【猎云网（微信：ilieyun
）北京】10月10日报道（文/吕梦）
很多人都是通过手机认识到华为AI技术的。2017年9月，华为发布了世界首款手机AI芯片麒麟970，添加神经网络处理单元NPU（其技术来源于寒武纪），与CPU相比，计算速度提升25倍，能耗效率提高50倍。华为Mate 10和Mate 10 Pro和荣耀V10都搭载了麒麟970芯片。
但事实上，华为更多的AI成果都定位于“企业级"和"底层"部分。今天，华为轮值董事长徐直军就在第三届HUAWEI CONNECT 2018（华为全联接大会）上公布了华为的AI发展战略，以及全栈全场景AI解决方案，其中包括全球首个覆盖全场景人工智能的Ascend系列芯片。
同时，推出了两款相关芯片昇腾910（单芯片计算密度最大）和310（高效计算低能耗），其中昇腾910将在明年2季度上市。
尽管麒麟970芯片让Mate10以及华为手机在AI手机领域赢在起点，但毕竟还是"端"上的AI，而"云"的AI才是今天更多企业竞争的大舞台。在这方面，一向以“打硬仗”著称的华为，再次从底层切入，开发AI芯片，这也是华为内部代号为"达芬奇"作战计划的首要任务——华为希望通过AI芯片，将AI引入公司一切产品和服务中，包括电信基站和云数据中心、智能手机和监控摄像头等设备。
而这款芯片就是属于Max系列的昇腾910，被徐直军称为是“计算密度最大的单芯片”，昇腾910主打云场景的超高算力，其半精度算力达到了256 TFLOPS，比目前最强的NVIDIA V100的125T还要高一倍，采用7nm工艺制程，最大功耗为350W。
此外，昇腾310兼具极致高效计算和低功耗，是目前面向边缘计算场景最强算力的SOC，最大功耗仅仅8W。
大会中，徐直军结合当下人工智能的发展态势，主要谈了三个观点：
第一，人工智能将是一种通用技术。用AI的技术和理念去解决现在和未来的问题。这是未来我们能够构建竞争力的关键；
第二，AI将会改变所有行业；
第三，AI将改变每个组织。AI将降低传统岗位需求，而提高对数据库人才的需要。
此外，还提出了10个人工智能的重要改变方向：模型训练、算力、AI部署、算法、AI自动化、实际应用、模型更新、多技术协同、平台支持、人才获得。这十大改变既是华为对AI产业发展的期望，也是华为制定AI发展战略的源动力。
基于这十大改变，华为的AI发展战略包括五个方面：
投资基础研究：在计算视觉、自然语言处理、决策推理等领域构筑数据高效（更少的数据需求） 、能耗高效（更低的算力和能耗） ，安全可信、自动自治的机器学习基础能力
打造全栈方案：打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案，提供充裕的、经济的算力资源，简单易用、高效率、全流程的AI平台
投资开放生态和人才培养：面向全球，持续与学术界、产业界和行业伙伴广泛合作，打造人工智能开放生态，培养人工智能人才
解决方案增强：把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力
内部效率提升：应用AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量
随后，华为首席战略架构师党文栓详细解释了华为的全栈式、全场景解决方案，其中全场景包括四层：Ascend芯片；算力层CANN；支持端、边、云独立的和协同的统一训练和推理框架MindSpore；提供全流程服务（ModelArts）、分层API和预集成方案的应用使能层。
第一层是芯片设计层，即基于达芬奇架构开发的从Lite、Mini、Tiny、Nano到Max一系列芯片集成，适用任何场景，以最低功耗发挥最优性能。
第二层是算力层，华为开发的CANN能够兼具最优开发算力和算子性能两者，具有统一的API接口，致力于为开发者提供更好的开发平台。以reduce-sum开发案例为例，华为的开发效率提升三倍。
