華為：全棧全場景AI解決方案

華為公司在《泛在算力：智能社會的基石》的報告中提出了這樣的預測：截止到2025年，人工智能的產業規模將達到2081億美元，所消耗的算力將占總算力消耗的80%以上。那么，華為是如何在智能計算的擴疆之戰中布局AI生態的呢？

總體來說，在發展智能計算產業時，華為所使用的基礎策略是“硬件開放，軟件開源，使能合作伙伴”。下面我們將對華為在“AI新基建”領域的布局建設做一個詳細分析。

◆面向企業：打造低門檻AI開發工具

目前，阻礙AI快速落地的主要因素有兩個：一是缺乏專業人才；二是相關基礎設施效率低下。

從行業企業上來看，如果企業只是通過購買和定制AI模型來發展業務，那么后續的自我迭代工作便難以實現；同時定制代碼的周期比較長，工作量巨大，很難快速實現AI業務的上線。對創業企業來說，AI行業的門檻較高，業務相對復雜，如果沒有足夠的行業經驗支持，便很難進行AI應用開發。從行業開發者來看，AI應用開發的工作任務重、業務繁忙，沒有時間再去深度研究算法；而通用的應用程序編程接口無法支持行業特定的業務流程，存在較大的局限性。另外，AI項目過多，則會導致大量重復工作，而相似的項目卻又難以簡單進行重復利用。

這些行業痛點如果無法解決，則很難實現AI項目和業務的快速落地。為此，華為自主研發了AI應用開發專業套件ModelArtsPro。這是業內首款企業級AI應用開發專業套件，是面向企業的專業AI開發工具，能夠向企業提供優質、高效的AI開發服務。

ModelArtsPro能夠面向多種行業場景發揮作用，包括物流、零售、金融、醫療、交通等。它能基于華為云為企業提供文字識別、視覺識別、自然語言處理、知識圖譜等多種AI應用開發套件，并幫助企業根據行業需求和場景需要定制相關服務。華為云ModelArtsPro平臺具備五大特點：

●高效的行業算法：平臺擁有高效、優質的行業算法，能夠借助較少的標注數據為開發者提供高精度AI應用。其算法優勢主要得益于兩點：一是華為領先的AI技術；二是華為豐富的行業專家經驗。

●領先的AI開發平臺：ModelArts是領先的AI開發管理平臺，能夠為底層開發商提供先進的算法技術和一站式服務，保證低成本、高效率、高精度的AI應用開發。

●簡單的流程式開發：用戶可借助平臺預設的工作程序輕松進行流程式開發和迭代。

●靈活的工作流編排：在特定的行業和場景中，開發者可根據自身需求靈活編排工作流，并進行AI應用開發。

●豐富的開放生態：華為云擁有開放的生態環境，有助于用戶在AI市場中對所需行業工作流進行分享、獲取和購買，同時有助于AI行業的高質、高效落地。

◆面向開發者：搭建全場景AI計算框架

AI的研究和生產之間存在著巨大的差距。目前，學術界AI模型研究和工業界AI模型應用全面開花，而AI模型的研究和應用一方面需要易上手、易控制的AI開發工具，另一方面也需要大數據、完備功能和多種應用場景的支持。

華為打造的MindSpore是一種適用于全場景的AI計算框架，可以滿足產學界開發者的AI需求；同時它還是一種訓練推理框架，可以支持昇騰處理器、圖形處理器、中央處理器等。MindSpore使用起來簡單、方便，可以大大縮短模型開發周期，顯著降低模型開發門檻，實現按需協同。MindSpore主要具有三大特性：

●開發態友好：MindSpore的AI算法具有領先的技術和工具，包括自動微分技術、自動并行技術、自動調優技術和可視化工具等，能夠在運行過程中減少20%的核心代碼量，提升50%的整體效率，使整個開發態變得更加友好。

●運行態高效：將MindSpore應用于昇騰芯片之中，能夠實現圖編譯加速、算子編譯加速、神經網絡的并行執行，從而提升昇騰芯片處理動態圖的性能。實際上，在MindSpore的幫助下，昇騰芯片的整體性能可提升1.6倍。

