華為智慧計算：以Atlas之箭助企業衝破被封印的AI之門

我經歷過很多對AI企業的採訪。但往往給我留下深刻印象的，卻是那些“想用AI卻沒有成功”的企業。比如去年，我採訪過湖南一家物流公司。他們希望給自己的倉儲園區安裝智慧攝像頭系統，用AI來幫助監測菸頭、煙霧等意外情況，以及進行區域人臉識別來助力安防。

而我們瞭解到，這個設計的初衷雖然很好，但是在實際應用時卻出現了狀況——用普通的攝像頭，跑AI演算法效率太差;而市面上的智慧攝像頭又無法滿足企業預期;研發人員想買AI加速卡來幫助攝像頭體系部署演算法，卻發現主流的加速卡不僅價格非常昂貴，還往往沒有現貨，要等相當長的時間。

由此可見，雖然AI的第三次熱潮正極大地刺激著企業的神經，但對於廣大企業來說AI之門仍被“封印”。問題出在哪呢?

冷靜地想一下，AI走進千行萬業，需要的不僅是雲端計算與大資料服務，而是要在邊緣場景、端側場景部署大規模算力，需要應對企業具體生產場景對AI算力的定製化需求，以及企業的成本負荷能力。比如這家物流公司，他們必須要在攝像頭和園區邊緣計算場景中獲得充沛算力，並且成本不能過分高昂，才有可能真正打造一個心目中的智慧園區。

然而理想總是撞上骨感的現實。AI產業迅猛爆發導致的邊端側算力需求猛增，實際遇到的卻是行業內只有極少供應商能夠提供相關產品。對於渴望智慧化轉型的初創企業和中小企業、實體經濟企業來說，邊端側算力飢渴正成為切膚之痛。

而這種普遍存在的焦慮，今天也在成為智慧計算市場發生變革的驅動因素。

焦旱：“智慧+”前夜的算力困境

從本質上講，AI算力問題不是單一的技術或者成本、效能矛盾，而是一個複雜的綜合問題集合。這樣錯綜糾結的困境，對於在渴望AI的企業來說，就像上古傳說中天有十日，十個太陽從不同的角度烘烤著剛剛進入AI行業的企業和開發者，經常讓他們手足無措。

我們所採訪的那家企業園區的困境，非常有代表性：想到了要購買端側AI加速產品，卻驚訝地發現成本hold不住，甚至乾脆買不到，正是今天大量中小企業的集體痛點。

這是由市場供需而決定的。在端邊側AI算力加速這個十分重要的領域，目前市面上提供的產品選擇，確實非常稀少。

目前主要的供應商，基本上是英偉達一家獨大。作為近幾年英偉達AI戰略的重要部分，to B的嵌入式智慧產品成為了其戰略核心組成部分，TX2嵌入式模組、 P4加速卡等產品佔據了主流，而3月GTC大會剛剛釋出的Jetson Nano新產品也廣受關注。

近兩年，英特爾也開始進入這個領域，在2016年底收購了Movidius之後，逐漸推出了面向AI和機器視覺場景的Movidius系列產品，但其在市場中聲量較小。寒武紀和位元大陸等AI創業公司也推出了相關產品，但目前還都不成熟。

一家獨大和產品選擇稀少，讓這個市場的供需關係長期失衡，束縛了企業使用者和開發者的手腳。

出於對算力掌控的考慮，近年來Amazon、Google、Facebook等國際網際網路巨頭，包括BAT等國內巨頭，都紛紛開始佈局人工智慧基礎設施建設，比如AI晶片。然而“財大氣粗”的網際網路大佬或許可以實現自我救贖，那麼更需要藉助AI完成產業升級和智慧化轉型的中小企業，到底要如何解決算力困境呢?

