算力為大數據的發(fā)展提供堅實的基礎保障，大數據的爆發(fā)式增長，給現有算力提出了巨大挑戰(zhàn)?；ヂ摼W時代的大數據高速積累，全球數據總量幾何式增長，現有的計算能力已經不能滿足需求。據IDC報告，全球信息數據90% 產生于最近幾年。并且到2020年，40% 左右的信息會被云計算服務商收存，其中1/3 的數據具有價值。
近日OpenAI近期發(fā)布的研究顯示，僅2012年以來，人們對于算力的需求增長六年就超過30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發(fā)展速度。
作為AI的后入局者，面對AI算力需求的爆發(fā)式增長，華為大膽地提出要為業(yè)界提供“易獲取、用得起、方便用”的算力。如今，距離AI戰(zhàn)略提出一年，華為是否已經找到算力破局的入口?
人工智能：第四次工業(yè)革命代表技術
17世紀后期，英國采礦業(yè)特別是煤礦已發(fā)展到相當的規(guī)模，單靠人力、畜力已難以滿足排除礦井地下水的要求，而現場又有豐富而廉價的煤作為燃料。現實的需要促使人們致力于“以火力提水”的探索。1769年英國人詹姆斯·瓦特制造了蒸汽機，引起了18世紀的第一次工業(yè)革命。
100年后，美國人發(fā)明和實現了電力的廣泛使用，引領了19世紀的第二次工業(yè)革命。
1946年，世界第一臺二進制計算機的發(fā)明，人類在20世紀進入了第三次工業(yè)革命，信息技術的發(fā)展尤其是移動互聯網的普及極大地改變了人類的生活。
進入21世紀，人類正在迎來以智能技術為代表的第四次工業(yè)革命，人工智能、物聯網、5G以及生物工程等新技術融入到人類社會方方面面;驅動全球宏觀趨勢的變化，如社會可持續(xù)發(fā)展，經濟增長的新動能，智慧城市、產業(yè)數字化轉型、消費體驗等。
人工智能是一系列新的通用目的技術(GPT)，包括自然語言處理、圖片識別、視頻分析等。人工智能是信息化進程的新高度，信息技術帶來了效率的提升，人工智能則帶來生產成本的變化。行業(yè)+AI，人工智能將會改變每個行業(yè)、每個職業(yè)、每個組織、每個家庭和每個人。
易獲取、用得起，方便用的算力是AI發(fā)展關鍵
時代又仿佛回到了對采礦行業(yè)非生物動力需求極大的17世紀，進入21世紀，人工智能也對算力提出了強勁的增長需求。AI算力需求的急劇增長與傳統(tǒng)CPU算力緩慢提升(每年10%)之間存在巨大矛盾，全球掀起造芯運動，加速算力成本降低和AI應用普及。
人工智能的支撐要素包括算力(工業(yè)云計算和邊緣計算)、數據(工業(yè)大數據)和算法(工業(yè)人工智能)，在中國，基于人口規(guī)模和經濟的發(fā)展程度，在數據和行業(yè)應用都在全球處于領先地位。但是AI算力資源卻很稀缺而且昂貴，各行業(yè)應用需要越來越強勁的AI算力。
算力價格貴、使用難和資源難獲取是目前AI發(fā)展的三大瓶頸：
·價格貴：現在人工智能整個訓練的過程，譬如訓練人臉識別、交通綜合治理、自動駕駛，模型的訓練成本非常高昂的。
·使用難：缺乏一個統(tǒng)一的開發(fā)框架，無法適配從訓練到推理，從公有云到私有云、邊緣、終端的多種應用場景，開發(fā)、調優(yōu)、部署的工作量巨大。
·難獲?。簶I(yè)界用于AI計算的GPU供貨周期長，限量供應等，導致硬件資源不易獲取。
業(yè)界開發(fā)大規(guī)模AI訓練芯片的主要廠家，比如英偉達、谷歌和華為都推出了自己的AI訓練芯片。英偉達Tesla V100 GPU最高提供125 TeraFLOPS深度學習性能，最大功耗為300瓦特。Google I/O 2018開發(fā)者大會上，Google推出了第三代TPU 3.0，最高提供90 TeraFLOPS深度學習性能。華為在2018年10月的全聯接大會上發(fā)布了針對AI訓練場景的昇騰昇騰910 AI處理器。昇騰910 AI處理器，是當前計算密度最大的單芯片，適用于AI訓練，可提供256 TeraFLOPS的算力，最大功耗為310瓦特。
面向人工智能這個大的時代潮流，算力的稀缺和昂貴在一定程度上制約了當前的人工智能發(fā)展。
華為拿什么破解AI核心難題?
華為數十年長期聚焦在ICT基礎設施研發(fā)和建設領域，深刻理解運營商和企業(yè)用戶的使用場景，以“高起點”和“全棧全場景”入局AI領域，真正提供普惠的、強大的算力。
華為昇騰系列AI處理器采用了面向張量計算的達芬奇3D Cube架構，該架構面向AI的全新突破性設計，為昇騰AI處理器提供了超強的AI算力，使得芯片具有高算力、高能效、可擴展的優(yōu)點?；诮y(tǒng)一的達芬奇架構，華為可以支持Ascend-Nano、Ascend-Tiny、Ascend-Lite、Ascend-Mini、Ascend-Max等芯片規(guī)格，具備從幾十毫瓦IP到幾百瓦芯片的平滑擴展，天然覆蓋了端、邊、云的全場景部署的能力。
“達芬奇架構可大可小，從Nano一直到Max、從穿戴設備一直到云，可以全場景覆蓋;我們推出MindSpore的目的就是協(xié)同達芬奇架構來面向全場景的。
也就是說，在端、邊緣、云都可以訓練和推理，還可以進行相互協(xié)同，這是現在其他的計算框架所做不到的。”華為輪值董事長徐直軍在先前的媒體采訪中表示。
AI訓練的耗時與模型的復雜度、數據集和硬件資源的配置是強相關，在天文研究、自動駕駛訓練、氣象預測、石油勘探等大規(guī)模訓練時，硬件資源尤其顯得重要。
人工智能的快速發(fā)展，得益于硬件和云計算技術的提升，更得益于各個行業(yè)數字化帶來的大量的數據來訓練模型。開發(fā)平臺要求從原始數據到標注數據、訓練數據、算法、模型、推理服務，實現千萬級模型、數據集以及服務對象的全生命周期的管理。
同時，無智能不成云，全棧發(fā)展走向縱深，AI已經成為云的基礎業(yè)務，實現云端訓練和推理。在云上部署，支持在線和批量的推理，滿足大規(guī)模并發(fā)的復雜場景需求。云、AI、IoT協(xié)調使能藍海市場，在智慧家庭、物聯網和車聯網等場景，構建云+AI+IoT的綜合解決方案，開拓新的人工智能市場。
華為的AI戰(zhàn)略包括投資基礎研究，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;打造全棧方案，面向云、邊緣和端等全場景的、獨立的以及協(xié)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。
大數據是人工智能發(fā)展的基礎保障，是人工智能這臺機器高速運轉的燃料。沒有大數據的支撐，人工智能就沒有了燃料，談不上發(fā)展。算力是人工智能發(fā)展的技術保障，是人工智能發(fā)展的動力和引擎。二者都是人工智能密不可分的一部分。反過來，人工智能的發(fā)展和應用又會反過來提升大數據和算力的技術革新，提高大數據和算力的水平。三者相輔相成，融合發(fā)展，才是未來信息時代發(fā)展的潮流趨勢。
下載文檔
