“全棧”：從AI開發者到AI工業家的首席關鍵詞_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2019-11-23 20:46
你是僅僅想被人稱為“極客”，還是想成為比爾·蓋茨？
我想這是一個每位技術工作者都能在1毫秒之內做出的選擇題。但這道題的關鍵在於，我們需要知道兩個選項之間的區別是什麼。
比爾·蓋茨，可以説是極客潮中將技術產業化進行到最極致、最徹底的人。或許可以這樣説，學習一項技術的皮毛並不難，作為樂趣來開發也不難。難的是走向產業和商業世界，讓自己的開發有價值，有價格。
今天的AI技術和開發者，正在面臨同樣的問題：AI開發者的任務，已經不僅僅是學習和探索，而是要讓自己的開發走入產業世界，真正被生產場景所應用。
可以這麼説，時代對AI的呼喚落實到具體的從業者當中，就是從AI開發者到AI工業家的轉變。但是到底怎麼完成這種轉變呢？需要技術工具和基礎設施的進化，也需要AI開發者快速學習最新的產業東西，主動捕捉機遇。
針對華為AI體系，華為昇騰AI工程師譚濤分享了昇騰開發工具鏈的全流程應用實踐，從底層開發工具角度討論了華為全棧AI的價值；華為MindSpore資深架構師於璠，則從AI計算框架角度解析了華為MindSpore的特質與應用方案；華為雲AI高級解決方案架構師魏振強則從AI開發工具層面，討論了AI開發者如何基於全棧能力快速完成AI應用開發。此外，華為高級技術專家魏俊秋分享了華為預訓練語言模型的技術突破和應用方案；華為雲高級產品經理趙彥則分享瞭如何基於華為雲Cloud IDE+Codehub構建高效可信的AI開發環境。
在AI技術與產業應用層面，華為海思圖靈智能算法專家王曉雷分享了達芬奇架構和昇騰芯片的特點，為開發者講述了雲邊端全場景開發的價值與可能；華為中央軟件院知識圖譜首席技術專家賈巖濤，則帶來了企業級知識圖譜構建、推理與應用，幫助開發者理解華為全棧AI的產業應用能力。
聚集七顆龍珠就能召喚神龍，華為雲同時聚集了七個不同產業領域的專家，顯然也是“所圖甚大”。在梳理了專家分享之後，我發現華為雲的目標，是幫助AI開發者整理這樣一個內容：從基礎開發環境，到軟硬件結合雲邊端協同，再到真實的產業級應用，AI開發究竟如何才能滿足從“極客愛好”到“工業生產”的過渡，最大效率滿足商業應用的AI開發。
而這個流程歸結下來，首席關鍵詞就是“全棧”。
這樣的AI基礎究竟對於開發者的價值何在？今天我們換個視角，完全站在AI開發者的立場上來透視華為雲的AI體系。
在全棧全場景AI的技術邏輯推動下，華為雲在三個層面上為AI開發者，探索了變身AI工業家的可能。
全棧AI工具化：高效低門檻開發的核心保證
所謂全棧Full Stack，最早是對IT行業一種能夠勝任從底層架構到前端應用所有工作工程師的稱呼。由於不同技術層級之間溝通困難，兼容性問題很多，所以全棧工程師也就變成了企業萬金油般的存在——事實上，全棧工程師往往也是IT團隊中薪資最高的。
而在AI到來之際，華為把這個詞引申到了自己的AI產業體系中。即在應用之下，從芯片、芯片使能平台、算子平台、開發框架，再到開發平台，華為是業界首家一家包打的公司。
而在AICon現場，來自華為五位技術大牛共同打造了“AI技術開發的完整週期”相關內容，其實就是在向AI開發者講述，華為的全棧AI究竟對於開發者來説意味着什麼？
我們知道，AI開發走向真實的產業應用，其實是非常複雜精細化的工程。開發者不是拿出一個“能用”的模型就好，而是必須要讓模型達到苛刻的產業標準。而這就需要非常複雜的工作，可能涉及到算子開發、模型開發、應用開發等數層的上百項開發工作。
對於開發者來説，開發工具是一切工作開始的前提。假如沒有一套完整的AI開發工具鏈，工作就會變成彼此割裂，互不兼容的孤島。最終導致開發者在兼容難題中疲於奔命，AI的產業夢淪為泡影。
而從底層芯片開始，華為AI在算子、框架、開發平台的每一個週期都可以進行打通。這就讓華為可以構建出一套從基礎模型訓練，到硬件部署的全流程工具體系。華為稱之為昇騰開發工具鏈。這套系統涵蓋了神經網絡軟件流、算子對比、模型可視化的系列工作。有了這些基礎工具，開發者可以真正做到高精度、低兼容成本開發，讓效率和效果擁有基本保證。
