智東西10月10日上海報道，在2018華為全聯接大會首日，華為副董事長、輪值董事長徐直軍正式推出了「華為AI發展戰略」，包括一套AI全棧解決方案、生態與人才、解決方案、內部效率提升、以及投資基礎研究。

這是華為目前為止最高規格的人工智慧重大戰略發布，它不僅包括此前盛傳的AI晶元，還包括了從系統到軟體、從框架到運算元的全棧式AI解決方案，並涉及人才、生態、研究等諸多方面。

可以說，從這一場發布會之後，華為開啟了一場從晶元到框架、從雲到端的全面正向對標國際AI巨頭（谷歌、英偉達、英特爾、亞馬遜等）的新征程。

華為的AI發展戰略包括五個方面：

1）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

2）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

3）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

4）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

5）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

此外，徐直軍今天還重磅推出了兩款AI晶元，分別是面向雲端超高算力場景的昇騰910、以及主打終端低功耗AI場景的昇騰310，兩款晶元都採用華為自研的達芬奇架構。

昇騰910採用7nm工藝，其半精度算力達到了256 TFLOPS，據稱是目前市面最強的AI晶元，明年第二季度量產，現在能夠為友好用戶提供測試卡。

昇騰310採用12nm工藝，其半精度算力達到了8 TFLOPS，最大功耗為8W，目前已經量產。

徐直軍（右二）

這兩款AI晶元都是面向產業的AI應用新品，跟華為的麒麟系列晶元沒有直接關係。在採訪中，被問到為什麼華為採用了新產品線「昇騰」，而沒有延續「麒麟」晶元的產品線時，徐直軍表示：

「麒麟是我們智能手機SoC的品牌，它不能成為我們代表雲、IoT、邊緣計算等全棧AI場景晶元的品牌。這個是很簡單的問題。」

當被問到為什麼不採用麒麟晶元中使用的寒武紀人工智慧IP時，徐直軍表示：

「寒武紀的（IP）也很好，但是它無法支持我們的全場景，我們需要從雲、到端、到物聯網終端的人工智慧設備，因此我們要創造性地打造一款新的架構。我們很幸運地找到了這個達芬奇架構，能夠解決極致的功耗與極致的算力需求。」

「現在我們沒看到市場上有其他架構能夠支持這些需求。」

因此，昇騰晶元跟麒麟手機晶元並不是一類產品，它更適用到行業場景，未來麒麟SoC中的NPU模塊是否會用華為自研，目前還不完全確定。

在智東西公眾號（zhidxcom）回復「華為」，獲取徐直軍2018華為全聯接大會PPT下載。

2款AI晶元面世！昇騰910成市面最強AI晶元

徐直軍說：「外界一直傳說華為在研發AI晶元，我今天宣布：這是事實。」

徐直軍今天宣布推出了兩款新AI晶元——昇騰910、昇騰310。

兩款晶元都採用達芬奇架構，其中昇騰910主打雲場景的超高算力，其半精度算力達到了256 TFLOPS，據徐直軍表示，它比目前最強的NVIDIA V100的125T還要高上一倍。昇騰910的最大功耗為350W、採用7nm工藝，明年第二季度量產。

昇騰310則主打終端低功耗AI場景，擁有8 TFLOPS半精度計算力，最大功耗為8W，採用12nm工藝，目前已經量產。在說到昇騰310時，徐直軍還直接從兜里掏出了這塊小小的AI晶元。

昇騰晶元支持所有主流的框架，包括TensorFlow、Caffe、Caffe2、CNTK等等。

此外，徐直軍還推出了5款基於昇騰310晶元的AI產品，包括AI加速模塊Atlas 200、AI加速卡Atlas 300、AI智能小站Atlas 500、AI一體機Atlas 800、以及移動數據中心MDC 600。

推出AI全棧解決方案，讓所有開發者都用上AI

上文提到的這兩款AI晶元，其實是華為AI全棧全場景AI解決方案的一部分。

所謂全場景，即包括公有雲、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。

華為AI全棧解決方案包括：

一、最底層「昇騰」系列AI晶元及AI IP，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，是目前面向計算場景最強算力的AI SoC。

