除了發布新產品，華為公司輪值董事長徐直軍還介紹了華為AI戰略布局，主要是圍繞以下幾個方面：

 

1、投資AI基礎研究，在計算視覺、自然語言處理、決策推理等領域構筑數據高效（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、打造面向云、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平臺；

 

3、投資開放生態和人才培養，面向全球，持續與學術界、產業界和行業伙伴廣泛合作；

 

4、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、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。

 

以下為徐直軍講話全文：

 

感謝大家參加今天的發布會，在去年華為HC大會上，我首次正式發布了華為AI戰略和華為全棧全場景AI解決方案。

 

同時，我也分享了十個有關人工智能技術、人才、產業的重要變革方向。期望產業界圍繞十個變革方向，來解決人工智能“輝煌”與“冷靜”之間的巨大落差，開創未來。華為也圍繞幾個變革方向一直在努力實踐。

 

首先，請允許我回顧一下華為的AI戰略：

 

1、投資AI基礎研究，在計算視覺、自然語言處理、決策推理等領域構筑數據高效（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、打造面向云、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平臺；

 

3、投資開放生態和人才培養，面向全球，持續與學術界、產業界和行業伙伴廣泛合作；

 

4、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、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。

 

同時也利用此次機會，再次介紹一下華為全棧、全場景解決方案。我們提出的全場景，是指 包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。我們說的全棧是技術功能視角，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。華為的全棧方案具體包括：

 

Ascend： 基于統一、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；

 

CANN： 芯片算子庫和高度自動化算子開發工具；

 

MindSpore：支持端、邊、云獨立的和協同的統一訓練和推理框架；

 

應用使能：提供全流程服務（ModelArts）,分層API和預集成方案。

 

首先是基于Ascend310 的產品和云服務的商用情況。

 

1、基于昇騰310的Atlas、MDC產品：MDC和國內外主流車廠在園區巴士、新能源車、自動駕駛等場景深入合作；Atlas系列板卡、服務器和AI相關的數十家伙伴，在智慧交通、智慧電力等數十個行業落地AI行業解決方案；

 

2、基于昇騰310的華為云服務：華為云圖像分析服務、OCR服務、視頻分析服務 超過50+ API都已經基于Ascend 310服務，日均調用量超過1億次，而且在快速增長，預計年底日均調用量 >3億。

 

其次是ModelArts的商用進展。ModelArts全流程模型生產：打通、覆蓋了從數據獲取-模型開發-模型訓練-模型部署的全鏈條，日均作業量以及在線開發者：日均訓練作業任務超過4000個，32000小時，其中：視覺類作業占85%，語音類作業占 10%, 機器學習5%，ModelArts已經擁有開發者超過3萬。

 

我宣布：算力最強的AI處理器 Ascend 910 正式推出。去年10月，我們發布了Ascend 910的技術規格，今天我向大家介紹最新的實際測試結果。

 

在算力方面，測試結果表明，昇騰910完全達到了設計規格，即：半精度 (FP16): 256 Tera-FLOPS；整數精度 (INT8) : 512 Tera-OPS。其次重要的是，達到規格算力所需功耗僅310W，明顯低于設計的350W。

 

應當說，昇騰910總體技術表現超出預期。我們已經把昇騰910用于實際AI訓練任務。其中，在典型的ResNet-50 網絡的訓練中，昇騰910與MindSpore配合，與現有主流訓練單卡配合TensorFlow相比，顯示出接近2倍的性能提升。每秒訓練的圖片數量從965張提升到1802張。

 

面向未來，針對不同的場景，我們將持續投資，推出更多的AI處理器，面向邊緣計算場景，在已經商用Ascend 310基礎上，計劃2021年將推出Ascend 320。

 

現有MDC是基于Ascend 310的，有效支持了自動駕駛的開發，未來面向規模商用，我們將陸續推出Ascend 610/620。針對AI訓練，今天正式推出Ascend 910,未來還將計劃推出Ascend 920。

 

今天還要發布全場景AI計算框架MindSpore。能否大大降低AI應用開發的門檻，能否實現AI將無處不在，能否在任何場景下確保用戶隱私得到尊重和保護，這些都與AI計算框架息息相關。

 

為此，在去年HC會上我們提出：AI框架應該是開發態友好（例如顯著減少訓練時間和成本）和運行態高效（例如最少資源和最高能效比），更重要的是，要能適應每個場景包括端，邊緣和云。

 

經過近一年的努力，全場景AI計算框架MindSpore在這三個方面都取得了顯著的進展：在原生適應每個場景包括端，邊緣和云，并能夠按需協同的基礎上，通過實現AI算法即代碼，使開發態變得更加友好，顯著減少模型開發時間，降低了模型開發門檻。通過MindSpore自身的技術創新及MindSpore與Ascend處理器協同優化，實現了運行態的高效，大大提高了計算性能；MindSpore也支持GPU、CPU等其它處理器。

 

很多人問我，現在已有了TensorFlow、PyTorch框架，華為為什么還要開發并推出MindSpore框架。我告訴他們，由于沒有任何一個現有框架支持全場景，而華為的業務覆蓋端-邊緣-云，且在隱私保護日漸重要的背景下，需要一個能支持全場景的框架，實現AI無所不在越來越基礎的需求，這也是MindSpore的重要特色。針對不同的運行環境，MindSpore框架架構上支持可大可小 ，適應全場景獨立部署。同時，MindSpore框架通過協同經過處理后的、不帶有隱私信息的梯度、模型信息，而不是數據本身，以此實現在保證用戶隱私數據保護的前提下跨場景協同。除了隱私保護，MindSpore還將模型保護Built-in到AI框架中，實現模型的安全可信。

 

為了降低AI開發者的開發門檻，MindSpore創造性地實現了AI算法即代碼，使開發態變得更加友好，顯著減少模型開發時間。以一個NLP（自然語言處理）典型網絡為例，相比其他框架，用MindSpore可降低核心代碼量20%，開發門檻大大降低，效率整體提升50%以上。

 

我們通過MindSpore框架的技術創新及把MindSpore框架與昇騰處理器的協同優化，有效克服AI計算的復雜性和算力的多樣性挑戰，實現了運行態的高效，大大提高了計算性能。除了昇騰處理器，MindSpore同時也支持GPU、CPU等其它處理器。

 

為了更好促進AI的應用，MindSpore將在2020年Q1開源，助力每一位開發者。

 

隨著昇騰910 AI處理器以及 MindSpore 全場景AI計算框架的推出，華為全棧全場景AI解決方案各重要組成部分悉數登場，因此可以說，華為已完成了全棧全場景AI解決方案的構建。

 

這對華為的AI業務，已是一個新的里程碑，更是一個新的開始，期待與伙伴更加深入、廣泛的合作，讓AI無所不及，造福于每個人、每個家庭、每個組織。更震撼的AI新品，敬請關注HC2019。