华为重磅发布：史上算力最强AI芯片正式商用

cfjy888

点击上方“腾讯科技”，“星标或置顶公众号”

关键时刻，第一时间送达

来源 / 量子位（ID：QbitAI）

- A& ?0 d9 U0 L7 I- h

作者 / 乾明 边策 一璞 

欢迎下载腾讯新闻APP，查看更多科技热点新闻

% `4 {; Y6 C" m6 Y; A4 J

视频：“昇腾910”来了！华为发布最新AI处理器，时长约20分53秒

- K6 ]. G$ `( V
$ Z+ o! W; r5 V4 M' s, J
刚刚，华为业界算力最强的AI芯片正式商用。
. V7 W' L; |! ^

并且宣布自研AI框架MindSpore开源，直接对标业界两大主流框架——谷歌的Tensor Flow、Facebook的Pytorch。

0 h: j2 ~! ~: Y) Z! F& p0 k  n) I, K
6 j* V. _6 D' b8 L- k
, _# {, J# W- m$ p( c) o7 G( h
华为AI芯片昇腾910之前已经发布，现在正式商用，对标英伟达Tesla V100，主打深度学习的训练场景，跑分性能2倍于英伟达。


7 e. R: p% [0 @3 [+ F* S& S( y" S
. l% }# |% W8 d; E$ f6 {% L9 m
% K! v+ @) L+ }0 Z2 w; f3 i/ y; N华为轮值董事长徐直军说，这是华为全栈全场景AI战略的实践体现，也希望进一步实现华为新愿景：打造“万物互联的智能世界”。

1 Q1 V1 L2 A0 H" F5 j2 G, R2 G" v
8 _+ i) @' r) p8 C8 J( F但毫无疑问，华为入局，自研AI计算架构，肯定会进一步影响AI基础技术和架构格局，特别是美国公司的垄断。

- }9 e$ q; ~$ t' B' t' \6 d
1 g- N- @* D9 S- h0 ~; ~9 S5 }0 GMindSpore发布后，华为已经实现了完整的AI生态链，加上此前发布的ModelArts开发平台、Atlas计算平台，囊括了从芯片、框架、部署平台到应用产品完整层级。
. t- N# Q( f4 l  {! J0 v: @: M

. v, ^8 W+ C/ \! h( Z: e
7 j, {# A5 o/ C( R' y8 d# B
在当下这个大环境中，这些动作也具备了自立自强、不受人掣肘的寓寄。


如今现状，AI领域的关键技术，比如算力、框架、算法等等，主要还是由少数几家美国公司提供。

' T0 w* D3 e) ~1 g( m
比如训练芯片，主要由英伟达（GPU）、Google提供（TPU）；框架则是Google的Tensor Flow、Facebook的Pytorch等成主导；原创AI算法的发明，也只是在少数几个厂商或者研究机构手中。
! ~1 h: e/ ?# F8 x5 F  X1 b

这直接导致一些企业想要介入AI的时候，发现门槛很高，除了需要大量数据之外，还需要面临算力稀缺、硬件昂贵、人才难找等问题。


现在，华为要用实际行动改变这一现状。


/ _3 L! J7 S6 S/ e
0 D: x% S5 L+ F( u0 t7 \
4 A% s  K6 K+ _- H* ]* ZAI领域的“鸿蒙OS”
8 Y1 a  f# b, u% M+ A2 a
; O9 ~* N# I( p/ ^; J+ P( n. c# T
' T! l! N' d/ _  TMindSpore，与其他主流的框架不同，这是一款全场景的AI计算框架，也是一款“操作平台”。
! v8 q; y% i3 O; ?' `4 m& {
: f9 ^/ i  w! i# R4 Q+ x( l( Z
+ u8 C6 A& k  m/ Y; o: C不仅仅可以用于云计算场景，也能够应用到终端、边缘计算场景中。

