解密华为最新AI生态布局，开源AI计算框架，三大顶会密集发论文81篇

看点：围绕AI的生态布局，华为交出怎样的新答卷？

HMS枪响方熄，华为又发新的生态炮弹。

3月27日至28日，首次在线上举办的华为开发者大会，成为华为“鲲鹏+昇腾”双引擎计算战略的大型秀场。 基于鲲鹏的免费商用版操作系统、基于昇腾的开源AI计算框架接连亮相，为华为计算长卷再添上浓墨重彩的一笔。 有趣的是，就在过去十天内，我国国产开源深度学习框架小分队一改百度飞桨单兵作战的旧格局，喜添清华计图、旷视天元、华为MindSpore三位新伙伴。 单拼技术，几个框架各具千秋；而华为之强，强在全栈全布局。 AI框架上承应用、下接芯片，而华为既拥有覆盖云边端的丰富AI应用场景，又自主研发昇腾系列AI芯片，软硬件协同的AI方案日臻完善。 根据华为《泛在算力：智能社会的基石》报告，预计到2025年，AI涉及的场景规模将达到2081亿美金，AI所消耗的算力将占算力消耗总量的80%以上。 那么，在智能计算的扩疆之战中，华为已经交出了怎样的成绩单？

全新升级的AI基础设施整体架构

在2018年华为全联接大会上，华为首次发布了全栈全场景AI解决方案，如今这一方案已经得到全新升级。

纵向来看，该方案打包了应用使能全堆栈方案、统一训练和推理框架MindSpore、芯片算子库CANN、昇腾系列IP和芯片，可在公有云、私有云、边缘计算、IoT行业终端和消费终端实现全场景部署。 横向来看，昇腾系列IP和芯片包含Max、Mini、Lite、Tiny、Nano五个系列，覆盖云边端及嵌入式AI应用场景。 华为处理器不直接对外销售，而是以云服务和模块、板卡、小站、服务器、集群等形式面向客户，协同硬件框架、数据库、AI计算框架，加速合作伙伴的AI开发及应用。 华为计算产业发展的策略是“硬件开放，软件开源，使能合作伙伴”。 而在刚落幕的华为开发者大会2020中，这一策略的存在感相当爆棚。 面向企业，华为推出低门槛高效率的业界首款企业级AI应用开发专业套件ModelArts Pro，升级端云协同多模态AI应用开发套件HiLens。 面向AI开发者，华为开源其全场景AI计算框架MindSpore，公布重点攻克数据、模型和知识三大挑战的华为视觉计划，并启动基于昇腾的高效算子开发工具TBE的正式公测。 这意味着，无论你是AI高阶大神还是开发小白，在华为打造的这个全能AI开发大礼包里，都能找到可以满足你需求的工具。

面向企业：进化的低门槛AI开发神器

如今缺乏专业人才、低效率的基础设施支持已成为阻碍AI快速落地的重要因素。 对于行业企业来说，行业业务复杂度高，AI应用开发需要丰富的行业经验支持；定制代码工作量大，耗时长，无法快速业务上线；购买定制AI模型后，又难以实现自我迭代。 对行业开发者来说，通用API具有局限性，不支持行业特定业务流程；业务繁忙，无暇深度研究算法；相似的项目难以简单复用，存在大量重复工作。 针对这些行业痛点，华为发布业界首款企业级AI应用开发专业套件ModelArts Pro，向企业提供高效易用的专业AI开发工具。

面向物流、零售、金融、医疗、交通等行业场景，华为云首批推出了ModelArts Pro文字识别、视觉、自然语言处理、知识图谱等开发套件，快速响应不同行业不同场景的定制需求。 例如，中国石油借助华为云ModelArts Pro知识图谱开发套件，快速构建石油测井领域的专业化模型，实现了油气水层的智能识别，评价时间缩短70%以上，识别准确率达到了测井解释专家水平。 盈智科技应用华为云ModelArts Pro文字识别开发套件，实施各类国际物流单证信息自动化、结构化输出，同等人力投入下，将信息录入效率提升50倍，节省60%的人力成本。

