推动中国AI 开发进入黄金时代 华为云底气何在

为期两天的 AICon 全球人工智能与机器学习技术大会已落下帷幕，作为一场面向各行业 AI 中高层技术人员的盛会，历年 AICon 都吸引了业界顶级公司参与其中，今年也不例外，包括华为、AWS、阿里巴巴、腾讯等公司的 AI 专家们齐聚一堂，共同探讨围绕 AI 的产业变革机会与技术创新方向。

这场大会上所展示的 AI 落地案例、AI 技术实践以及 AI 的工业化应用，都在强调一个事实：站在 2019 年 11 月的时间点去看，AI 之于各个行业的意义已经不再是「是否有价值」，而是变成了「如何让 AI 变得更有价值」。

与此同时，在 5G 商用元年，全新通讯技术带来的巨大潜力，正在传递到产业的各个链条，而云计算的持续进化，已经深刻影响到了从政府到大型企业的方方面面。

这也留给行业一个命题：当 5G、AI 与云共同定义了这个时代，各个行业应用 AI 的第一步从哪里开始？

参与这场大会的华为云给出了自己的一个回答：利用华为云的全栈全场景 AI 能力，开发者、企业可以快速驶入 AI 开发、部署与应用的赛道。

据了解，此次大会上，华为云进一步展示了其全栈全场景的 AI 解决方案。具体来说，「全栈」指的是包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案；「全场景」则是将公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端在内的全场景纳入到 AI 的部署环境中。

那么，如何进一步理解当下 AI 开发、部署的痛点，华为云全栈全场景的 AI 能力，又对开发者、企业有何意义？

接下来，我们来一一解读。

1.AI 开发/部署所面临的挑战

对于任何一个行业来说，AI 开发、部署都是一个全新的挑战，而且这些挑战也贯穿在 AI 开发、部署的始终。

首先，AI 算力需求旺盛且多样化。自 2012 年以来，AI 计算能力需求早已超过摩尔定律，当模型越发复杂，当算力需求越来越大，开发者、企业所面临的计算成本也在大幅上升。

另一方面，随着物联网以及即将到来的 5G 时代，AI 计算的场景也将变得多元化，从大型数据中心到迷你终端设备，不同场景下的计算需求、功耗成本以及计算延时也有着不同的需求。

这意味着，AI 开发者和企业需要强大、灵活以及多场景的算力。

其次，AI 框架与一站式AI 平台的需求。作为向下对接芯片、向上承载应用的 AI 框架，业界目前流行的 TensorFlow 等，多为美国公司研发并开源出来的产品，且不说会不会受到国际大环境的影响，只谈开源产品的本地化后续服务，TensorFlow 等都很难直接适应中国开发者的需求。

而面对 AI 人才短缺的现实，如何进一步降低 AI 开发门槛成为行业的迫切需求，更进一步，开发者和企业也需要一站式的 AI 开发环境，从而快速完成从数据标注到模型部署的一整套工作流程。

第三，云、边、端的训练和部署如何协同。这是一个摆在全行业面前的共同挑战， 相比于 AI 模型训练为数不多的技术选型（GPU，数据中心），AI 模型部署对于开发者、企业而言更复杂。这是因为，AI 部署所面临的是纷繁复杂的设备环境，特别是在移动设备、边缘设备交织的业务场景里，如何高效完成模型从快速训练到快速部署，成为各行各业 AI 从业者关注的命题。

2.华为云如何破解算力难题？

在 ICT 领域耕耘多年的华为，面对 AI 领域开发、部署的难点、痛点，提出了自己的一番思考。

正如上文所言，AI 计算需求在过去七年里迎来大爆发，根据 OpenAI 的统计，自 2012 年至今，AI 算力需求增长了 30 万倍。

这带来两个显著变化：其一，传统的 CPU 已经无法承担起 AI 计算的需求；其二，业界对于 GPU、FPGA 与 NPU 的需求开始上升。

这正是华为昇腾芯片出现的行业背景。通过底层创新性的「达芬奇架构」，使得华为昇腾芯片具备了在端边云上拥有统一的计算架构，由此带来了不仅是计算能力的大幅提升，而且还可以实现算法一次开发，再顺利迁移到其他场景的芯片上的能力。

以今年正式发布的的昇腾 910 芯片为例，其主要面向数据中心的云端AI训练，半精度 (FP16)算力达到256 Tera-FLOPS，整数精度 (INT8) 算力达到512 Tera-OPS，达到规格算力所需功耗仅310W，无论计算能力还是功耗，都属业界领先水平。

与此同时，基于「达芬奇架构」，华为在端、边、云都已推出了相应芯片，这些芯片构成了华为 AI 能力的最底层：芯片层/利用华为云的调度能力，满足开发者、企业不同场景中的计算需求，而公有云「用多少付多少钱」的商业模式，可以大幅降低企业的 AI 计算成本。

3.从框架到一站式开发平台的赋能

在 AI 开发流程里，华为将 MindSpore 作为统一训练和推理的开源框架。MindSpore 从设计开始，就确定了「AI 算法即代码」的设计范式，可以大幅降低 AI 开发门槛；而在执行模式中，基于 Ascend Native 的执行引擎，能够充分发挥昇腾芯片的强大算力；与此同时，MindSpore 还具备了适配端、边、云的能力，在统一架构的基础上，根据场景不同可大可小，最大限度满足企业场景需求，并提供更好的资源效率和隐私保护。

值得一提的是，MindSpore 未来也将全面开源，不同行业的开发者，完全可以根据其自身业务需求，灵活扩展和定制，将其应用到更多硬件平台之上，构建自己的 AI 训练模型。

在开源框架 MindSpore 之上，华为还拥有一站式 AI 开发平台 ModelArts，这个平台所肩负的，是如何为开发者/企业提供一整套基于云端的机器学习开发全流程服务。

2019 年 3 月份，ModelArts 在 AI 权威竞赛斯坦福大学 DAWNBench 榜单中取得图像识别训练和推理性能双料冠军，将模型训练时间大幅缩减的同时实现了超强推理性能。

来看一组具体数字，在训练性能方面，ResNet50_on_ImageNet上的测试结果显示，当采用128块V100时，华为云ModelArts上模型训练时间仅需4分08秒，与 2018年12月创下的9分22秒纪录相比又快了一倍，比此前 fast.ai 在 AWS 平台上的训练速度快4倍；在推理性能方面，华为云ModelArts识别图片的速度是排名第二厂商的1.7倍、亚马逊的 4 倍以及 Google 的 9.1倍。

ModelArts 能取得这样的成绩，展现了其在机器学习平台的技术优化能力，通过技术创新降低机器学习平台的使用成本，最终将技术红利让给企业和开发者。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!