華為首次披露AI五大戰略：先縱向殲滅再橫向擴張，構建芯、端、雲協同發展

【獵雲網（微信：ilieyun）北京】10月10日報道（文/呂夢）

很多人都是通過手機認識到華為AI技術的。2017年9月，華為發布了世界首款手機AI晶元麒麟970，添加神經網路處理單元NPU（其技術來源於寒武紀），與CPU相比，計算速度提升25倍，能耗效率提高50倍。華為Mate 10和Mate 10 Pro和榮耀V10都搭載了麒麟970晶元。

但事實上，華為更多的AI成果都定位於「企業級"和"底層"部分。今天，華為輪值董事長徐直軍就在第三屆HUAWEI CONNECT 2018（華為全聯接大會）上公布了華為的AI發展戰略，以及全棧全場景AI解決方案，其中包括全球首個覆蓋全場景人工智慧的Ascend系列晶元。

同時，推出兩款相關晶元昇騰910（單晶元計算密度最大）和310（高效計算低能耗），其中昇騰910將在明年2季度上市。

儘管麒麟970晶元讓Mate10以及華為手機在AI手機領域贏在起點，但畢竟還是"端"上的AI，而"雲"的AI才是今天更多企業競爭的大舞台。在這方面，一向以「打硬仗」著稱的華為，再次從底層切入，開發AI晶元，這也是華為內部代號為"達芬奇"作戰計劃的首要任務。華為希望通過AI晶元，將AI引入公司一切產品和服務中，包括電信基站和雲數據中心、智能手機和監控攝像頭等設備。

而這款晶元就是屬於Max系列的昇騰910，被徐直軍稱為是「計算密度最大的單晶元」，昇騰910主打雲場景的超高算力，其半精度算力達到了256 TFLOPS，比目前最強的NVIDIA V100的125T還要高一倍，採用7nm工藝製程，最大功耗為350W。

此外，昇騰310兼具極致高效計算和低功耗，是目前面向邊緣計算場景最強算力的SOC，最大功耗僅僅8W。

大會中，徐直軍結合當下人工智慧的發展態勢，主要談了三個觀點：

第一，人工智慧將是一種通用技術。用AI的技術和理念去解決現在和未來的問題。這是未來我們能夠構建競爭力的關鍵；

第二，AI將會改變所有行業；

第三，AI將改變每個組織。AI將降低傳統崗位需求，而提高對資料庫人才的需要。

此外，還提出了10個人工智慧的重要改變方向：模型訓練、算力、AI部署、演算法、AI自動化、實際應用、模型更新、多技術協同、平台支持、人才獲得。這十大改變既是華為對AI產業發展的期望，也是華為制定AI發展戰略的源動力。

基於這十大改變，華為的AI發展戰略包括五個方面：

投資基礎研究：在計算視覺、自然語言處理、決策推理等領域構築數據高效（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

打造全棧方案：打造面向雲、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案，提供充裕的、經濟的算力資源，簡單易用、高效率、全流程的AI平台

投資開放生態和人才培養：面向全球，持續與學術界、產業界和行業夥伴廣泛合作，打造人工智慧開放生態，培養人工智慧人才

解決方案增強：把AI思維和技術引入現有產品和服務，實現更大價值、更強競爭力

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

隨後，華為首席戰略架構師黨文栓詳細解釋了華為的全棧式、全場景解決方案，其中全場景包括四層：Ascend晶元；算力層CANN；支持端、邊、雲獨立的和協同的統一訓練和推理框架MindSpore；提供全流程服務（ModelArts）、分層API和預集成方案的應用使能層。

第一層是晶元設計層，即基於達芬奇架構開發的從Lite、Mini、Tiny、Nano到Max一系列晶元集成，適用任何場景，以最低功耗發揮最優性能。

第二層是算力層，華為開發的CANN能夠兼具最優開發算力和運算元性能兩者，具有統一的API介面，致力於為開發者提供更好的開發平台。以reduce-sum開發案例為例，華為的開發效率提升三倍。

第三層是華為開發的統一訓練和推理的框架Mindstore，其支持深度學習、強化學習、增強學習。值得一提的是，這一框架的大小不到50mb，存儲空間需求也很小，集成了大規模分散式訓練系統的晶元，助力不同模型開發和優化。

