華為發(fā)布兩款AI人工智能芯片,單芯片計算密度達全球最大

徐直軍表示，今天AI再次進入了“收獲”的季節(jié)。這是60年來全球ICT學術界和工業(yè)界長期耕耘，相互合作的成果。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：人工智能是一組技術集合，是一種新的通用目的技術（GPT）。

在上午的主題演講環(huán)節(jié)，徐直軍提出了10個人工智能的重要改變方向：模型訓練、算力、AI部署、算法、AI自動化、實際應用、模型更新、多技術協(xié)同、平臺支持、人才獲得。這十個改變不是人工智能的全部，但是基礎。

基于這十個改變，華為制定了人工智能發(fā)展戰(zhàn)略：投資基礎研究、打造全棧方案、投資開放生態(tài)和人才培養(yǎng)、解決方案增強、內部效率提升。

徐直軍稱，華為在AI上的全新戰(zhàn)略，包括人工智能芯片、基于芯片賦予技術框架的CANN和訓練框架MindSpore、以及ModelArts，華為將其稱之為“全棧全場景AI解決方案”。

“我們提出的全場景，是指包括公有云、私有云、各種邊緣計算、物聯網行業(yè)終端以及消費類終端等部署環(huán)境。全棧指的是技術功能視角，是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案�！毙熘避娺M一步表示，基于統(tǒng)一、可擴展架構的系列化AI IP 和 芯片，包括Max，Mini，Lite，Tiny和Nano等五個系列�！鞍�括我們今天發(fā)布的華為昇騰910（Ascend 910），是目前全球已發(fā)布的單芯片計算密度最大的AI芯片，還有Ascend 310，是目前面向計算場景最強算力的AI SoC。”

具體來看，華為所說的“全棧”包含四個部分：

一是Ascend (昇騰) ，AI IP和芯片，皆是基于達芬奇架構。芯片分為5個系列，Max、Lite、Mini、Tiny、Nano。

二是CANN，全稱為Compute Architecture for Neural Networks (為神經網絡定制的計算架構) ，是高度自動化的算子開發(fā)工具。根據官方數據，CANN可以3倍提升開發(fā)效率。除了效率之外，也兼顧算子性能，以適應學術和行業(yè)應用的迅猛發(fā)展。

三是MindSpore架構，友好地將訓練和推理統(tǒng)一起來，集成了各類主流框架 (獨立的和協(xié)同的) ：包括TensorFlow、PyTorch、PaddlePaddle、Keras、ONNX、Caffe、Caffe 2、MXNet等等。這一架構全面適應了端、邊、云場景。

四是ModelArts，這是一個機器學習PaaS (平臺即服務) ，提供全流程服務、分層分級API，以及預集成方案。用于滿足不同開發(fā)者的不同需求，促進AI的應用。

此外，徐直軍在現場透露，華為昇騰910將在2019年2季度上市。

根據現場的介紹，這款屬于Max系列的昇騰910，采用7nm工藝制程，最大功耗為350W。在現場的PPT中，華為將其和谷歌TPU v2、谷歌TPU v3、英偉達 V100進行了對比�！翱梢赃_到256個T，比英偉達 V100還要高出1倍！”徐直軍說。

事實上，在人工智能領域，華為此前已動作頻頻。

在兩年前，華為另一名輪值董事長郭平就表示，公司每年至少拿出10億美元的研發(fā)預算，用于與數據中心相關的投入。

2017年9月，華為發(fā)布了面向企業(yè)、政府的人工智能服務平臺華為云EI。今年4月，華為又發(fā)布了面向智能終端的人工智能引擎HiAI。

但在投入的過程中，發(fā)現了一個普遍存在的問題，就是云服務平臺不賣終端芯片，賣終端芯片的平臺不提供云計算服務。因此，這種割裂的環(huán)節(jié)讓開發(fā)者浪費了大量的時間和精力以及財力在訓練和部署之間。

此前，谷歌云推出了用于邊緣計算的Edge TPU，作為Cloud TPU的補充，用戶可以在云上構建和訓練ML模型，然后通過Edge TPU硬件加速器在Cloud IoT Edge設備上運行這些模型，這在某種程度上降低了開發(fā)者的成本。

但如果能出現一套框架，讓手機、公有云、私有云、邊緣計算等不同平臺的AI應用應用一次調校就能部署，將會比Edge TPU更有效率。

“今天，我們發(fā)布的全棧全場景解決方案是對華為云EI和HiAI的強有力支撐�；�于這個解決方案,華為云EI能為企業(yè)、政府提供全棧人工智能解決方案；HiAI能為智能終端提供全棧解決方案，且HiAI service是基于華為云EI部署的�！毙熘避娬f。

一位華為人士在社交平臺發(fā)表感嘆時表示，“（華為）又多了一些強大的全球頂級競爭對手。”