開發者的小宇宙，與華為全棧全場景AI同頻擴張_風聞

1915年，愛因斯坦提出了空間可拉伸這一概念。這一理論作為廣義相對論的基礎，解釋了宇宙大爆炸、時空生成、恆星燃燒等等本源問題。量子物理學認為，物質的密度增大導致內部原子核碰撞釋放出能量，能量向不同維度膨脹，是空間拉伸主要原因之一。這也是廣為人知的聚變效應。

與宇宙和物質本源相似，一個技術產業空間走向生態繁榮，具備長期活力，往往也是一種“拉伸運動”：產業實體需要在技術、產業、商業應用等不同維度積蓄“密度”，向前拓展，最終達成整體的聚變式繁榮。

華為HDC.Cloud的第二天，關注點聚焦在了萬千AI開發者和AI從業者，以至於各行業人士普遍關注的華為全棧全場景AI的最新進展。

華為AI的特殊性在於，全棧全場景AI體系是全球唯一從處理器到框架，再到推理部署、開發工具，雲邊端各場景架構統一的AI系統，是業界產業指向最清晰、基礎設施最完備的AI生態。這一生態的邊界，某種意義上也是如今AI開發者和行業應用者的能力的邊界。

我們知道，AI本質上是一種以AI算法驅動的軟件工程技術。從應用流程上看，首先要由AI科學家和算法研究人員開發出足夠強大的AI算法，打破AI能力的邊界；然後通過開源開放，廣大AI開發者基於基礎算法，完成具體的AI模型開發；這些模型進入產業界，再結合產業需求和場景實際情況進行部署，最終讓AI完成落地。

而HDC.Cloud恰好在算法前沿、開發者賦能、行業實踐，三個主要維度展示了華為全棧全場景AI的最新進展與未來發展規劃。三大維度全面擴張，讓華為AI和Atlas 生態形成了立體的矩陣式生長，也讓AI開發者的能力邊界隨華為的技術、產業佈局一同延展，觸碰了新的AI可能性。

讓我們切換不同視角，來看一看華為全棧全場景AI在三大關鍵象限的最新動態。

技術前沿象限：華為計算視覺未來研究計劃

在實際的產業智能化進程裏，計算視覺是泛AI技術體系中應用度最強、覆蓋場景最廣泛的技術。根據多種數據報告統計，計算視覺技術在整體AI應用中普遍佔比70-80%，可以説是AI真正的主力軍。

而計算視覺的能力極限，顯然也意味着整體AI產業的技術極限。

華為在計算視覺領域圍繞數據、知識和模型三大方向，過去兩年已在AI頂會CVPR、ICCV、NeurIPS、ICLR等發表80餘篇論文，並取得多項業界領先的成果在這個關鍵領域。華為的AI科學家們不斷鑽研，針對計算視覺最前沿、最富挑戰的課題，相繼給出了自己的一系列答案。

比如説，面對如何在海量數據中挖掘有效信息的問題。華為提出了知識蒸餾與自動數據擴增結合的方法，實現了業界最強的信息規律效果。而華為的魔術模型，則將多模態視覺納入了產業實踐，以此提高計算視覺技術的信息應用效率。

而針對高效視覺識別的業界核心問題，華為創建了業界搜索速度最快的自動網絡架構搜索技術，並且研發了新型算子加速卷積網絡，推動計算視覺進一步走入工業體系。

面向最具挑戰性的通用智能問題，華為也創造了利用虛擬數據學習控制無感知機械臂等實踐方案，開始邁出人類向通用視覺挑戰的第一步。

面向未來，華為發佈了計算視覺研究計劃，邀請全球AI專家參與研究。基於華為昇騰AI處理器的Atlas人工智能計算平台將為該計劃提供強大算力支撐，研究成果將在華為全場景AI計算框架MindSpore實現並開源給業界，讓全球AI開發者以此為基礎持續創新、不斷突破邊界、共同打造無所不及的智能。

計算視覺正在加速成為AI技術面向未來探索的主要前沿陣地，長期決定AI產業化的能力上限。華為決定推動的計算視覺未來研究計劃，也是在產學研結合趨勢與行業應用視野的一次融合，助力業界共同邁過計算視覺的珠穆朗瑪。

