本站原創(chuàng)，作者：章鷹，電子發(fā)燒友執(zhí)行副主編。

11月14日，高交會1號館華為云展臺人頭攢動，華為全棧全場景AI十分吸引眼球。筆者與工作人員了解到，對這個概念，華為的解讀是：華為智能計算提供“技術全棧+產品開發(fā)+場景覆蓋+生態(tài)合作+行業(yè)使能”的全棧全場景智能計算新框架。華為如何解讀AI時代的算力需求。

同日，在深圳高交會的高新技術論壇上，來自華為Cloud& AI產品與服務 CTO張順茂分享了AI五大趨勢。從AI改變生產方式，到AI算力如何成為生產力，還有在智能硬件領域，如果實現云端邊協同，對AI前瞻發(fā)展已經有了充分的洞察。

圖：華為Cloud& AI產品與服務 CTO張順茂

AI人工智能、機器學習的層數鏈越來越多，從原來的8層、20層到152層。只有深度學習的神經元層度越深，學習的精度才可能越高。自動駕駛、人臉識別、文字識別會達到比較好的結果。層數越多，標志算力要求越高。

AI實用場景案例。ABB機器人使用AI技術之后，通過深度學習后，可以對玻璃瓶、塑料袋、罐頭等多種物品進行垃圾分類。機器人通過自主學習，可以分揀垃圾。深圳政府正在提倡垃圾分類，機器可以幫助人來解決這個問題。

第二個案例，用AI來提升我們現在工作。這是發(fā)生在南方電網的一個真實案例。高壓電線需要人工巡檢，一旦發(fā)生事故，會對電網帶來很大困難。如何用機器來代替人完成巡檢工作？無人機上加裝華為AI模塊、高清攝像機和3D電子地圖，無人機沿著高壓電飛行，對高壓電線任何出現的問題，都可以實時監(jiān)測出來。

無人機檢測故障的類型，可以通過不斷學習來增長種類。華為將軟件和AI硬件推理進行了分離，軟件下載到無人機上，無人機具有不同的智能，看到不同質量的漏洞。

趨勢一：AI將超越工具和支撐系統，成為基本生產力，改變各行各業(yè)的生產方式。

AI已經超越傳統信息化作為工具和支撐系統的角色，AI成為生產力，進入工業(yè)裝備行業(yè)。AI技術可以賦能各種行業(yè)，解放生產力。

趨勢二、算力大小，將決定生產力大小。

一個人是否聰明，是由他的學習力決定的。AI需要有算力決定了他的學習能力。

人腦有800億個神經元網絡，我們現在AI的能力、芯片的能力能做到多少呢？現在說AI很大程度上還不能夠替代人腦，只是人腦的延伸，主要的問題是：算力還不足夠的強大，功耗還比較高。人腦電極消耗非常底。算力決定生產力的大小。

我們看到Google在全球的發(fā)表論文數量越來越多。為什么？這跟Google的云算力是分不開的，因為它能夠很快分析計算出一些難題的結果。尤其當我們在大數據出現的情況下，有機緣來臨的情況下，從這些大量的數據里面，我們能夠洞察到什么？這需要算力。算力大小，決定了生產力的大小。

趨勢三、智能計算將無處不在，端邊云同構將成為必然。

算力不僅出現在數據中心，算力已經無處不在，從云、邊到端，甚至端側的arm芯片，這個系統就是我們發(fā)布的應用片數，比邊、中心側要多幾百倍。華為統計，目前為止有200多億Arm的芯片，包括華為麒麟使用的Arm的核，端側算力越來越多，邊緣側的部署也會越來越豐富。

云邊端的計算，如果有同樣的架構，會有更高的效率提升。效率的提升，比如繼續(xù)學習，我們學習到的一些算法和模型，這些模型如果能夠在云端也能運行，在邊緣的運用，在端頁的運行，協同效率就會更高。