而更上一層，每位AI開發者必須要用到的就是深度學習框架。而主流框架的一個基本問題，一方面就是與開發平台、芯片環境的兼容性，再一個是歐美主流框架更多是從學術環境中誕生，在面對產業應用時有很多不適應之處。
基於此，華為在全棧AI的體系中構建了MindSpore開發框架。這款框架的特徵是完全生長在產業和開發環境中，以降低開發門檻為第一要務。MindSpore採用新的編程範式，實現了算法即代碼；新的執行模式，充分應對AI部署的複雜性和多樣性；新的協作方式，實現雲邊端按需部署，更適合產業需求。
這樣一款框架的應用化，可以幫助開發者進一步降低門檻，提升效率。而華為雲並沒有到此為止。再上一層，是每位開發者都必須要經歷冗務龐雜的訓練過程與推理部署週期。為了讓開發者的工作量降到最低，華為雲推出了ModelArts一站式AI開發平台，以及HiLens端雲協同AI應用開發平台。ModelArts具備業界第一的模型訓練效率，並可以進行數據的智能標準、智能篩選，讓AI開發快速極簡完成。而HiLens則可以無縫打通端雲協同，在機器視覺這個最主要領域發揮出華為的全棧優勢。
至此我們可以看到，華為云為AI開發者提供了從底層工具鏈，到產業級開發框架、一站式開發平台的全流程賦能，把每一個流程的工作量壓縮到最低，效率調到最高。除此之外，華為雲還將大量AI能力和開發輔助能力開放給開發者，比如華為大量預訓練語言模型技術對開發者開放，提升開發者產業級開發能力；CloudIDE+CodeHub構建了安全可信的雲上開發環境，讓開發者更穩妥快速進行AI開發。
華為雲對AI開發者提供的整個流程，我們可以將之簡稱為全棧AI技術的集成化和工具化。開發者可以基於一個個工具準確利用到華為的全棧AI技術優勢，從而讓開發極簡，效率極高，門檻驟降。
當開發者把效率提升到某個臨界值後，下一個問題隨之而來：AI如何走向產業化。
軟硬件全場景協同：AI走向產業化的基礎通道
華為提出的全棧全場景AI，實際上是一個產業邏輯遞進的關係。沒有全棧AI能力，全場景部署也就無從談起。而當全棧AI打通，芯片層能力可以高效被AI開發者調用，開發者可以在全棧通道上快速開發模型與應用，華為在全場景部署的AI芯片與產品體系才能準確發揮效用。
而讓全棧AI開發，走向全場景AI部署的核心秘密，是一套計算架構：達芬奇。我們知道，達芬奇很可能是人類歷史上最全能的人，沒有之一。而華為自研的這套張量計算架構，也可以最大效率處理多種神經網絡任務，實現算力最優、功耗最低。
將達芬奇架構作為依託，華為推出了昇騰910、昇騰310芯片，分別應對AI的訓練與推理需求，接下來還會有邊緣側芯片面世。這些芯片集成到不同產品，再部署到雲邊端的各種場景，就構成了華為雲提供的全場景AI通道。
這意味着，使用華為雲開發體系的AI開發者，可以無縫銜接到昇騰生態的硬件矩陣中，完成從軟件到硬件的過渡。事實上，很多AI大牛都告訴我，AI開發其實是很快樂的，但是把模型落實到開發板和硬件上，那意味着龐大到難以想象的工作量；任何一處錯誤就要推倒重來，硬件直接廢掉的恐怖感，以及無窮無盡的工程能力需求。
而當華為雲打通全場景AI部署能力之後，這些痛苦瞬間化為烏有，原本無法走進現實世界的AI開發也能夠探索產業應用。
所以説，達芬奇的秘密，其實就是華為雲提供的AI走向現實的橋樑。
企業級任務：AI工業家的終極自鑑
在華為雲提供了一整套開發工具和開發基礎，又打通了與硬件端邊雲的全場景聯接之後，AI開發者要做什麼呢？
這個問題的答案，或許就是華為雲的AI開發價值，最終被產業生態打出的最終分數。在AICon現場，來自華為的技術專家，現場講解了如何基於華為的全棧AI能力，打造能夠支撐企業級應用的知識圖譜技術。
知識圖譜，這門在2012年由谷歌提出的技術，如今已經廣泛應用於互聯網、移動互聯網、信息可視化等領域。但對於一般開發者來説，其遠不如語音、視覺等領域來的熟悉。華為專家賈巖濤，現場講解了“小白開發者”如何完成企業級任務的開發。並解讀了華為的知識圖譜技術，如何在運營商、終端、VR等領域完成應用部署。
從啓動開發到完成企業級任務，全棧是眾多邏輯中，能夠最大限度幫助開發者縮短開發流程、降低開發成本、提升開發質量的技術驅動力。
全棧的驅動下，AI開發的定義正在逐漸改變。究竟誰能最先成為這個時代的AI工業革命驅動者——這應該是大時代中最激動人心的故事之一。