量終端設備的AI算力。

比如在無人機、攝像頭、服務機器人中。

Atlas 200可以賦予這些設備自主完成人臉識別、體態識別等任務的能力，數據不必回傳雲端，即刻完成運算。

同時也不懼設備離線的尷尬。

（Atlas 200）

Atlas 300 AI加速卡，是面向數據中心和邊緣側伺服器場景的機器視覺任務加速裝置。

支持多種數據精度，單卡即可提供64TOPS INT8計算性能。

通過Atlas 300的賦能，攝像頭、人臉識別等機器視覺裝備，可以快速準確支持多路人臉視頻流和圖片流的接入和轉發，以及人像綜合服務。

只需要使用一張符合條件的人臉圖片，就可以完成目標身份信息的查找計算，讓人臉識別等場景變得快速、準確、穩定。

（Atlas 300）

Atlas 500智能小站，是業界領先集成AI處理能力的邊緣產品，只有一個機頂盒大小，卻可以實現16路高清視頻處理能力，並且支持-40℃至70℃的室外環境。

用Atlas 500搭配攝像頭，可以輕鬆完成單個場景，比如醫院、學校、敬老院的智能監控。

（Atlas 500）

Atlas 800 AI一體機，是用於搭建電信業務AI模型訓練平台的一體化算力提供設備，以全模塊化設計，最大支持32張 Atlas AI加速卡。

通過它，企業可以輕鬆完成AI任務訓練和部署，極大提升AI業務理解與應用能力。

（Atlas 800）

可以看到，Atlas完整的產品體系，特點在於能夠將AI算力普及到各個場景中。

無論是室外、離線，還是與舊有技術體系結合，都可以利用Atlas的排列組合輕鬆搞定。

把複雜的事情集成在自身體系中，把簡單留給應用場景，Atlas可謂對AI的普及至關重要。

這樣的體系化智能計算系列產品，以及背後的平台化服務，讓Atlas已經可以廣泛應用於智慧城市、智慧交通、智慧醫療、企業級AI推理等多種領域。

可以說，一場關於智能計算的風暴，正在Atlas徐徐打開的新機遇中醞釀。

萬業AI的應用鑰匙：從Atlas平台到智能計算生態

回到我們開始討論的AI算力瓶頸問題中，可以發現Atlas的市場化和產品化，首先解決了企業AI算力不足，只能單純依靠進口AI算力產品的尷尬。

繼而通過靈活多變，變現端邊雲多種場景的產品形態，解決了端側、邊緣側的AI算力需求。

那麼下一步的能力補完，重點就在於Atlas生態的構建。

只有搭建了生態和產業聯盟，讓行業AI解決方案提供商，和Atlas提供的底層AI算力結合起來，AI進入千行萬業才有了真正意義上的應用鑰匙。

為此，在剛剛過去的華為中國生態夥伴大會2019當中，舉行了華為智能計算產業峰會，會上華為智能計算與產業技術專家,金融、網際網路、電信運營商等行業客戶、依圖、以薩、華宇、格靈深瞳等產業合作夥伴，共同成立了華為智能計算生態聯盟。

這樣一個聯盟的重要任務，就是完善和發展Atlas產業生態，一方面讓合作夥伴利用Atlas可以完成自身的AI技術創新和產業AI解決方案實現，另一方面可以讓客戶在Atlas生態中準確尋找到定製與升級AI解決方案，從而負責行業特性與產業升級需求。

Atlas的產業價值，在於把AI算力的特性做到了IT基礎設施上。

Atlas構築了生態，從底層算力、中間件到上層應用的整個框架結構。

用好這樣新的基礎設施，AI公司與產業客戶可以找到新的對接舞台，並且讓很多無法落地的想法真正成為現實。

生態的聚合，下一步就是行業應用的不斷拓展，伴隨技術解決方案的的進一步疊代。

根據目前案例資料，Atlas人工智慧計算平台已經在多個行業完成了場景落地應用，並且能夠滲透到雲邊端不同的場景組合當中：

比如在某銀行的案例中，使用Atlas加持邊緣計算，讓銀行場景中快速完成了人臉識別代替刷卡的疊代，身份識別準確率大於95%，並可以達成無停頓通行。

而在南方某城市的交通案例中，Atlas被廣泛應用到了智能交通監控設備與智能大腦的方方面面，從而讓複雜高流通性的交通場景獲得了充沛體系化的AI算力加持。

實現廣泛採集人、車、證多種數據，並達成了數據碰撞、多軌合一、多維布控等功能。

在應用區域，通過智能交通體系根據擁堵情況調節紅綠燈，道路通行速度提高9%， 高峰時期的擁堵時間減少15%。

而在雲側計算場景，Atlas的效果也很明顯。

比如某基因生物企業，利用基於Atlas的加速雲服務，大幅縮短了基因測序時間。

相比傳統基於x86的雲服務平台，Atlas幫助企業提高了5倍的計算效率，端到端綜合成本下降了30%。

可以看出，隨著對AI通用化進程的理解加深，Atlas的產業基礎和應用實踐也在一步步疊加。

通過構建雲邊端多場景應用的滲透，以及對視覺、語音、數據智能等多種AI任務的有效加速，配合產業生態的構建，Atlas事實上已經成為業界唯一能提供全場景AI方案的硬體平台產品。

或許今天，還是擎天神剛剛開始工作的時候。

然而可以預見的是，華為希望能夠開創全棧全場景的AI行業生態體系的目標已經十分明確。

而雲邊端一體化的智能計算布局，以及各行業基於華為智能計算完成的AI進化，都需要Atlas這根擎天柱作為基礎。

天長日遠，AI與所有技術大廈一樣都不是一天建成的。

而Atlas，是一項今天無法繞開的、關於未來的基礎工程。