邊緣側、端側部門規(guī)模要小一點，實驗要短一點。復雜問題要到中心進行計算。端邊云計算要協同。

趨勢四、AI成為人類腦力的延伸，助人類突破空間、時間和表象的一些局限。

5G到來后，我們發(fā)現一些工作可以不需要到現場，借助AI技術就可以完成。比如遠程手術、遠程醫(yī)療、遠程教育、危險礦山可以無人駕駛過去，機器可以在遠端AI學習后控制流程。

趨勢五、AI涉及大量數據，對個人隱私和安全保護就是一個巨大威脅。AI如何處理安全問題，問題越來越嚴峻。人工智能發(fā)展到一定階段，總是面臨著隱私和安全的沖突和平衡。

中國已經成為世界上人工智能發(fā)展最快的國家之一，部分指標已居于世界領先地位。但在AI飛速發(fā)展的過程中，技術作為雙刃劍引發(fā)的副作用同樣也不可忽視。張順發(fā)舉例說移動支付，通過視頻檢測、說話檢測，還有照片檢測，但依然還是存在漏洞的，怎么解決，這也是一個現實的威脅。

華為發(fā)布了《睿思于前：AI的安全和隱私保護》白皮書（以下簡稱“白皮書”），闡述了華為對AI安全與隱私問題和解決方案的思考與實踐，AI作為一種新的通用目的技術，在帶來巨大機遇和效益的同時也面臨安全和隱私保護的挑戰(zhàn)，包括技術的可靠性、社會的應用、法律的及時制定三方面。 AI的產品和應用涉及廣泛的生態(tài)系統和市場參與者，單靠任何一方的力量都難以應對復雜的AI安全和隱私威脅與風險，白皮書提出了AI安全與隱私保護治理責任共擔模型，列舉了五種責任角色，即消費者或客戶、應用開發(fā)者、部署者、全棧解決方案提供者和數據收集者，呼吁各角色對AI的健康發(fā)展共同努力。

華為看到AI價值和作用，2019年8月，華為發(fā)布算力最強的昇騰處理器Ascend910。昇騰處理器910具備強大算力，主要源于達芬奇架構，通常的神經元網絡的計算都是用向量計算、矢量計算等這些，我們在這些基礎上又引入了矩陣計算，而且這個矩陣可大可小。部署在規(guī)模大的運算，網絡層次多了，可以在云端。同樣，也可以網絡層次小的時候部署到端側。

華為已經把昇騰910用于實際AI訓練任務。其中，在典型的ResNet-50 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。每秒訓練的圖片數量從965張?zhí)嵘?802張。

張順茂舉例說明算力對生產力的推動。比如南半球的一個星空，在星空上有20萬個星星，我們要從中間找出某一個特征的星星，怎么找？采用華為昇騰910訓練的集群，我們可以讓在10秒鐘內完成任務，要應用之前的算力，大概要有半年的時間，一百六十幾天的時間才能夠找到星星。

據悉，8月29日，國家科技部宣布由華為來擔當建設基礎軟硬件，國家新一代AI開放創(chuàng)新平臺，此次入選的華為人工智能基礎軟硬件平臺，總體分為AI基礎硬件層、AI基礎軟件層和AI開發(fā)服務層。張順茂表示，在AI基礎硬件層面，華為打造了基于達芬奇芯片架構的Ascend(昇騰)系列IP和芯片、Atlas系列板卡、AI服務器等智能計算硬件，覆蓋云、邊、端全場景;在AI基礎軟件層面,華為云能提供基礎算子庫、全場景AI計算框架MindSpore等完整的服務;在開發(fā)服務層面，華為云ModelArts全流程模型生產服務為所有服務開發(fā)提供統一入口。各行各業(yè)的開發(fā)者可以基于這樣一個軟硬件的平臺，很快速的開發(fā)出方便地開發(fā)出自己場景下面的一些模型和應用和一些算法等等。