華為ALL in Al：全面公布AI戰略及全棧全場景解決方案，AI晶元將不單獨對外銷售

雷鋒網按：歷史上成功的頂級科技公司大都經歷過相似的處境，在走向偉大的過程中小錯誤不斷，但是決定生死的關鍵節點卻都能走對路，比如微軟是第一家真正重視軟體的公司，谷歌確立「移動優先」戰略抓住移動互聯網機遇，蘋果自己控制軟硬體和操作系統等等，這些不同頂級科技公司的獨特競爭力讓他們能經久不衰，容錯率相當高。而今，這些公司都轉向了同一個主題賽道——AI。

同為頂級科技公司，華為也投入到AI浪潮。儘管此前已有劇透，華為將在2018全聯接大會上首發AI戰略，但是華為如此徹底的轉向AI還是讓人始料未及，華為已經是全球第一的電信設備商，全球前三的終端廠商，而從華為輪值董事長徐直軍的話語不難發現，華為已經ALL in AI。

在全聯接大會上，徐直軍首先提到了華為的AI思考。他表示，人工智慧是一種新的通用目的技術，如同公元前的輪子和鐵，19世紀的鐵路和電力，以及20世紀的汽車、電腦、互聯網一樣，華為認同：人工智慧是一組技術集合，是一種新的通用目的技術（GPT）。

他同時強調，是否具備真正的人工智慧思維，是否以人工智慧的理念和技術解決現在和未來的問題，是我們能否在未來構築領先競爭力的關鍵。華為在實踐中發現，人工智慧不但可以替代人，還能夠自動降低生產成本。這是人工智慧與信息化最大的不同，也是其最有價值的特點。

華為認為，人工智慧觸發的產業變革，將涉及所有行業。行業是否會被人工智慧技術改變，甚至被徹底顛覆，如何以一種全新的模式，重構各自行業和企業，是我們在未來都要思考和實踐的。

「今天，我們可以清晰地預測到，人工智慧將改變或顛覆如下行業：智慧交通將大大提升通行效率；個性化教育將顯著提升教師與學生的效率；精準預防性治療有望延長人類的壽命；實時多語言翻譯交流再無障礙；精準藥物試驗可以顯著降低新葯成本，縮短髮現周期；基於AI的電信網路的運維效率將大大提升；自動駕駛和電動汽車將顛覆汽車產業等」，徐直軍篤定的表示。

人工智慧不僅能改變諸多行業，還將改變每一個組織。

18世紀以來的歷次技術革命，每一次都會對組織的結構、作業流程和人員能力等產生巨大影響。從工作崗位和人員能力角度看，人工智慧推動此次變革將有一個明顯的不同：以往的歷次變革總會產生大量的重複性日常工作需求，比如紡織廠的設備操作，汽車製造流水線和手機製造流水線等。

但是人工智慧將在幾乎每個方面提升自動化水平，因此大量的重複性日常工作崗位需求將大幅度縮減。與此對應的是，需要增加對數據科學工作崗位的需求，例如數據科學家、具備一般性數據科學能力的數據科學工程師等。這些崗位的數量將遠遠少於當前重複性日常工作崗位。

因此，華為認為，未來的組織人員構成可能是菱形的，其中大量處於底部的基礎性、重複性日常崗位會被AI所取代。

「從歷史上所有通用目的技術的發展歷程來看，這些都是正常現象。我們剛剛經過了AI技術與應用的局部探索階段，目前正處於第二個階段。在這個階段，從技術視角看，一方面AI技術日趨完善，同時又暴漏出越來越多的問題；從應用視角看，一方面AI的應用日漸廣泛，價值持續得以確認，但同時政策環境、公司流程、組織人員等都是主要面向以往的技術的，比如信息化和互聯網時代的技術，還沒有為智能技術時代的到來做好準備，因而時常產生碰撞，甚至衝突。」

「我們應充分聚焦人工智慧能解決的問題、聚焦其創造價值的領域，而不是把精力花在人工智慧不能解決的問題或不能創造價值的領域。因為選擇正確的問題比尋找新奇的方案更重要」，徐直軍表明了華為AI解決問題的思路。

