2款AI晶元、深度學習框架MindSpore：華為史無前例集中發布AI戰略

機器之心報道，作者：李澤南。

今天上午，在上海舉行的 2018 全聯接大會上，華為輪值董事長徐直軍宣布了華為的 AI 戰略與全棧式解決方案，同時發布了兩款全新 AI 晶元以及跨平台深度學習框架。可以說，這是近年來 BAT 等巨頭高調投入 AI 之際，華為高層首次對外宣布集團層面的 AI 戰略。

華為本次發布的 AI 全棧式解決方案，讓這家公司成為目前全球唯一提供 AI 全棧軟體和系列化晶元的提供商。同時，華為還提供了一套與之配套的統一開發框架。

華為 AI 發展戰略

AI 是基礎生產力，這個觀點是華為通過自身的實踐總結出的經驗，現在華為希望把提升自身生產力的技術開放出來，供所有人使用。「自 2017 年起，華為就確定了構建萬物互聯的願景，」華為輪值董事長徐直軍表示。「為此，華為制定了 AI 發展戰略。如同工業化革命期間的電力和鐵路一樣，人工智慧是 21 世紀的新通用目的技術。」

徐直軍表示，華為之所以強調 AI 是一種通用技術，是為了讓我們正視 AI 的價值，AI 不僅能夠讓我們高效解決已經解決的問題，還可以解決很多未解決的問題。

華為認為，人工智慧帶來的改變將涉及所有行業，包括交通、教育、醫療和金融。而人工智慧引發的變革才剛剛開始，目前我們正處在 AI 應用與社會環境相互碰撞的時期。在研究層面，2017 年全球發表的機器學習論文數量已經達到了 2 萬餘篇，目標檢測、機器翻譯的性能超越人類；而另一方面，只有約 4% 的企業已經投資或部署了 AI 技術，5% 的高等教育機構使用了 AI 等等，這反映出應用層面的冷靜。現階段，這種研究與應用之間的落差令人欣喜，同時選擇解決正確的問題是最重要的任務。

徐直軍表示，為了彌合這種研究與應用之間的差距，AI 需要以下十大改變：

華為花費很長時間介紹了目前人工智慧面臨的 10 大挑戰。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。

基於這樣的考量，華為提出了自己的全棧 AI 解決方案。

全棧全場景 AI 解決方案

據介紹，華為的全棧方案具體包括：

• Ascend： 基於統一、可擴展架構的系列化 AI IP 和 晶元，包括 Max、Mini、Lite、Tiny 和 Nano 五個系列。包括今天發布的華為昇騰 910（Ascend 910），它是目前全球已發布的單晶元中計算密度最大的 AI 晶元，還有 Ascend 310，它是目前面向計算場景最強算力的 AI SoC。
• CANN： 晶元運算元庫和高度自動化運算元開發工具。
• MindSpore：支持端、邊、雲獨立的和協同的統一訓練和推理框架。
• 應用使能：提供全流程服務（ModelArts）、分層 API 和預集成方案。

此前曝光的「達芬奇計劃」旨在讓 AI 技術融入華為的所有產品和業務，包括為雲伺服器研發的專用 AI 加速晶元，也包括 5G 技術的研發，在智能攝像頭等終端設備、甚至智能駕駛上搶奪先機。

其中，華為自研的人工智慧計算晶元是重中之重。「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。」徐直軍表示。

今天，華為發布了兩顆全新的 AI 晶元：Ascend 910 與 Ascend 310。

華為首席架構師黨文栓介紹說，Ascend 晶元採用統一達芬奇架構：可擴展計算、可擴展內存、可擴展片上互聯。因此，這是全球首個覆蓋全場景的智能晶元系列。

AScend 910

AI 雲晶元是人們關注的重點。「媒體一直在預測華為正在開發 AI 晶元，今天我要告訴你：你們的猜測是對的！」徐直軍說道。

在發布會上，華為簡要介紹了兩款晶元的性能指標，伺服器晶元昇騰（Ascend）910 採用 7nm 製程，最大功耗為 350W，算力比英偉達 Tesla V100 還要高出一倍。華為稱，昇騰 910 是目前單晶元計算密度最大的晶元。華為並不像谷歌一樣只在自己的伺服器中使用 AI 雲晶元，這款晶元將於明年二季度正式上市。