华为云ModelArts Pro平台具备以下特点： （1）高效的行业算法：结合领先AI技术和行业专家经验构建了优质行业预置算法，开发者仅需少量标注数据，即可获得高精度AI应用； （2）领先的AI开发平台：底层依托一站式AI开发管理平台ModelArts提供领先算法技术，保证AI应用开发的高效和准确，并节省人力。 （3）简单的流程式开发：用户可借助预置行业工作流，轻松完成AI应用项目开发及迭代。 （4）灵活的工作流编排：针对特定的行业、场景，开发者可根据自身需求对行业工作流进行灵活编排，实现AI应用开发。 （5）丰富的开放生态：基于华为云开放生态，用户可以在AI市场中分享及获取、购买所需行业AI工作流，高速高效实现AI行业落地。

在ModelArts Pro套件家族中，华为端云协同多模态AI应用开发套件HiLens也全面升级，推出多模态开发环境HiLens Studio、开发框架HiLens Framework及技能市场HiLens Skill Market。 其中，HiLens Studio方便开发者在云端进行调试，并可以做端云协同的部署，无需再安装各种依赖包和做环境适配。

英国AI公司Emotech联合华为云推出多模态AI英语口语教评解决方案，并在现场演示如何通过HiLens开发口语评测的AI技能，并部署到HiLens kit上。其首创的口型与发音结合的多模态技术，相比单模态评分稳定性提高30%。 华为云还推出普惠AI计划，涵盖文字识别、语音交互、自然语言处理、内容审核五大类热门AI产品，1元领取百万API。

面向开发者：国产开源AI框架生力军

AI从研究到生产存在巨大的鸿沟。 一方面，学术界AI模型研究层出不穷，对AI开发有简单易上手、易于调精度等诉求。 另一方面，工业界AI模型应用层出不穷，需要大数据集、完备功能、适应多种应用场景。 那么业界现有AI计算框架，能兼顾两者的诉求吗？

在华为开发者大会上，华为MindSpore首席科学家陈雷教授介绍道： “现有的框架多数开发门槛高，需要开发者深入了解计算机体系结构，异构性差，也就是对端边云异构算力不足，全场景能力不足。” 在这样的背景下，华为打造了兼顾产学界开发者需求的全场景AI计算框架MindSpore。 MindSpore是统一的训练推理框架，支持昇腾、GPU、CPU等处理器，原生适应云边端多个场景，并在按需协同的基础上，着重提升易用性，显著减少模型开发时间，降低模型开发门槛。 具体来看，MindSpore具有以下三个特性：

1、开发态友好：AI算法即代码 MindSpore通过自动微分、自动并行、自动调优等技术以及可视化工具，使开发态变得更加友好，可将核心代码量减少20%，整体效率提升50%。

2、运行态高效：面向昇腾芯片优化 MindSpore通过图/算子编译加速以及神经网络并行执行，提升动态图性能，协同昇腾AI芯片实现1.6倍性能优势。

3、部署态灵活：全场景按需协同 MindSpore通过自适应部署技术，打通从IoT设备到云灵活部署，开发者只需调校一次AI应用，无需涉及二次开发。 该框架支持鸿蒙、安卓、iOS等操作系统，在端侧的HMS智慧服务中可提供10多种功能。它的架构设计灵活，模型可大可小，能保证模型低功耗、速度快、轻量级的需求。