正如之前分析的，中小企業今天想要用到邊端側的AI算力，有幾個坎必須要過：算力產品太貴，難以支撐企業大規模部署;購買流程太長，官網經常要長時間排隊，導致有些企業只能選擇消費級產品頂上;相容性差，雲邊端無法協同，導致部署和開發存在種種困難——繼而這些困難還引申出解決困難需要大牛幫忙，又導致了需要的技術人才門檻太高，造成開發困境——有點像是惡性迴圈。

在這樣的情況下，如果始終缺乏新的“突圍者”，就會導致算力困境長期存在。企業需要的不僅是烈日灼燒下的稀有 “井水”或者短暫 “蔭涼”，更是在呼喚能夠“從根源破解熾日之局”的后羿：從AI基礎設施層面突圍、用價效比和產品優勢去打破這些規則。

鑄箭：“反常識”的Atlas

邊端側AI算力產品的供給不足與剛性需求，讓這一市場的突圍者在今天看來彌足珍貴。好在企業使用者和開發者並不需要等待太久。

在4月10日的華為智慧計算大會深圳站，華為正式推出了Atlas人工智慧計算平臺，這一系列也是華為智慧計算家族的重要產品。會上釋出了基於昇騰310晶片的Atlas 200 AI加速模組、Atlas 300 AI加速卡、Atlas 200 DK AI開發者套件、Atlas 500智慧小站四款產品。這四款產品的共同特性是：作用於急需算力產品解決方案的邊端側場景，並且以主流的效能搭配“頗有殺傷力”的價效比。

先來重溫一下這四款產品：

Atlas 200，是用於攝像機、無人機、機器人等硬體的端側AI加速模組，可以處理16路高清視訊的實時分析。

同時，為了幫助開發者在Atlas 200環境中進行開發，華為還推出了配套Atlas 200 DK AI開發者套件。

而Atlas 300 AI加速卡，則可以在視訊分析、OCR、語音識別、精準營銷和醫療影像分析等領域提供AI加速能力，能夠幫助開發者提升視訊分析和高密推理場景的算力效能。

最後的Atlas 500 智慧小站，是獨創性很強的邊緣智慧小站產品，可以在低功耗前提下部署龐大的AI算力，填補了邊緣側AI加速這個相對來說的行業空白。

可以看出的是，這四款AI算力產品，與企業在實際場景中部署AI遇到的機器視覺和運算推理等能力息息相關，也是今天大量開發者實際需要的主流產品。

而在當天釋出會上，最引人注目的一點在於，釋出這四款產品後，華為在現場就披露了4款產品的價格。對to B業務有了解的朋友，應該都知道這個領域的釋出會一般是不說價格的。而Atlas釋出會現場這個行為確實有點“反常識”的意味。一方面與大家印象中華為低調的風格不符，同時也與to B產業的行業規律不符。

為什麼華為願意在現場一反常態地“曬價格”?觀察其背後的邏輯，可以猜測為兩個原因：其一在於華為確實有底氣，對產品效能和價效比有絕對的信心;二是華為看到了算力的價格透明化，在現階段的AI算力產業中具有深遠的意義——如果有其合理性，那麼華為願意擔當顛覆者。

先看華為的“底氣”，我們可以通過官方提供的核心引數與價格，直觀地做出華為的Atlas與目前流行的英偉達主流產品之間的對比。不難看出，華為Atlas確實將邊端AI算力產品，在主流效能、算力更強的基礎上，對開發者和中小企業丟擲了具有誘惑力的價格——相似價格的產品中，Atlas提供了數倍於主流產品的算力。

(英偉達產品視代理商不同，存在價格差異。資料對比基於官方資料，實際應用效果需視業務與場景環境具體判斷)

同時值得注意的是，華為向來以工程能力強勁、服務優質和供貨充沛著稱。所以華為Atlas無形中的競爭力，在於降低了開發者的時間成本與意外成本。這也折射出華為構建萬物互聯的智慧世界的戰略意圖：要讓各行業真正進入普惠AI模式，讓他們用得好、用得起、用得放心，在“鑄箭”之時就已經想到要把成本降下來。

Atlas產品系列，本質上是在主流AI應用場景中達成了三個成本的下降：

直接算力成本：與英偉達的主流產品相比，極大幅度降低了單位算力價格，解決了應用者最關心的痛點。

未來產業週期成本：Atlas的產品設計思路，是將大算力整合在單一部件中。這符合AI演算法正在日益複雜，大規模並行部署和雲端無縫計算，將在未來不斷加大對單加速模組算力的考驗，也從側面降低了未來算力需求上去之後的更換成本。