十大改變

與其說是十大改變，不如說是AI發展的十個方向，雖然不一定能完全概括，但確實是AI目前面臨的通用問題，雷鋒網也觀測到，華為也循著同樣軌跡發展AI。

目前人工智慧存在理論和現實之間的鴻溝，徐直軍用「輝煌」和「冷靜」來概括，他表示，一方面人工智慧產業發展「輝煌」——2017年發表的機器學習論文數是2萬篇 / 全球有超過22個國家發布了AI計劃 / 2017年新誕生了1100多家AI startup公司 / 2017年與AI相關的兼并收購金額達到240億美元 / 2017年與AI相關的VC投資達140億美元。

另一方面，人工智慧初級階段的「冷靜」同樣引人關注——只有4%的企業已經投資或部署了AI / 只有約2%零售商已經投資或部署了AI / 只有約5%部署的智慧城市中正在使用AI / 2017年只有約10%的智能手機內置了AI / 全球AI人才的供需比僅有1%。

徐直軍表示，要解決人工智慧「輝煌」與「冷靜」之間的巨大落差，要從技術、人才、產業這三個方面進行主動的變革。

• 改變之一：縮短訓練模型的時間——按照目前的技術水平，訓練某些複雜模型時往往需要數天甚至數月，而成功的創新發現往往需要多次迭代，這種訓練速度嚴重製約了應用創新。我們認為，未來模型的訓練要能在幾分鐘、甚至幾秒鐘內完成。

• 改變之二：充裕經濟的算力——算力是AI的基礎，但目前的算力非常昂貴，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。算力應該是充裕且經濟的，並且這種需求應該儘快實現。

• 改變之三：人工智慧要適應任何部署場景——混合雲已經成為企業採用雲服務的主要模式，當前的AI主要在雲，少量在邊緣，與企業的業務環境的結合有待進一步深入。未來AI將無處不在，要能夠部署在任何場景，並確保用戶隱私得到尊准和保護。

• 改變之四：更高效更安全的演算法——演算法是推動AI發展的另一個主要動力，但目前運用的主要演算法多誕生於1980年代。隨著AI的廣泛普及，這些演算法的不足愈發明顯。未來的演算法，要能夠基於更少的數據需求，即數據高效。也要能夠基於更低的算力和能耗，即能耗高效。同時要解決自身的安全問題，並實現可解釋等等，這都是AI全面發展的重要技術基礎。

• 改變之五：更高的自動化水平——今天的人工智慧，自身還需要大量的人工，特別是在數據標註環節，今天甚至還誕生了一個新的職業叫「數據標註師」。有人調侃說，今天的人工智慧，是沒有「人工」就沒有「智能」。華為認為，應該大大提升AI自身的自動化水平，比如在數據標註、數據獲取，特徵提取，模型設計和訓練等環節，要實現自動化或半自動化。

• 改變之六：模型要面向實際應用——2018年6月，伯克利大學的助理教授 Benjamin 等發表了一篇題目奇怪的論文《CIFAR-10分類器能否泛化到CIFAR-10》。該論文指出，在CIFAR-10分類器上測試準確度出色的模型演算法，卻在作者創建的與CIFAR-10非常接近的另一測試集上出現了偏差，分類識別準確率下降了5-15個百分點不等。這也就意味著，這個模型演算法的可用度大幅度下降。由此，可見當前很多優秀的模型演算法，更多的是「考試」優秀，還未達到「工作」優秀。未來的模型必須實現工業級的優秀，即滿足工業生產的需要，而不僅僅滿足於測試集上「考試」優秀。

• 改變之七：模型更新——模型的準確率並非是一成不變的，而是會隨著數據分布、應用環境和硬體環境的變化而變化，始終保持準確率在期望的範圍內對於企業應用是必須的。但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環的系統。未來的模型要能及時適應各種變化，實時更新，實現閉環系統，保證企業AI應用始終處於最佳狀態。

• 改變之八：人工智慧要多技術協同——每一個通用目的技術，只有與其它技術充分協同配合，才能發揮到極致，創造巨大的經濟價值。AI也不例外，但在目前我們探討AI時，更多的是僅僅聚焦AI本身。AI需要與雲、物聯網、邊緣計算、區塊鏈、大數據、資料庫…等技術充分協同，如此才能發揮更大價值。

• 改變之九：人工智慧要成為由一站式平台支持的基本技能——今天，AI還是一項只有具備高級技能的專家才能完成的工作，成熟、穩定、完善的自動化工具還比較缺乏，獲得一個AI模型還是一個非常複雜，耗時耗力的事情。華為認為，應該有一站式平台，提供必需的自動化工具，讓AI應用開發更容易，更快捷。從而，使AI成為所有應用開發者甚至所有ICT技術從業人員的一項基本技能。