二、晶元運算元庫和高度自動化運算元開發工具CANN

三、再上一層的跨平台AI訓練/推理框架MindSpore，支持端、邊、雲獨立的和協同的統一訓練和推理框架

四、最上層的面向開發者的機器學習PaaS服務ModelArts，提供全流程服務，分層API和預集成方案

這是一整套從底層晶元到上層應用的完整解決方案，能夠讓所有企業、所有行業、所有開發者都能更簡單地夠用上AI。

對於越來越多的AI開發者而言，這可能是一個比雲端AI晶元更重要的發布。

比如「華為AI全棧解決方案」中的AI跨平台AI訓練/推理框架MindSpore的推出，正是瞄準了AI訓練與部署的難點。

目前大部分AI演算法都需要在雲端訓練，進而在終端推理部署。

然而，由於雲端與終端所採用的AI框架與底層環境不同，一般AI應用在訓練跟部署之間一定會經過一次以上的遷移——對企業而言這是一個無用的「內耗」，既耗費人力物力，又浪費時間。

這對於開發者本人而言也是個麻煩的事情，因為轉換底層環境涉及到很多演算法跟運算元的調校，很容易出現明明AI在雲上跑得好好的，一換計算環境AI應用效率就跌。

因此，如果能夠用同一套框架，打通華為公有雲、私有雲、邊緣計算、手機等不同AI應用場景，那麼AI應用就只需要一次調校，就能更簡單地部署。

此外，這套方案同時還將於華為的HiAI開發者框架與華為雲EI相輔相成。

AI未來將有的十大變革

徐直軍說，人類的發展依賴通用技術（General Purpose）的不斷出現，比如輪子、蒸汽機、鐵路、電力、互聯網等。

而人工智慧，就是一種新的通用技術。

它不僅能夠更高效解決已有問題，還可以解決我們未來即將面臨的問題。掌握人工智慧，才是掌握未來領先優勢與競爭力的關鍵。

AI帶來的產業變革將涉及到所有行業、所有組織架構。

而且，改變的不僅是AI行業，即將迎來改變的還有AI本身。

華為認為，AI本身即將迎來十大變革：

1、模型的訓練時間大幅減小，從數日、數月降低到幾分鐘、幾秒鐘；

2、算力從稀缺昂貴變成充裕、經濟；

3、從AI主要在雲、少量在邊緣變成AI無處不在，任何場景；

4、目前主要演算法誕生於1980年，下一步更多AI演算法將變得更高效、能耗更低，同時更安全、可解釋；

5、提高AI自動化水平，讓能夠AI自動數據標註、數據獲取、特徵提取等；

6、在模型的性能與可用度在工業生產中保持優秀，而不僅僅是「測試優秀」；

7、模型能夠從非實時更新變為實時閉環系統的更新；

8、從與其他技術協同不充分變為多技術協同，包括雲、IoT、邊緣計算、區塊鏈等；

9、從一項需要高級技能專家的工作，變成由一站式平台支持的基本技能；

10、從數據科學家稀缺變為數據科學家、領域專家、數據科學工程師相互協作。

華為的人工智慧戰略：五大面向

最後，徐直軍總結來說，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，包括：

1、面向華為內部，持續探索支持內部管理優化和效率提升；

2、面向電信運營商，通過SoftCOM AI 促進運維效率提升；

3、面向消費者，通過HiAI，讓終端從智能走向智慧；

4、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；

5、同時我們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。

結語：華為的AI野心——生態！

當我們看向今天華為的AI戰略發布，我們會發現華為的野心不僅是一個AI應用、一塊AI晶元、又或者是一個AI行業，華為真正想要的是打造一個橫跨各領域的底層技術平台，一個強大的AI生態，在無數個蓬勃發展的AI行業中都分得一杯羹。

只不過，這個計劃的最終落地效果如何、能否獲得大多數國內企業的歡迎，還是個未知數。

尤其是谷歌、英偉達等AI先發公司已經擁有較為完整的生態、打造了較為優秀的用戶體驗，用戶的換新成本已經很高。在這些大樹的樹蔭底下，能否再長出一棵參天大樹？

只不過對於國內使用AI的企業和開發者而言，市場上多了一個本土的強勁玩家，多了一種選擇方案，無疑是一件好事。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！