華為發佈算力最強AI處理器昇騰910及全場景AI計算框架MindSpore

【編者按】據華為公司介紹，8月23日華為正式發佈的“昇騰910”主要面向AI數據科學家和工程師，芯片算力達到全球領先水平。 華為公司輪值董事長徐直軍在發佈會上表示，針對AI訓練未來還將計劃推出Ascend 920。

昇騰910是華為第一款重磅推出的達芬奇架構雲端AI芯片，採用台積電7nm工藝，最大功耗僅310W，明顯低於設計規格的350W。這款芯片已經驗證，半精度（FP16）算力達256 TFLOPS，比英偉達（NVIDIA） Tesla V100 GPU的125 TFLOPS還要高一倍。

而MindSpore開源計算框架與之相配套，滿足終端、邊緣計算、雲全場景需求，最大化利用芯片算力。現在已有TensorFlow框架、PyTorch框架，華為為何還要開發並推出MindSpore框架？徐直軍表示，由於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-雲，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。

TensorFlow框架是谷歌公司2015年推出的開源機器學習框架。2017年初，Facebook在機器學習和科學計算工具 Torch 的基礎上，針對 Python 語言發佈的全新機器學習工具包 PyTorch。

（觀察者網訊）

8月23日，華為在深圳正式發佈算力最強的AI處理器Ascend910（昇騰910），同時推出全場景AI計算框架MindSpore。

華為公司輪值董事長徐直軍在發佈會上表示：華為自2018年10月發佈AI戰略以來，穩步而有序地推進戰略執行、產品研發及商用進程。昇騰910、MindSpore的推出，標誌着華為已完成全棧全場景AI解決方案（Portfolio）的構建，也標誌着華為AI戰略的執行進入了新的階段。

華為公司輪值董事長徐直軍出席AI處理器Ascend 910及全場景AI計算框架MindSpore發佈會

昇騰910，算力最強AI處理器

徐直軍此次正式發佈的AI芯片是昇騰910，屬於Ascend-max系列。在HC2018上已經發布了其技術規格。實際測試結果表明，在算力方面，昇騰910完全達到了設計規格，即：半精度 (FP16)算力達到256 Tera-FLOPS，整數精度 (INT8) 算力達到512 Tera-OPS，重要的是，達到規格算力所需功耗僅310W，明顯低於設計規格的350W。

徐直軍表示：昇騰910總體技術表現超出預期，作為算力最強AI處理器，當之無愧。我們已經把昇騰910用於實際AI訓練任務。比如，在典型的ResNet50 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。面向未來，針對不同的場景，包括邊緣計算、自動駕駛車載計算、訓練等場景，華為將持續投資，推出更多的AI處理器，面向全場景持續提供更充裕、更經濟、更適配的AI算力。

昇騰910技術規格

MindSpore，全場景AI計算框架

徐直軍還發布了全場景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無處不在，能否在任何場景下確保用户隱私得到尊重和保護，這些都與AI計算框架息息相關。為此，去年華為全聯接大會上，華為提出，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、邊緣和雲。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進展。

全場景支持，是在隱私保護日漸重要的背景下，實現AI無所不在越來越基礎的需求，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。MindSpore框架通過協同經過處理後的、不帶有隱私信息的梯度、模型信息，而不是數據本身，以此實現在保證用户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。 在原生適應每個場景包括端，邊緣和雲，並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。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。通過MindSpore框架自身的技術創新及其與昇騰處理器協同優化，有效克服AI計算的複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，徐直軍宣佈“MindSpore將在2020年Q1開源”，助力每一位開發者，促進AI產業生態發展。

全棧全場景AI解決方案，讓AI無處不在

徐直軍在發佈以上兩款產品之前，首先重申了華為公司的AI戰略：投資AI基礎研究，在計算視覺、自然語言處理、決策推理等領域構築數據高效（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；打造全棧全場景解決方案，提供充裕的、經濟的算力資源，簡單易用、高效率、全流程的AI平台；投資開放生態和人才培養，面向全球，持續與學術界、產業界和行業夥伴廣泛合作；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；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。

華為AI解決方案（portfolio）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。而全棧是技術功能視角，是指包括Ascend昇騰系列IP和芯片、芯片使能CANN、訓練和推理框架MindSpore和應用使能ModelArts在內的全堆棧方案。

