當前位置:
首頁 > 新聞 > Google、NVIDIA壟斷AI核心技術?世界在等華為!

Google、NVIDIA壟斷AI核心技術?世界在等華為!

人工智慧晶元戰局暗潮洶湧,當 Google 與 NVIDIA 戰火交纏於雲端 AI ,更往下蔓延至邊緣 AI 戰場時,華為宣布「達芬奇」架構,提出 MindSpore 計算框架,一舉橫跨公有雲、私有雲、端、邊緣等,這一步,讓國內人工智慧技術實力提升至另一個層次。

達芬奇,歐洲文藝復興時期最完美的代表,也是人類歷史上絕無僅有的全才,他是科學家、發明家、建築工程師,也是畫家。華為借「達芬奇」這個化身與命名,透露出 AI 戰略布局的光芒與野心。

華為 2018 全聯接大會上,副董事長兼輪值董事長徐直軍為華為的 AI 戰略作出定義:全棧全場景 AI 解決方案。

所謂「全棧」,是指在晶元設計、晶元運算元庫和高度自動化運算元開發工具 CANN 、統一訓練推理計算框架 MindSpore 、全流程服務(ModelArts)一體到位。

「全場景」則是指將 AI 應用到橫跨公有雲、私有雲、各種邊緣計算、各種終端環境的場景進行部署,尤其是應用到華為已有的業務領域包括智能手機、榮耀手機、智能家電、華為雲等,包括面向企業和政府的人工智慧服務平台華為雲 EI ,以及面向智能終端的人工智慧引擎 HiAI 已經為大量開發者、消費者及企業提供豐富的 AI 服務。

(來源:華為)

華為晶元布局:為 AI 而生

時光回到 2017 年,華為推出首顆手機端人工智慧晶元麒麟 970,首次實現在端側嵌入專用 NPU ,打響人工智慧晶元落地智能手機領域的第一槍。隔年,麒麟 980 晶元問世,同樣以一年一個製程的速度演進。

2018 年 10 月,華為「達芬奇」架構浮出水面,首次發布華為全棧全場景 AI 戰略及計劃,其中包括全球首個覆蓋全場景人工智慧的華為 Ascend (昇騰)系列晶元以及基於該系列晶元的產品和雲服務。最重磅的當屬昇騰 310 和昇騰 910 兩款 AI 晶元的發布。

圖 | 2018 華為 HC 全聯接大會上,華為推出首款全棧全場景人工智慧晶元——Ascend 310(來源:華為)

昇騰 310 晶元鎖定邊緣計算,採用 12nm 工藝技術,在 8W 的功耗上實現了 8 TOPS 半精度浮點數算力或 16 TOPS 8 位整數算力,且集成了單通道全高清視頻解碼器。

昇騰 310 晶元強調全高清視頻解碼器,因此初期應用場景應會是以這一波人工智慧最熱門的機器視覺為主。

再往上發展至雲端計算領域,尤其是雲端的訓練晶元昇騰 910,具備核心技術實力,與 Google、NVIDIA 兩大巨頭正面對弈是可以預期的。

透視華為的昇騰晶元,雖然看起來只是一顆小小的晶元,但其實是一個微型系統,其內部集成了 AI 核、鯤鵬內核,及編解碼晶元等其他功能獨立的部件,通過這些內部部件對外提供通用的 AI 算力,可以應用在不同的場景。其中,達芬奇架構扮演的角色就是自研的 AI 加速器,和傳統的 ARM 核心架構進行協調來加速 AI 計算效能,再把計算用的乘加器(MAC)按照不同的計算組織成不同的方式,並搭配標準的數據緩存。

這和以 NVIDIA 的 GPU 架構作為 AI 加速器來優化智能計算是一樣的邏輯。其 GPU 為了優化人工智慧的計算功能,加入了對於矩陣運算的優化支持的 Tensor Core,但畢竟 GPU 不是天生為 AI 計算所設計,計算效率不高,因此才會引得這麼多企業都紛紛競逐 AI 戰場自研晶元,與 NVIDIA 的 GPU 同台競爭。

華為自研的達芬奇架構就是一例,且達芬奇架構就是為 AI 而生,終極目標是人工智慧走進千家萬戶。

若是再與 Google 的 TPU 相比,達芬奇架構更為簡潔。因為 TPU 使用了脈動陣列(systolic array)架構,優勢是對於內存帶寬的需求減少,但問題在於一旦到了終端的低算力和低功耗應用中,效率問題會浮現。