此外，MindSpore也提供有深度优化的模型集市Model Zoo，今年第四季度将上线超过30个模型。 MindSpore首个开源版本为0.1.0-alpha版。陈雷教授表示，MindSpore开源后，华为将极力构建蓬勃发展的AI生态。 在后续的MindSpore高阶计划中，华为将根据用户的反馈和诉求，持续调整计划的优先级，提供更多的预置模型，改变编程体验，并提供昇腾芯片的全面支持，不断优化性能和软件架构，完善可视化、调试调优、安全相关工具。 华为还将推进开发者扶植、高校科研合作和开源社区合作计划。 华为拟在4月开放线上免费体验资源的申请，全年举办不少于10场线下技术沙龙，举办MindSpore开发者大会，向高校提供专项创新课题基金激励和教学扶植计划，并聘邀顶级专家加入社区技术委员会，招募Committer参与社区核心项目，欢迎更多企业和组织参与社区建设。

生态基座：统一计算架构与全场景布局

华为已面向高校、初创企业、开发人员和合作伙伴拉开了AI生态大网，但正如华为高级副总裁张顺茂所言：“大厦不能建在沙丘上，也不能建在别人的基座上。” 华为为AI生态构筑的基座，即是昇腾AI芯片。 从一个耳机到数据中心AI应用，需要的算力相差一千万倍，功率相差20万倍。 如此大的差异，如果采用不同架构和硬件，将给开发者带来巨大的算法迁移和开发工作量。 那么能否通过一个架构，覆盖全场景AI呢？ 从2014年起，华为就启动了AI处理器统一架构的技术论证，历时两年完成了架构设计，取名达芬奇。 达芬奇架构的核心是Cube计算引擎，具有可扩展计算和可扩展内存，实现了芯片内的单Cube到多Cube，数千颗芯片的互联，解决全场景算力差异带来的难题。 就像通用的语言文字般，统一的达芬奇架构，能让云边端的“沟通”不再困难，减少了程序间的和代码改写工作量，让开发者拥有了云边端一致的开发体验，并大幅提升开发效率。 基于达芬奇架构，华为推出面向不同场景的昇腾AI芯片，又基于昇腾AI芯片，打造了Atlas人工智能计算平台，推出Atlas系列模块、板卡、小站、服务器、集群。 这些产品已经在智慧交通、智慧电力、智慧金融、智慧城市、智能制造等数十个行业落地。 在云侧，实时分析4300万张过往车辆的图片，采用通用处理器方案需要3000台服务器，采用GPU方案需要近一百台服务器，而采用面向AI深度学习优化的NPU方案仅需60台，大大减少了服务器的部署数量和功耗的需求。 如果进行软硬件协同调优，则可以进一步释放硬件的算力。如单台AI服务器的处理能力是320路高清视频，经调优后，其处理能力可以提升到384路视频。 大会现场，依瞳科技李劲博士也分享了基于华为Atlas的开发实践，并推出了业内首个支持华为昇腾910处理器的AI开源开放异构平台。

在边缘侧，华为松山湖基地部署了基于Atlas工业质检解决方案，将质检准确率提升到99%，部分工艺的精度甚至能达到99.9%。这一AI质检算法模型已被开放到昇腾社区，供广大开发者下载使用。 在端侧，南开大学计算机学院使用华为Atlas 200 AI加速模块，为视网膜筛查病变检测AI应用提供算力。南开大学李涛教授表示，相比几款服务器级的CPU和GPU，Atlas 200拥有更高的能效比最高、更好的便携性和价格。 在原有Atlas计算平台的基础上，华为启动基于昇腾的高效算子开发工具TBE的正式公测。 TBE内置丰富的算子库，同时支持两种编程方式，包括便捷易用的DSL，和可发挥硬件极致性能的TIK，并计划激励100家以上贡献算子的高校和合作伙伴，根据工作量和代码的质量进行相应的奖励，以更充分地释放昇腾AI处理器的算力潜能。 为了帮助开发者快速上手，华为打造了昇腾开发者社区，在资源中心提供技术文档和开发工具，在赋能中心提供AI理论课程、实践课程和应用案例，在知识中心提供了在线问答、流程支持、远程支持、经验分享等功能。