開發成本：由於Atlas產品是基於昇騰 310 晶片的產品化，具備全棧開發優勢，一個架構可以讓雲邊端全場景部署AI，降低了相容成本。這其實是今天AI開發者最關注的領域。

一次“反常識”的產品釋出，讓Atlas一進入市場就以高姿態搭配高競爭力引發關注。這背後的邏輯在於，在AI算力乾渴已經成為一種常態的時候，那麼Atlas必須做的就是穿透規矩，成為“常態”的顛覆者。

或許可以這麼理解，每一款Atlas產品，都是華為為了射穿“算力烈陽”，鑄造的一隻利箭。

射日：從產品到生態釋放原力

在嵌入式AI和邊緣智慧層面，長期以來的現狀都是：開發者要將就，企業使用者很迷茫。在大家以為這將是長期現實的時候，Atlas就像石子落入湖水中，把沉悶的產業形態激起了漣漪，帶動了兩個方向上的改變。

第一個層面，Atlas產品的落地加速全棧全場景的產業變革。

首先Atlas作為實力產品，豐富了華為的智慧計算序列，為大量AI業務落地和AI生態生成夯實了基礎。同時基於昇騰310晶片的產品直接落地，也順勢引發大環境對昇騰910產品的期待，以及更多昇騰系列晶片的期許。從這一點上看，Atlas產品是極具延展性的平臺化產品。在邊端側AI加速產品這個相對的市場空白領域，為華為展開了一條新的賽道。

另一方面，Atlas對於AI行業生態的影響則更加深遠。

在衝擊產業痛點的同時，其“明碼實價”的玩法，很可能倒逼行業進入成本下降的普惠週期，進而促使行業打破潛在的壟斷趨勢，重新讓賽道統一，催化新的算力成本標準出爐，繼而可能連鎖引發AI基礎設施的重構，與開發想象力的極大提升。

無論是華為內部的產品意義到戰略價值，還是對整個產業生態的影響，Atlas正以技術價值和產品邏輯，影響著AI產業的未來軌跡。而兩條線索最終匯合成一句話：AI可以通過基礎設施層面的創新，達成真正的普惠。

普惠AI的起點是算力成本的下降，那麼下一步呢?從邏輯上來講，接下來Atlas需要承擔的責任是進一步賦能開發者，開啟AI開發生態局面，進而為廣大中小企業和創業企業找到進入“智慧+”世界的道路。

這一步確實已經邁出，Atlas產品釋出一個月後，華為將於5月10日在蘇州舉辦的“華為智慧計算大會”上，正式啟動“華為Atlas人工智慧開發者大賽”，會議詳情可關注“華為智慧計算”微信小程式。

值得注意的是，大賽除了提供已釋出的Atlas四款產品，還將Atlas 800深度學習系統納入參賽產品，這應該就是支援AI雲端訓練的異構伺服器。有了這款利器的加入，華為實際上已經完成了可以在雲邊端部署的AI訓練和推理產品的佈局。

賽事規定，參賽者可以依託Atlas人工智慧計算平臺打造不同場景的軟硬體解決方案。比如基於Atlas 200 AI加速模組的智慧攝像頭、無人機、機器人、智慧硬體、邊緣AI硬體;或者基於Atlas 300加速卡的人臉識別、車輛識別、影像識別等解決方案。有興趣的開發者朋友不妨登陸“華為雲”官網，搜尋“華為雲大賽”，選擇“Atlas賽道”，看看是否有自己大展身手的機會。

回顧一下全文的邏輯，有幾個關鍵節點，或許是值得廣大企業使用者和AI開發者注意的：

1、邊端側的AI算力產品十分重要，但市場矛盾相當突出。

2、華為Atlas系列產品的進場，意味著這一市場的預設局面已經出現了改變。高價效比和易用性，很可能成為未來這一市場的主要爭奪點。

3、普惠AI，必然從算力普惠開始，面向AI生態做出更多貢獻。AI基礎設施的建設，還有漫漫長路。

好訊息是，即使企業AI封印之痛真如熾日當空，Atlas與無數AI開發者的“射日之箭”，也已經離開了弓弦。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31561483/viewspace-2643746/，如需轉載，請註明出處，否則將追究法律責任。