! {8 C  U$ J) j- u. y- Q
也不仅仅是一款推理（部署）框架，也可以用来训练模型。
7 k1 C& |9 h: l' L. j
$ @  V( o$ W% b' k, ]7 h: h
徐直军表示，这背后可以实现统一架构，一次训练，到处部署，可降低部署门槛。




( q$ N# C" I9 ?/ k从这个角度来看，MindSpore也可以视为AI领域的“鸿蒙OS”。
/ f) J% B1 z% C8 O

) u3 d) p* h6 Q$ }4 E" l此外，这一框架面相的也不仅仅是开发者，也面向领域专家、数学家、算法专家等等在AI中角色越来越重要的人群。
) O# Z5 F  o& E# f

徐直军介绍，MindSpore的界面上也更加友好，在表达AI问题求解的方程式时，更加便利，更易于算法的开放与创新，推动AI应用的普及。

* }2 F5 j) ^* a8 G% b: V
6 W3 _- y$ X- g1 e用MindSpore可降低核心代码量20%，开发门槛大大降低，效率整体提升50%以上。

5 M+ i' o) @3 X. r  \
% E6 K+ D& X- C% F通过MindSpore框架自身的技术创新及其与昇腾处理器协同优化，有效克服AI计算的复杂性和算力的多样性挑战，实现了运行态的高效，大大提高了计算性能。
$ u) t* d& B' w. G# `; m, _


# T1 b) u2 R5 h3 T4 ^
: o* T8 C- r" X% s, V+ s" Z1 |# S9 g) B除了昇腾处理器，MindSpore同时也支持GPU、CPU等其它处理器。
' j! \! I# s2 Q; d! J" X

与此同时，MindSpore也采用新AI编程语言，单机程序可分布式运行，是一个全场景框架。全场景是指MindSpore可以在包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等环境上部署。
9 _" A& {# R( O* y7 L

: }4 |0 p/ h5 \0 ^* V' c. `而且，这一框架将会开源开放，可灵活扩展第三方框架和芯片平台。
  ~% {. w8 \& \/ H/ Z
% H, r, n' E" q$ m
当然，徐直军说，如果用华为的昇腾系列芯片，效果会更好，可进行全离线模式执行运算，充分发挥神经网络芯片算力，实现最佳性能搭配。
0 \4 z: w/ l" D9 q$ L3 D  `

$ H" d: Y: p& y毕竟，MindSpore作为华为全栈全场景AI解决方案中的核心步骤，是首个Ascend Native开源AI计算框架，会更适合达芬奇架构的AI芯片，尤其是昇腾910。
/ k# D6 v2 u7 Y% I  O4 f) i
* z  M! i: D5 ?. o3 Y; c! \- {. k
而且MindSpore针对现在越来越大的训练模型做了更多的优化，用户无需了解并行运算的细节，只需了解单芯片部署，就可以在计算集群上进行并行计算。
  R3 ~; m! N! J
9 E. P$ \- w$ U
+ V* J0 J& w9 b; t) q+ q徐直军表示，MindSpore会在明年第一季度正式开源。

5 l# Q5 Q6 R$ j0 i2 y
2 [2 x7 j" ~' S+ W3 T
$ _# ]6 i' b# V9 G2 k- R
) `8 a' c& b# [* @/ Z6 f
昇腾910正式商用

" c; h) \$ i0 V: U
: ], `# f- v7 X# ~5 T昇腾910，在2018年10月华为全连接大会期间曝光，采用华为自研的达芬奇架构，号称“算力最强的AI处理器”，采用7nm工艺制程，最大功耗为350W，实测310W。
* X: P/ a2 s: Q
- _) p$ T, Z* _2 t1 b0 L3 ~
2 d! `! o+ h. `! x; b! f, }$ y此次发布用于上市商用，直接对标英伟达Tesla V100，主打深度学习的训练场景，主要客户面向AI数据科学家和工程师。
8 R9 b' I' K7 q  G2 K
- n9 o* o* e. a- O! t/ C8 d; l* Y; C1 z
: h5 f. }* I" u2 y8 w0 e3 h主要性能数据如下：

  l6 p) }7 U) Y" y: C: ^. E
3 K! A3 }. f9 |, f( G

$ j& Q9 R, J+ c) Z" O* }, ]
• 半精度为（FP 16）：256 Tera FLOPS；
  - k" ?6 ]2 c$ I7 M7 J# {8 h# i
• 整数精度（INT 8）：512 Tera FLOPS，128通道 全高清 视频解码器- H.264/265。
  

