華為又秀了一次AI「大藍圖」
題圖:視覺中國。
今天下午在華為深圳總部,華為輪值董事長徐直軍主持並且「再次」發布了AI晶元——昇騰910,以及華為自己的人工智慧架構MindSpore。
昇騰910和310晶元
之所以說是「再次發布」,是因為在去年華為的年度會議、「全連接大會」2018上,徐直軍已經整體地發布了華為整個「全場景全棧」人工智慧解決方案,整個方案中,就包括了「昇騰910」這顆晶元。唯一不同的是,這一次發布的是實際的晶元產品,並且已經進入了可以商業化的階段。
事實上,在去年的演講中,「昇騰910」的發布日期就已經定到了2019年第二季度,此時「再次」發布也大致符合之前的計劃。
在進一步展開「藍圖」之前,我們還是有必要回過頭再看一下「昇騰910」這顆晶元。作為目前華為AI晶元中最強大的存在,「昇騰910」在理論數據上比AI領頭羊英偉達最先進的V100 GPU還要來的強勁。
前者半精度(FP16)的浮點運算能力能夠達到256TFLOPS,相比之下後者只有125TFLOPS。
但值得一提的是,V100 GPU實際上已經是2017年中發布的產品,即便算是按量產時間2018年計算,華為的產品發布時間都已經晚了一年多。這個時間差肯定會影響性能,正如「昇騰910」採用的7nm工藝顯然比英偉達V100 GPU的12nm工藝先進。但假如將製程的差距考慮進去,華為的這一顆「大」AI晶元應該也是比肩英偉達、谷歌的存在。
藍圖其實比晶元更加重要
要說AI晶元的藍圖,首先我們需要參考的其實是英偉達。
作為近十年來這一大波人工浪潮的「助推者」,英偉達自身除了不斷更新自己的GPU架構,優化每一代架構在人工智慧場景中的性能之外,也在不斷擴展著自己的人工晶元布局。
黃教主的刀法已經將V100 GPU玩出花來了
例如上面提到的V100 GPU,英偉達就一口氣拓展出了HGX、DGX、DGX SuperPOD在內的一系列雲端人工智慧運算解決方案。其中最後一個DGX SuperPOD更是通過1536個V100 GPU實現了全球超級計算機中第22名的浮點計算能力。
除了最強悍的V100 GPU之外,英偉達還有專門針對分散人工智慧推力場景的Tesla P4/T4加速卡;針對自動駕駛、帶有ARM CPU、以SoC平台為核心的「Xavier」自動駕駛解決方案;以及針對機器人和嵌入式平台的小型人工計算平台「Jetson」系列。
這些產品看起來相互獨立,實則相互緊密結合,串聯起它們的,正是英偉達不斷更新的GPU架構。通過應用在不同晶元中的統一架構,英偉達實現了非常多的騷操作。
其中一個例子就「雲端虛擬自動駕駛訓練」,雖然英偉達在自動駕駛端運用的是「Xavier」平台,但是車企可以利用原始數據或者是模擬數據,在雲端的「DGX」中進行完全的虛擬人工智慧訓練,訓練成果最後還能直接導到「Xavier」平台之上。
拋開場景和應用,背後的邏輯其實也非常簡單:
人工智慧包括訓練和推理兩個階段,只有先訓練出人工智慧架構才能去做推理;
不同場景、應用的人工智慧需求是完全不同的,對於人工智慧晶元的需求也是不同的;
假如用同一種晶元架構來做訓練和推理,訓練出來的神經網路就不用進行太多的修改。
在這些基礎邏輯的引導下,其實行業領先的AI晶元廠商都在越做越「廣」。除了上面提到的英偉達,去年年末,Google也發布了其在終端上的晶元「Edge TPU」,目的同樣是要讓更多的場景和應用成為可能。
這個時候我們反過來看華為的規劃,其實也是一樣的。
華為整個人工智慧解決方案中,Ascend「昇騰」系列晶元是最重要的基礎,而且從一開始就被華為分為了5個檔位:Max、Mini、Lite、Tiny、Nano,5個系列也已經有了各自的產品。
而在最關鍵的雲端訓練、多場景推理這兩點上,華為其實也已經給出了自己的想法,未來很可能是以「369」三個系列來不斷推進。其中正在開發(橙色)的昇騰610,是華為今天剛公布的新計劃。未來它將被應用在如自動駕駛之類的特定場景當中。
嚴格來對比的話,華為這一整套人工智慧晶元的布局,在端側和應用側要比英偉達更加落地,但是在雲端方面還有一定差距。但整體的思路上,絕對是相通的。
軟體生態,將決定華為AI能力的存活
大藍圖只有硬體那是絕對不行的,軟體也很重要。因為無論什麼AI晶元,最終說到底吸引越來越多人加入、應用一個公司的AI晶元的主要原因,還是生態。你也可以理解為只有越多人用,才會吸引更多的人。
擴充生態這件事只靠硬體能力顯然不行,這也是華為在人工智慧規劃中面對的最大挑戰,英偉達這樣的「先行者」可以花數年時間不斷地去營造生態,而華為一上來因為硬體已經足夠先進,實際上對軟體提出了非常高的要求,否則軟體就要拖後腿了。
這也為什麼華為不斷地去強調自己的人工智慧架構MindSpore。
市面現在之所以會出現這麼多人工智慧架構,背後實質上就是各大公司希望通過優化架構、提升編程自動化水平、結合更多最新人工智慧技術在內的做法,拉攏更多人工智慧開發者。華為的ModelArts全流程模型生產服務的出發點也是同樣的。
但這還遠遠不夠,在華為的這個「全場景全棧」AI解決的「大藍圖」中,還有CANN、HiAi Engine這樣的存在。這些產品未來如何持續保持進化、與華為的AI晶元如何協同,將會決定華為AI生態的最終走向。
面對著AI,這個人類下一步數字化的大挑戰。相比競爭對手,華為這一套「大藍圖」的打法看起來很合理,並且具有可操作性。
只是前路仍艱,必須繼續加油了。
※小米上半年營收大漲,可惜不是手機
※體驗華碩「次時代」筆記本:兩塊屏幕會成標配嗎?
TAG:虎嗅APP |