●部署態靈活：MindSpore能實現全場景按需協同，可利用自適應部署技術靈活完成從終端設備到云端的相關部署。同時，在這一過程中，開發者對AI應用的調校只需進行一次。MindSpore框架除了支持華為的鴻蒙操作系統外，還支持安卓、iOS等操作系統；MindSpore框架在移動端可以提供10多種功能，大大完善了HMS智慧服務體系；MindSpore的架構設計非常靈活，既可以設計大模型，也可以設計小模型，并能使模型設計向著低功耗、高效率、輕量級方向發展。

◆生態基座：統一計算架構與全場景布局

目前，華為正在加快AI生態建設，積極為高校、初創企業、開發人員和合作伙伴提供優質、高效的AI服務。華為高級副總裁張順茂曾這樣描述華為，“大廈不能建在沙丘上，也不能建在別人的基座上”。那么華為AI生態的基座是什么呢？答案是昇騰AI芯片。

2014年，華為開始論證AI處理器統一架構，并在短短兩年時間內完成了名為“達芬奇”的架構設計。“達芬奇”架構以Cube計算引擎為核心，具有可擴展計算和存儲的能力。傳統的芯片內只有單Cube，而該架構實現了芯片內的多Cube，可以使數千個芯片相互聯通，極大地解決了算力差異問題。統一的“達芬奇”架構能夠提供一種“通用語言”，從而使終端設備與云端的“溝通”變得更容易，這種設計不僅減少了程序之間的工作量和改寫代碼的工作量，同時也大幅提升了開發效率。另外，它還能讓開發者享受同等的開發體驗。

華為以“達芬奇”架構為基礎開發出昇騰AI芯片，該芯片可以在不同場景中提供AI服務。之后，華為又在昇騰AI芯片的基礎上打造出名為Atlas的人工智能計算平臺，并基于這一平臺，相繼推出Atlas系列模塊、板卡、小站、服務器、集群等多款產品。目前，Atlas系列產品已經在數十個行業落地，涉及智慧交通、智慧電力、智慧金融、智慧城市、智能制造等多個領域。

●在云側，Atlas可以用于智能交通領域，幫助交通部門對過往車輛進行實時監控，并對4300萬張車輛圖片進行實時分析。如果采用通用處理器來處理這些圖片，需要3000臺服務器；如果采用圖形處理器來處理這些圖片，需要100臺處理器；而如果采用嵌入式神經網絡處理器來處理這些圖片，只需要60臺處理器。Atlas正是采用基于AI深度學習的嵌入式神經網絡處理器來處理這些圖片，因此不僅能大大減少處理器的部署數量，還能極大地降低整個交通系統的功耗。

●在邊緣側，華為基于Atlas為松山湖基地提供了高質量的工業質檢解決方案。在Atlas的應用下，該工業質檢解決方案的質檢準確率高達99%，有些工藝的精度甚至能達到99.9%。目前，華為已經在昇騰社區公開了這一AI質檢算法模型，廣大開發者只需要在社區中下載即可免費進行使用。

●在終端側，華為的Atlas200AI加速模塊被南開大學計算機學院用于視網膜病變的篩查和檢測。Atlas200AI加速模塊可以為終端的AI應用提供強大的算力。南開大學的李濤教授表示：“與幾款服務器級的CPU和GPU相比，Atlas200擁有更高的能效比、更好的便攜性和更低的價格。”在昇騰社區，華為為開發者創建了三大中心：資源中心、賦能中心和知識中心。其中，資源中心可為開發者提供技術文檔和開發工具；賦能中心為開發者提供人工智能的理論課程、實踐課程和應用案例；知識中心為開發者提供在線問答、流程支持、遠程支持、經驗分享等服務。

華為戰略與發展委員會主任徐直軍曾這樣描述華為的AI戰略，“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AI是一組技術集合，是一種新的通用目的技術”。

在信息時代，科技巨頭們相互較量，誰建立了領先的AI生態，誰就能成為競爭中的“王者”。目前，各大科技公司競爭的核心戰場已經轉移到AI生態的建設上。以開發者為核心，以市場需求為驅動，積極構建AI生態已經成為科技企業的共識。AI生態的布局建設涉及AI芯片、AI算法研究、開源AI框架、AI應用開發平臺、云邊端AI服務、AI開發者社區等多個領域。而在這些領域的“AI新基建”中，華為已經成為名副其實的領導者。