在去年全连接大会上，华为就和友商对比了一下，battle的参赛选手包括谷歌TPU v2、谷歌TPU v3、英伟达 V100和华为的昇腾910。


9 r" s( |2 z. q2 o! `3 [“可以达到256TFLOPS，比英伟达 V100还要高出1倍！”
) M1 J$ N  |$ i8 X) A# U: k
# R, P8 f- v. ]6 Y

9 k# N1 z8 Y& J9 k# D+ X0 f. \
相同的功耗下，昇腾910的算力是V100的两倍，训练速度更快，用户需要得出训练产出的时间会更短。在典型案例下，对比V100，昇腾910的计算速度可以提升50%-100%。

7 a4 U. t# x: Q, d$ k# L5 B
; V1 O( q- t+ d( N* ~在典型的ResNet50 网络的训练中，昇腾910与MindSpore配合，与现有主流训练单卡配合TensorFlow相比，显示出接近2倍的性能提升。
/ v$ P; s- a4 ~0 i( ^3 G# H$ I

+ d& i5 l- o. X7 p3 {. i而且徐直军还在会后明确表示：价格还没定，但肯定不会高！
, i& [: a+ l' @4 @3 y
! v" f4 n  q% u3 x; `
; a; ^1 S  a& y6 t, K1 e

$ O% K* v, L6 _1 \
# ~& I9 h3 n: [; ^6 }/ `1 X全球格局下的华为AI进展

0 ^& o4 `  s7 s5 H
1 p- ^1 ?5 K, N1 ~  }2018年10月，在华为全连接大会上，徐直军公布了华为全栈全场景 AI 战略计划，将数据获取、训练、部署等各个环节囊括在自己的框架之内，主要目的是提升效率，让AI应用开发更加容易和便捷。
6 ]$ X! X# m1 X" r) L% t/ Y
9 P8 F, e* j& u, c4 X: g9 {+ K
. s6 r% T, _: F' i

( M9 G. U2 ~$ a; y# B' f* Y$ y全场景包括：消费终端 (Consumer Device)、公有云 (Public Cloud) 、私有云 (Private Cloud)、边缘计算 (Edge Computing)、IoT行业终端 (Industrial IoT Device) 这5大类场景。

; [( J: b) p$ C' X
重点在于全栈，包含基于达芬奇架构的昇腾系列芯片（Max、Lite、Mini、Tiny、Nano）、高度自动化的算子开发工具CANN、MindSpore框架和机器学习PaaS (平台即服务) ModelArts。
8 ~" b: I) H" Z; F2 l. i3 u2 D

+ ?! i: Q3 P0 q4 M( w: b6 |随着昇腾910正式商用以及MindSpore框架正式推出，华为全栈全场景AI解决方案愈发完善，竞争力也会随之上升。
2 M2 g6 L# m+ y3 P  K, P


) `: m1 q7 C; k4 O& Z
) _; q0 m' Y  Z# B  X: w而且，华为之AI，也不仅仅是关乎华为本身业务，也应该从更加宏观的角度去审视。
# Z; C: S, x5 M
& p, s* ]  B9 t; j
当下，AI落地已经成为无可争议的大趋势，大方向。
, p: w1 f1 f- {# e* ~5 l4 D0 b
$ |: ~3 ^5 s, Z" t9 T
% W7 E  c" t7 G* Q) l% M但中美关系日趋紧张的情况下，中国到底如何，也引发了更多关注。
$ ?* L  l& ?/ c, N

1 ~9 I. l  z2 i+ \9 k近日，Nature最新发表了一篇，名为“Will China lead the world in AI by 2030?”，提出问题的同时，也审视了中国AI发展的现状。