• 改變之十：以AI的思維解決AI的人才短缺——AI人才的短缺，特別是數據科學家的缺乏，一直是業界顧慮較多的一個制約因素。而且我們認為，數據科學家將永遠是稀缺的。解決之道應該是，以AI的思維解決AI的人才短缺。通過著力發展智能化、自動化、簡單易用的AI平台和工具服務，以及提供培訓教育，培養大量的數據科學工程師，使他們能完成大量基本的數據科學相關工作。通過這些大量的數據科學工程師與數據科學家和各領域專家相互配合的梯形結構，來解決AI人才稀缺問題。

華為AI戰略

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，徐直軍系統闡述了華為的AI發展戰略以及華為全棧全場景AI解決方案。

基於十大改變，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

華為AI解決方案

「我們提出的全場景，是指包括公有雲、私有雲、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。我們說的全棧是技術功能視角，是指包括晶元、晶元使能、訓練和推理框架和應用使能在內的全堆棧方案」，徐直軍表示。

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等五個系列。包括我們今天發布的華為昇騰910（Ascend 910），是目前全球已發布的單晶元計算密度最大的AI晶元，還有Ascend 310，是目前面向邊緣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

2018年4月，華為發布了面向智能終端的人工智慧引擎HiAI；2017年9月，華為發布了面向企業、政府的人工智慧服務平台華為雲EI。華為發布的全棧全場景解決方案是對華為雲EI和HiAI的強有力支撐。基於該解決方案，華為雲EI能為企業、政府提供全棧人工智慧解決方案；HiAI能為智能終端提供全棧解決方案，且HiAI service是基於華為雲EI部署的。

總體來說，華為人工智慧的發展戰略，是以持續投資基礎研究和AI人才培養，打造全棧全場景AI解決方案和開放全球生態為基礎。

• 面向華為內部，持續探索支持內部管理優化和效率提升；

• 面向電信運營商，通過SoftCOM AI 促進運維效率提升；

• 面向消費者，通過HiAI，讓終端從智能走向智慧；

• 面向企業和政府，通過華為雲EI公有雲服務和FusionMind私有雲方案為所有組織提供充裕經濟的算力並使能其用好AI；

• 同時華為也面向全社會開放提供AI加速卡和AI伺服器、一體機等產品；

「我們提出的全場景意味著華為有能力實現智能無所不及，構建萬物互聯的智能世界。全棧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；有能力提供大家用得起，用得好，用的放心的AI，實現普惠AI」，徐直軍表示。

對於外界傳言華為神秘的AI晶元「達芬奇計劃」，徐直軍終於在會上作出了回應：「外界一直在傳華為在研發AI晶元，今天我要告訴大家：這是事實！」

華為本次發布兩款AI晶元，均基於「達芬奇」架構，昇騰910是一款伺服器晶元，具體參數為：半精度為（FP 16）：256 TeraFLOPS，整數精度（INT8）：512 TeraOPS，128通道 全高清 視頻解碼器- H.264/265；最大功耗350W，採用7nm工藝，2019年第二季度商用

另外，據雷鋒網了解，昇騰910每秒浮點運算次數（FLOPS）達到256T，實現單晶元計算密度最大，比英偉達V100還快一倍。

昇騰310是一款極致高效計算低功耗Soc，具體參數為：半精度（FP16）：8TeraFLOPS，整數精度（INT8）：16TeraOPS，16通道 全高清 視頻解碼器 -H.264/265，1通道 全高清 視頻解碼器 -H.264/265，最大功耗8W，採用12nm工藝，Soc目前已經商用，但針對智能手機、智能附件和智能手錶等設備的Acsend-Lite、Acsend-Tiny、Acsend-Nano也要等到2019年第二季度商用。

在隨後的媒體採訪中，徐直軍多次強調，華為昇騰910和310晶元將不會對外單獨銷售，而是以AI加速卡、加速模塊、伺服器和一體機等模式對外銷售。另外他還表示，華為確實和微軟有接觸，但是並不存在微軟已經大規模採購華為伺服器晶元的情況。由此看來，華為與微軟和合作也將以更進一步的產品形式達成。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！