根據華為規劃,基於達芬奇架構的昇騰晶元分為 Max、Mini、Lite、Tiny、Nano 五個系列,除了昇騰 910(Max)、昇騰310(Mini)之外,另外三個系列 Lite、Tiny、Nano 分別是瞄準物聯網、智能手機、智能穿戴等終端場景,以 IP 和晶元搭載的方式嵌入於不同產品中。

華為 MindSpore 計算框架的普惠 AI 願景

這其中的一個重點是同時支持雲、邊緣、端各個場景獨立又協同的統一訓練和推理框架 MindSpore,是華為人工智慧戰略中的一張王牌。

為什麼要有機器學習演算法框架?因為人工智慧從學術理論研究,一直落實到應用層面,當中涉及很多步驟和工具,為了簡化過程,需要有個計算框架作為基礎的平台和工具,也讓不同領域的專家如數學家、科學家、計算機專家等,可以更專註於自身領域的創新和技術,不然會很耗費人才。

圖 | 華為的全棧全場景 AI 解決方案(來源:華為)

在深度學習框架的世界中,如果說 Google 的 TensorFlow、Amazon 的 MXnet、Facebook 的 PyTorch,以及 Microsoft 的 CNTK 被列為當今四大門派,華為 MindSpore 是最強的挑戰者。

AI 計算框架對於降低 AI 的開發和使用門檻、釋放 AI 生產力、最大程度發揮 AI 晶元算力潛力等都是至關重要的。華為既是 AI 晶元及硬體解決方案提供商,同時由於本身的業務領域廣泛並已經在終端、邊緣計算、雲服務、網路設備、5G 等都已經部署 AI 能力,華為也是 AI 的深度使用者。

華為 MindSpore 作為基於其過去多年對AI技術的使用和探索經驗研製的 AI 計算框架,勢必為 AI 產業界帶來驚喜,進一步升級 AI 計算框架,在雲邊端所有場景全面發揮 AI 晶元算力潛能、降低 AI 門檻,MindSpore 無疑將是華為實現普惠 AI 抱負的重要一環。

打造易用平台,累積 AI 人才

同時,在進入人工智慧時代後,開發者已經成為與行業合作夥伴同等重要的角色,華為是否能通過 MindSpore 計算框架來打造有利的生態發展條件,進而吸引足夠的開發者來使用華為的技術方案,是其實施全棧全場景 AI 戰略的下一階段關鍵。

阿里巴巴創始人馬雲曾說,中國在人工智慧方面的人才極端缺乏,幾乎沒什麼人才。另一維度,根據騰訊研究院發布的《中美兩國人工智慧產業發展全面解讀》分析,美國人工智慧產業總量約是中國的兩倍。

要解開人才短缺的問題,提出簡單易學的人工智慧平台、工具和演算法框架是最基本的。再者,通過提供培訓,藉助於平台在開發者群體中的口碑效應,可以吸引更多人才投入。同時,也能建立企業在該領域的影響力,可以累積有價值的 AI 人才,這些都將推動人工智慧生態的正循環。

華為的達芬奇架構問世,對於國內人工智慧領域是一個重大里程碑,這也是系統廠商自研晶元策略的終極展示。

過往,系統廠的晶元需求幾乎都被英特爾的標準型通用晶元一統天下,隨著品牌系統廠商為了凸顯產品的差異性和簡化硬體架構,開始走向自研專用晶元,蘋果自研手機處理器晶元做了一個巨大的帶頭示範。

在進入人工智慧時代後,由於應用場景的多樣化和複雜度,自研晶元的能力代表著技術競爭力的門檻能堆砌多高。因此,這場人工智慧戰役基本上不會有大型系統廠缺席,同時,華為這種掌握硬核科技實力、擁有普惠 AI 抱負的系統大廠,基於其 AI 戰略的真正投入和實施,我們相信將對整個 AI 產業帶來極為積極的正面影響。

-End-

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 DeepTech深科技 的精彩文章:

別想用比特幣避險了!美債驚現利率倒掛,比特幣同步暴跌,「數字黃金」瞬間破功
幣安趙長鵬:無論喜歡與否,Libra 都將大規模應用

TAG:DeepTech深科技 |