第三层是华为开发的统一训练和推理的框架Mindstore，其支持深度学习、强化学习、增强学习。值得一提的是，这一框架的大小不到50mb，存储空间需求也很小，集成了大规模分布式训练系统的芯片，助力不同模型开发和优化。
第四层是应用开发层，即提供全流程服务架构ModelArts。通常建模、运营等服务都是隔离的，华为设计的ModelArts可以为开发者提供更加简单的模型支持，从获取数据到适应变化，可以支持全流程的设计支持。具体包括适配模型架构，让不同场景的模型设计更加自动化的ExeML以及预集成解决方案，支持多领域（包括物流等不同场景）开发的CloudEI平台等。
其实，华为的AI战略也不是什么新鲜事。
华为最早公开对AI的“野心”可以追溯到2016年任正非的一次内部谈话。当时，任正非在华为诺亚方舟实验室座谈会上做了一次内部演讲，首次系统谈到了华为在人工智能领域的战略。
任正非提到，华为的人工智能要瞄准服务主航道，下决心打造公司内在能力，先不做边界外的事情，不做社会上的小产品。在研发层面，他表示，不做小商品赚钱，而是“趁着这几年有的是钱，要大力投入”。自此，华为的AI战略初露端倪。
值得注意的是，诺亚方舟实验室是华为于2012年设立在香港的实验室，主要从事人工智能学习、数据挖掘研究等前沿科技领域，这也可以视为华为正式投入AI基础研究的先导信号之一。
而云端AI芯片市场广阔，是“兵家必争之地”，于是，国内外科技巨头则开始纷纷抢占先机展开布局。
GPU芯片市场上，英伟达市场占有率高达70%，是当之无愧的芯片领域霸主；谷歌在2016年推出了专为机器学习定制的专用芯片TPU，已经被其应用在了AlphaGo、搜索、翻译、相册等背后的机器学习模型中，今年2月，谷歌云TPU 宣布向外部用户开放。
国内竞争态势也愈演愈烈。2018百度AI开发者大会上，李彦宏发布了百度自主研发的 AI 芯片“昆仑”，并宣称这是中国第一款云端全功能AI芯片，也是目前为止业内设计算力最高的AI芯片；而在今年9月的云栖大会上，阿里巴巴宣布成立芯片公司平头哥半导体有限公司，打造面向汽车、家电、工业等诸多行业领域的智联网芯片平台，阿里巴巴还将在明年4月发布第一个神经网络芯片。
内外夹击之下，华为AI布局的声音也越传越开。
今年4月，徐直军提到，“我们把人工智能定位为一个使能技术，希望通过人工智能技术引入我们的智能终端、云和网络，带给客户更多体验提升和商业价值”。
因此，华为云EI和华为AI手机，可以看做华为人工智能战略的云侧和端侧。华为认为，Mobile AI=On-Device AI + Cloud AI，构建芯、端、云协同发展人工智能，这三个方向所对应的分别是芯片、EMUI智能引擎、智慧服务三层能力，作为华为的AI移动计算平台，开放给全球的开发者和合作伙伴。
可见，华为的AI战略在很早就开始，但一开始大都基于自身业务、解决内部实际问题，而不是纯粹的探讨技术“无人区”，先聚焦在企业内部的服务当中，试图通过从自用到赋能，来完成AI从人才到技术再到平台和产品的布局。其动作和谷歌、微软以及国内的BAT相比，稳健很多。
这也使得华为涉及AI业务的团队非常多，从事AI研发的人力也非常多，他们分头为各个业务部门服务，比如手机、芯片、媒体、操作系统等等，但应用最多的却是任正非提到的两大条线：解决华为内部运作的自动化问题和华为的业务服务问题，比如，华为供应链的智能装箱、物流和路径规划，以及报关、发票、风控、营销、网络安全等场景。于是，华为就有了企业中最多的AI使用场景，如任正非所说，“世界上还有哪个公司有这么大的业务量和数据量与我们比拼？”
这也体现出华为对AI的态度，例如：人工智能不能遍地跑；华为云坚持“不做应用、不碰数据、不做股权投资”；人工智能会不断推动人类进步；重复工作自动化，模糊判别智能化，是华为努力的方向。
这些原则之下，就是华为人工智能的聚焦投入：要急用先行小步快跑，要聚焦在确定性业务、人工消耗大的项目，不要铺开一个很广泛的战线；不要遍地都是智能化，这会形成全面开花没有结果的盲动，就有可能满盘皆输；先纵向打好歼灭战，旗开得胜后再横向扩张。
在这个战略的基础上，任正非才提出，即便未来AI泡沫破灭，也能实现华为AI大发展的策略。