華為計算視覺研究計劃圍繞三大方向，共有六大子計劃，包括：

1、數據冰山計劃：以極少量標註數據撬動海量無標註數據，支撐小樣本場景下模型訓練；

2、數據魔方計劃：利用多種模態相互輔助、增強模型在實際場景的學習能力；

3、模型摸高計劃：構建雲側大模型，刷新各類視覺任務性能上限；

4、模型瘦身計劃：打造端側高效的計算模型，助力各種芯片完成複雜推理；

5、萬物預視計劃：設計視覺預訓練任務，打造視覺通用模型；

6、虛實合一計劃：在虛擬與現實的結合中，將計算視覺引向真正的人工智能；

六個子計劃融合了技術前沿性與產業需求、全球共同關注點，三方面的價值，將華為的思考與探索向世界公佈，獎勵與華為一同探尋未知的技術人才。

開發者象限：框架開源與開發平台升級

長時間以來，深度學習框架都是建立AI生態的必爭之地。谷歌的Tensorflow與微軟的caffe、Facebook的Pytorch在全球範圍內展開過激烈競爭。

而在中國AI產業高速崛起，“新基建”推動AI技術走向千行萬業的大背景下，華為的深度學習框架順理成章引起了整個AI行業的持續關注。

在HDC.Cloud，開發者們期待已久的全場景AI計算框架MindSpore宣佈碼雲正式開源，同時企業級AI應用開發者套件ModelArts Pro在華為雲上線。從框架開源到AI開發平台的產業化升級，意味着華為全棧全場景AI的軟硬件骨幹已經全部投入業界實踐，成為全球AI開發者的能力組成部分。

與其他深度學習框架相比，MindSpore的差異化特徵在於致力於和產業開發真實環境的緊密適配。例如MindSpore原生適應端、邊緣和雲各場景，並能夠在按需協同基礎上，通過實現AI算法即代碼，打通架構和編程之間的固有界限，減少AI開發者的模型開發時間，降低開發門檻。另外，MindSpore基於技術創新及與AI處理器的協同優化，實現了運行態效能提高，並且支持異構並行計算。

（張迪煊分享華為Atlas人工智能計算平台的雲邊端全場景開發實踐）

總體而言，MindSpore最顯著的特點在於，它能夠同時支持雲、邊緣、端各個場景獨立又協同的統一訓練和推理框架，這解決了開發者們“開發易、部署難”的長期痛點，直接將AI開發對準了產業實踐方向，與華為的鯤鵬產業、Atlas生態緊密融合。可以説，MindSpore與歐美主流框架多數誕生於科研場景、實驗室場景不同，它是一款完全致力於工業場景、部署能力和開發實踐的框架，是深度學習框架與產業化AI開發的緊密結合。

同時，華為還發布全球首款企業級AI應用開發專業套件ModelArts Pro。當強工程特性的框架，遇到支撐企業級AI應用的開發平台，華為全棧全場景AI在開發者象限的精髓，在於產業能力的有一次跨越式突破。

產業實踐象限：Atlas生態應用於全場景開發

AI是否能用，是否好用，最終要交給實踐來檢測和證明，華為全棧全場景AI的另一個關鍵象限突破，在於Atlas產品序列持續發展，Atlas生態不斷與產業場景深入融合。

基於雲邊端一致的開發體驗，全面滲透的AI算力，以及華為產品與行業需求的深度耦合，Atlas人工智能計算平台的全場景實踐正在不斷深化。目前，華為已與數十傢伙伴合作，推動基於華為昇騰AI處理器的Atlas系列模塊、板卡、小站、服務器在智慧交通、智慧電力、智慧金融、智慧城市、智能製造等數十個行業落地。

（張迪煊宣佈高效算子開發工具TBE啓動正式公測）

同時為了進一步豐富華為AI生態，助力開發者提升開發能力，HDC.Cloud現場宣佈啓動了高效算子開發工具TBE的正式公測，並計劃激勵100家以上貢獻算子的高校和合作夥伴。

Atlas生態的加速落地，正在驅動我們每個人都更全面融入AI“宇宙”中。基於Atlas 200 DK的眼底檢測疾病篩查、擬人動作機器人、植樹機器人等，基於Atlas 300和Atlas 500的生產線工業質檢和智慧營業廳等案例等等，證明了千行萬業與華為Atlas的可融合性與實踐價值，也讓我們看到了不久後關於生活、工作、學習智能化的種種可能。

以慧眼識病為例，華為與南開大學相關團隊合作，利用Atlas 200 DK的端側AI部署能力與充足算力，快速進行基於眼底AI識別達成的心腦血管、糖尿病等慢性病篩查。我們知道，慢性病具有潛伏期長、難發現、難逆轉的種種特點，是公眾健康生活的一大挑戰。但因為檢測複雜、成本相對較高，很多潛在患者會忽視早期症狀和檢查，從而延誤了治療契機。而基於Atlas 200 DK的人工智能眼底篩查，可以快速簡單檢測慢性病，並且能夠將資深醫生才具備的檢測能力進行普惠化，讓社會共同從中受益，這在我國醫療環境與條件下具有重要價值。在技術前沿、開發基礎設施、產業實踐三大象限上，華為全棧全場景AI保持了高速、協同、不間斷的進化。以HDC.Cloud為節點，全棧全場景AI解決方案不僅展現出了更加完備的產業圖景全貌，還讓華為AI“宇宙”與科研機構、開發者、產業實踐結合更加緊密，生態合作的深度、廣度、供需緊密度不斷提升。

華為AI宇宙的拉伸運動，是全球AI開發者的能力邊界，向產業化目標的一次突進。廣闊的智能時代下，每位開發者正在從這些產業進化中汲取力量，練就自己的“小宇宙”。這些以全棧全場景AI為動力的小夥伴，將是在明天改變世界的鬥士和英雄。