在發布晶元的同時，華為還發布了大規模分散式訓練系統 Ascend 集群，在設計中，該集群將包括 1024 個 Asced 910 晶元，算力達到 256P，大幅超過英偉達 DGX2 和谷歌 TPU 集群。這種伺服器將同樣在 2019 年二季度推出，幫助開發者更快地訓練模型。

Ascend 310

與高功耗的 910 一同推出的 Ascend 310 是昇騰迷你系列的第一款產品。據稱這款晶元功耗為 8 瓦，採用 12nm 工藝，算力可達 16TFLOPS，其集成了 16 通道全高清視頻解碼器，具體性能見上圖。

除此之外，在 2019 年華為還將發布三款昇騰 IP：Ascend Lite、Ascend Tiny、Ascend Nano。華為還將發布基於 Ascend 310 的多款 AI 產品，分別面向不同場景，如 Atlas800、MDC 600 等。

基於昇騰 310/910，華為還將提供相應的加速卡和伺服器，以支持公有雲、私有雲服務。

華為希望提供全棧、全場景的開發平台，因此今天華為還發布了深度學習框架、運算元開發工具 CANN 以及提供全流程服務的分層 API 和預集成方案。

CANN 與 AI 框架 MindSpore

在硬體之上，華為還提出了完整的軟體堆棧，以實現一次性運算元開發、一致的開發和調試體驗。華為希望能夠幫助開發者實現一次性開發，應用在所有設備端、邊緣及雲端平滑遷移的能力。

其中，運算元庫 CANN 面向人工智慧不斷出現的多樣性運算元，兼顧了高性能和高開發效率。其中的 Tensor Engine 實現了統一的 DSL 介面、自動運算元優化、自動運算元生成，以及自動運算元調優功能。值得一提的是，華為在 Tensor Engine 中採用了陳天奇等人提出的 TVM。華為稱，CANN 可以實現 3 倍的開發效率提升。

MindSpore 是華為提出的 AI 框架，與 TensorFlow、PyTorch、PaddlePaddle 等框架並列。華為認為未來的 AI 將會由任務驅動，非常個性化。隨著技術發展，安全問題和算力問題成為重要挑戰。歐盟推出的 GDPR 法案讓很多互聯網公司被迫重新規制自身業務；另一方面，自 AlexNet 到 AlphaGo Zero，人工智慧演算法的算力需求也提升了 300000 倍。

MindSpore 可覆蓋終端設備到雲伺服器的所有場景。在發布會上，華為介紹了 MindSpore 設備端深度學習框架，其容量只有不到 2m 大小，運行時佔用內存不到 50m。華為表示，MindSpore 同時也支持目前所有主流深度學習框架中的模型。

在框架之上，華為還為開發者提供了更為高級的 ModelArts，這是一個機器學習 PaaS，提供全流程服務、分層分級 API 及預集成解決方案。

「AI 將重新定義應用開發，」首席戰略架構師黨文栓表示。「我們的 ModelArts 將支持全流程模型生產，支持人工智慧條件下的開發流程。」

華為還推出了面向生產自動化的 ExeML

在兼容性方面，華為表示，目前的 Cloud EI 也支持 GPU 的開發。華為提供的預集成解決方案支持公有雲和混合雲環境。

在今年 8 月於重慶召開的首屆智博會上，華為雲 BU 總裁、華為副總裁鄭葉來表示，華為將圍繞「用得起、用得好、用得放心」三個方面進行深入探索，最終實現「普惠 AI」。在今天的一系列產品發布之後，相信我們已經對華為的全部願景有所了解。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！