第四層是應用開發層，即提供全流程服務架構ModelArts。通常建模、運營等服務都是隔離的，華為設計的ModelArts可以為開發者提供更加簡單的模型支持，從獲取數據到適應變化，可以支持全流程的設計支持。具體包括適配模型架構，讓不同場景的模型設計更加自動化的ExeML以及預集成解決方案，支持多領域（包括物流等不同場景）開發的CloudEI平台等。

其實，華為的AI戰略也不是什麼新鮮事。

華為最早公開對AI的「野心」可以追溯到2016年任正非的一次內部談話。當時，任正非在華為諾亞方舟實驗室座談會上做了一次內部演講，首次系統談到了華為在人工智慧領域的戰略。

任正非提到，華為的人工智慧要瞄準服務主航道，下決心打造公司內在能力，先不做邊界外的事情，不做社會上的小產品。在研發層面，他表示，不做小商品賺錢，而是「趁著這幾年有的是錢，要大力投入」。自此，華為的AI戰略初露端倪。

值得注意的是，諾亞方舟實驗室是華為於2012年設立在香港的實驗室，主要從事人工智慧學習、數據挖掘研究等前沿科技領域，這也可以視為華為正式投入AI基礎研究的先導信號之一。

基於雲端AI晶元廣闊的市場空間，國內外科技巨頭則開始紛紛搶佔先機展開布局。目前的GPU晶元市場上，英偉達市場佔有率高達70%，是當之無愧的晶元領域霸主；谷歌在2016年推出了專為機器學習定製的專用晶元TPU，已經被其應用在了AlphaGo、搜索、翻譯、相冊等背後的機器學習模型中，今年2月，谷歌雲TPU 宣布向外部用戶開放。

國內競爭態勢也愈演愈烈。2018百度AI開發者大會上，李彥宏發布了百度自主研發的 AI 晶元「崑崙」，並宣稱這是中國第一款雲端全功能AI晶元，也是目前為止業內設計算力最高的AI晶元；而在今年9月的雲棲大會上，阿里巴巴宣布成立晶元公司平頭哥半導體有限公司，打造面向汽車、家電、工業等諸多行業領域的智聯網晶元平台，阿里巴巴還將在明年4月發布第一個神經網路晶元。

內外夾擊之下，華為AI布局的聲音也越傳越開。

今年4月，徐直軍提到，「我們把人工智慧定位為一個使能技術，希望通過人工智慧技術引入我們的智能終端、雲和網路，帶給客戶更多體驗提升和商業價值」。

因此，華為雲EI和華為AI手機，可以看做華為人工智慧戰略的雲側和端側。華為認為，Mobile AI=On-Device AI + Cloud AI，構建芯、端、雲協同發展人工智慧，這三個方向所對應的分別是晶元、EMUI智能引擎、智慧服務三層能力，作為華為的AI移動計算平台，開放給全球的開發者和合作夥伴。

可見，華為的AI戰略在很早就開始，但一開始大都基於自身業務、解決內部實際問題，而不是純粹的探討技術「無人區」，先聚焦在企業內部的服務當中，試圖通過從自用到賦能，來完成AI從人才到技術再到平台和產品的布局。其動作和谷歌、微軟以及國內的BAT相比，穩健很多。

這也使得華為涉及AI業務的團隊非常多，從事AI研發的人力也非常多，他們分頭為各個業務部門服務，比如手機、晶元、媒體、操作系統等等，但應用最多的卻是任正非提到的兩大條線：解決華為內部運作的自動化問題和華為的業務服務問題，比如，華為供應鏈的智能裝箱、物流和路徑規劃，以及報關、發票、風控、營銷、網路安全等場景。於是，華為就有了企業中最多的AI使用場景，如任正非所說，「世界上還有哪個公司有這麼大的業務量和數據量與我們比拼？」

這也體現出華為對AI的態度，例如：人工智慧不能遍地跑；華為雲堅持「不做應用、不碰數據、不做股權投資」；人工智慧會不斷推動人類進步；重複工作自動化，模糊判別智能化，是華為努力的方向。

這些原則之下，就是華為人工智慧的聚焦投入：要急用先行小步快跑，要聚焦在確定性業務、人工消耗大的項目，不要鋪開一個很廣泛的戰線；不要遍地都是智能化，這會形成全面開花沒有結果的盲動，就有可能滿盤皆輸；先縱向打好殲滅戰，旗開得勝後再橫向擴張。

在這個戰略的基礎上，任正非才提出，即便未來AI泡沫破滅，也能實現華為AI大發展的策略。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！