徐直軍也回顧了制定以上AI戰略的初衷。華為定位AI是一種新的通用目的技術（GPT），如同19世紀的鐵路和電力，以及20世紀的汽車、電腦、互聯網一樣，將應用到經濟的幾乎所有地方。同時華為也認為AI的應用總體還處於發展初期，AI技術和能力相比於長遠期望還有很大差距。減小甚至消除這些差距，加速AI的應用，正是華為AI戰略的初衷和目標。具體包括致力於促成以下10個方面的改變。

通過提供更強的算力，使複雜模型訓練能在幾分鐘、甚至幾秒鐘內完成，而不是今天的數天甚至數週；提供更經濟、更充裕的算力，讓算力不再稀缺、不再昂貴，從而不再是AI發展的制約因素；通過全場景方案，適應企業不同需要，確保用户隱私得到尊重和保護，讓AI能夠部署在任何場景，而不僅僅是公有云。投資基礎AI算法研究，實現更少的數據需求，即數據高效。也要能夠基於更低的算力和能耗，即能耗高效。通過AI框架MindSpore和應用使能ModelArts，大大提升AI自身的自動化水平，減少對人工的依賴。持續提升模型算法，實現工業生產環境的“工作”優秀，而不僅僅是各種比拼環境的“考試”優秀。實現模型的閉環、實時更新，保證企業AI應用始終處於最佳狀態。將AI技術與5G、雲、物聯網、邊緣計算、區塊鏈、大數據、數據庫…等技術充分協同，發揮更大價值。通過全棧方案一站式平台，使AI成為所有應用開發者甚至所有ICT技術從業人員的一項基本技能，而不是一項只有具備高級技能的專家才能完成的工作。通過全棧全場景技術手段，結合投資開放的生態和人才培養，讓AI人才不再短缺。

華為公司輪值董事長徐直軍出席AI處理器Ascend 910及全場景AI計算框架MindSpore發佈會

昇騰310和ModelArts獲得廣泛應用

在華為全聯接大會2018上，與華為AI戰略一起， 作為全棧全場景解決方案的首批組件，華為同時對外發布並正式推出了昇騰310 AI芯片 和全流程模型生產服務ModelArts。昇騰310屬於Ascend-mini系列第一顆華為商用AI SoC芯片，在最大功耗僅8W的情況下，其整數精度（INT8）算力達到16Tops，半精度（FP16）算力達 到8Tops，同時，該芯片中還集成了16通道 全高清 視頻解碼器，是面向邊緣計算場景最強算力的AI SoC。

自發布以來，基於昇騰310芯片的產品和雲服務獲得廣泛應用。其中，基於昇騰310的MDC和很多國內外主流車企在園區巴士、新能源車、自動駕駛等場景已經深入合作。基於昇騰310的Atlas系列板卡、服務器，與數十傢伙伴在智慧交通、智慧電力等數十個行業落地行業解決方案。基於昇騰310，華為雲提供了圖像分析類服務、OCR服務、視頻智能分析服務等雲服務。對外提供API達50多個，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 超過3億次。另有超過100多個客户使用昇騰310開發定製AI算法。

ModelArts全流程模型生產服務打通了從數據獲取-模型開發-模型訓練-模型部署的全鏈條，可將生產所需的所有服務一站式提供。截止目前，ModelArts已經擁有開發者超過3萬，日均訓練作業任務超過4000個，32000小時，其中：視覺類作業佔85%，語音類作業佔 10%, 機器學習5%。

隨着今天昇騰910AI處理器以及MindSpore全場景AI計算框架的發佈，華為全棧全場景AI解決方案各重要組成部分悉數登場，徐直軍因此表示“華為已完成了全棧全場景AI解決方案的構建”。實現了預期的計劃和目標，對華為AI，這是一個新的里程碑，更是一個新的開始。在發佈會最後，徐直軍預告，在即將開幕的華為全聯接大會2019，將有更多震撼的AI新品提出。華為期待與夥伴更加深入、廣泛的合作，讓AI無所不及，把數字世界帶給每個人、每個家庭、每個組織。

本文系觀察者網獨家稿件，未經授權，不得轉載。