$ ]* c: K" I' K. B8 W
文章中援引艾伦人工智能研究所数据显示，在最顶级的10%高引用论文中，中国作者占比在2018年已经达到26.5%，非常接近美国的29%。如果这一趋势持续下去，中国将在今年超过美国。




需要场景？数据？金钱？人才？等等，这些都不差。
7 F' w, y. a) t0 e) z; n' {
4 C; _5 i7 D: [# [- r


2 J9 t) t% v. X* ?5 q/ Q5 D$ @9 H但为什么，卡脖子隐忧，AI领域依然存在。

; b! b9 \/ P; j3 s8 w# ~' w$ `
核心还在于算力（芯片）与基础技术。
# L" _7 ^" N0 z9 Y  a' l* e7 p
  q$ p, ]2 Y3 ~# j" J. R
Nature文章就指出，中国在人工智能的核心技术工具方面仍然落后。目前全世界的工业和学术界广泛应用的开源AI平台TensorFlow和Caffe，由美国公司和组织开发。
$ m3 t5 E7 @5 W5 ~

框架方面，百度的PaddlePaddle飞桨也不断突破，虽然发展势头非常好，却还是显得势单力簿。
4 F7 y& k2 i( E6 l) I

更关键的是，中国在AI硬件方面的落后非常明显。全球大多数领先的AI半导体芯片都是由美国公司制造的，如英伟达、英特尔、谷歌和AMD等。


2 A7 |" ~" G" Q, S, N* _中国工程院院士、西安交通大学人工智能与机器人研究所所长郑南宁，接受Nature采访时说：“我们在设计可支持高级AI系统的计算芯片方面也缺乏专业知识。”

  g$ w( J  \. T6 l
虽然国内也有不少公司在努力，比如阿里、百度、依图、地平线等等，都涉足了AI芯片领域，但大部分都聚焦在终端SoC和推理上面，用于训练的大型算力芯片并不多。

; A; Q8 D/ d8 `4 j& G3 u
郑南宁预计，中国可能需要5到10年才能达到美国和英国基础理论和算法的创新水平，但中国会实现这一目标。
: Y; Y  g/ M$ l- K+ y
# Z0 k7 ?8 K' [& S* j0 H
! p* b* i( ~4 s$ ~& H( }来自柏林智库的政治学者Kristin Shi-Kupfer也表示，基础理论和技术方面的贡献，将是中国实现长期AI目标的关键所在。
' L$ C; e/ ?6 X" V, e  X

6 X7 Q- g; N1 j. [她同时强调，如果没有在机器学习上没有真正的突破性进展，那么中国在人工智能领域的增长，将面临发展上限。


所以，Nature的问题：中国AI，到2030年能够领先全球吗？


. Y& x! R( q. \# x今天华为给出一种解法，但一切还只是开始。

  ~# o' ^: n* W& p, j- q, q
" U3 R4 B$ K( f) h9 R你怎么看？
( a2 ?4 }; ~2 }! d' e* ]% [8 n

9 I2 q( p& v$ e3 ^1 I6 C/ Y) F

近期精选

任正非推荐学习的博士PPT《认识5G，发展5G》

4 @8 ]# u! ?3 g5 ^) L

任正非：在这个关头，妥协是没有出路的

孟晚舟被非法扣留画面曝光

9 ^9 K$ w) U/ V# y1 D1 b) q

, K* ~7 R9 C' J2 Q& M
9 l, g" u- m/ x9 c+ M来源：http://mp.weixin.qq.com/s?src=11&timestamp=1566565203&ver=1808&signature=kJiPqP7QMaNeTz4HOv0jnIxH4YoRTzdKYK3wAYtCz8JM8kRgPhB5pX*qTDty6UXLEgsrczHMUrteV0TsLSFM0YRvSMNGMiqH1qwZyEksN0NSswT5raVWjOdWiFASwre1&new=1
( D; J$ j* ~/ G9 L: Y免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！