突破三大挑战，发布华为视觉研究计划

在AI基础研究方面，华为同样有深厚的积淀。 从创新能力来看，华为在计算机视觉顶会CVPR 2020发表了33篇文章，在CVPR 2019和ICCV 2019分别发表了29和19篇文章，论文数量进入世界第一梯队。 当下计算机视觉研究的推进，总是缠绕着数据、模型与知识三大挑战。突破这些挑战，方能加速计算视觉基础研究。 为此，基于昇腾AI计算平台，华为发布华为视觉研究计划。 “我们的目标是基于昇腾AI计算平台，加强计算机视觉基础研究，同时基于MindSpore全量实现代码，并开源供大家使用。”华为诺亚方舟实验室计算视觉首席科学家田奇说。 华为视觉研究计划有6个子计划，具体内容如下：

1、数据冰山计划 该计划为解决数据标注瓶颈的问题，让数据生成真正代替手工标注，包含3个子课题： （1）数据生成质量拔高：希望通过1-2年时间，能解决生成数据质量差和不真实的问题。 （2）数据生成点石成金：设计数据自动挑选的算法，在海量生成数据中挑选高质量数据。 （3）通用自动数据生成：对不同的子任务，设计不同的生成数据方式，让数据生成具备普惠能力。 2、数据魔方计划 该计划针对多模态学习，构建下一代智能视觉算法。 研究内容包括多模态数据量化指标、多模态数据对应策略研究、多模态数据融合方案。 3、模型摸高计划 该计划旨在构建云侧大模型，刷新各类视觉任务性能上限，包含3个子课题： （1）全空间网络架构搜索：希望突破神经网络架构搜索空间受限的约束，搜索更多范式、更多网络空间结构的变化，让神经网络架构真正实现自动搜索。 （2）新型算子搜索：让算子的设计从手工复用到创造新的算子。 （3）搜索模型普适能力提升：搜索出来的网络，其泛化能力、抗攻击性、迁移性较差，希望能够提升网络架构搜索的泛化能力。

4、模型瘦身计划 该计划旨在打造高效的端侧视觉计算模型，同样有3个子课题： （1）自动搜索小型化网络：将硬件的约束融入自动设计中，使得算法能够适配不同硬件。 （2）一比特网络量化：希望设计一比特网络，使其能表达更极致的全精度网络性能。 （3）构建新型加法网络：希望在卷积网络中，用加法运算代替所有的乘法运算，同时与芯片计算相结合，探索高效计算的新路径。 5、万物预视计划 该计划目标是定义视觉的预训练任务，构建通用的视觉模型，希望让视觉模型完成从认知到感知的跨越。 具体做法是，搜集大量公开无标签的亿级数量级的图片，完成知识的抽取与整理。

6、虚实合一计划 该计划目标在虚拟场景下，不通过数据标注，直接训练智能行为本身。 目前业界的研究非常有限，需要回答下面的问题：如何定义知识？如何构筑虚拟场景？如何模拟用户的真实行为？如何确保数据与智能体的安全？ “虽然这个计划极具挑战，但是我们认为这条道路会通向真正的人工智能。”田奇说。

结语：华为的AI答卷

华为轮值董事长徐直军曾这样描述华为的AI战略：“如同公元前的轮子和铁、19世纪的铁路和电力、以及20世纪的汽车、电脑、互联网一样，华为认同AI是一组技术集合，是一种新的通用目的技术。” 信息化时代，巨头较量，生态为王，在市场需求的驱动下，以开发者为核心的AI生态正成为各大科技公司竞逐的核心战场。 AI芯片、AI算法研究、开源AI框架、AI应用开发平台、云边端AI服务及落地成果、开发者社区……围绕AI的生态布局，华为显然已经写出一张底气十足的答卷。 （本账号系网易新闻·网易号“各有态度”签约帐号）

---