金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
提到昇腾 ， 还停留在「超强芯片」的刻板印象？
不不不 ， 是时候重新认识一下它的「暴力美学」了——昇腾AI全栈 。
但为什么是AI全栈？
其实 ， 这也影射出了华为的一个「AI观」:
仅芯片的升级、演进 ， 不能够满足当前算力的需求 。

本文图片

在9月25日的华为全联接大会《开放创新 ， 共赢多样性计算新时代》主题演讲中 ， 华为计算产品线总裁邓泰华道出了缘由：
全生态开放创新 ， 使能算力爆炸式增长 ， 为数字经济提供发展新动能 。
而这 ， 也正是华为AI的下半场 。
华为的AI全栈 ， 现在是一个怎样的状态？
早在2018年的华为全联接大会中 ， 轮值董事长徐直军 ， 便首次公布了华为AI全栈全场景的解决方案 。
这一枪可谓是打响了华为AI全栈的号角 。
那么 ， 时隔两年 ， 华为AI全栈发展得怎么样了?
在今年的HC大会上 ， 邓泰华展示了这样一张「昇腾AI全栈」全景图 。
不难看出 ， 「昇腾AI全栈」主要包括四大层面 ， 分别是系列硬件、AI算子开发、AI模型开发和AI应用开发 。

本文图片

在系列硬件方面 ， 华为AI在2年时间里已经产出、积累了非常丰富的硬件 。
用于推理的包括Atlas 200、Atlas 500等 ， 可以在嵌入式设备、边缘设备使用；用于训练的包括像Atlas 800、Atlas 900等 ， 在算力方面拥有强悍的硬实力 。
今天 ， 邓泰华还推出了最新的硬件产品 ， Atlas 300I 。
在AI算子开发方面 ， 主要是聚焦在「异构计算架构CANN」身上 。
从2018年推出1.0版本 ， 到现在的CANN 3.0 ， 也是仅仅用了2年时间进行迭代 。
并且 ， 目前不仅使用于推理、训练场景 ， 还能够实现「端边云协同」 。 这就意味着不必在不同的终端 ， 再去开发不同的算子 ， 大大提高了效率 。
例如 ， CANN从2.0到3.0版本的升级 ， 以及ModelArts联合调优 ， 就能让ResNet-50模型的训练时间降低到28s 。
接下来 ， 是AI模型开发方面 。 MindSpore是华为在2019年8月推出的全场景AI计算框架 ， 并于今年3月份正式开源 。
仅6个时间 ， 便正式推出MindSpore 1.0：一行代码实现亿级参数模型、适配不同硬件开发 。
例如 ， 用基于Ghost模块建立的神经体系结构GhostNet ， 结合MindSpore 1.0来做图像分类、目标检测任务 ， 均已达到业界最优 。
不仅如此 ， 华为还计划在明年推出MindSpore 2.0版本 ， 实现全流程极简 。
最后 ， 是AI应用开发方面 ， MindX 1.0“极简易用”的特性 ， 能满足那些没有深度开发能力、但想要打造行业AI应用的客户 。
也就是说 ， 只需要极少量、甚至是一行代码 ， 就能够生成AI的应用 。
以及ModelArts也已步入了3.0时代 ， 从训练数据到模型落地一站式打通 。
除此之外 ， 还有跨越上述三个「软件层」的全流程开发工具链 MindStudio2.0 ， 涵盖了算子开发、模型训练、模型推理、应用开发和应用部署 ， 有利于用户推出自己的开发平台 。
……
至于为什么要做全栈 ， 邓泰华做出了解释 。
「我们正处于AI爆炸式增长的前夜」 ， 他认为 ， 「AI已然在特定领域超越人类 ， 成为推动社会发展关键引擎」 。
这也就意味着 ， AI从技术本身 ， 就已经具备了场景化、规模部署的条件 。
但现实却是 ， AI在行业的渗透率是非常低的 ， 大约只有4% 。

稿源：(量子位)

【】网址：http://www.shadafang.com/c/hn092E43J02020.html

标题：华为|华为昇腾的另一面