週五之後，AI風起，雲天變

上週五，華為“週五見”達成了刷屏級的效果。

其實一直關注我們的朋友，或許在此之前就不難推測出，華為如此鄭重的“週五之約“，應該是要釋出去年HC大會中已經披露定位和規格的昇騰910晶片。

果不其然，華為輪值董事長徐直軍在上週五發布了這款屬於Ascend-max系列、號稱地表最強算力的AI晶片。一時間關於AI、關係晶片的話題又重回大眾視野，提振了社會心氣。

對於昇騰910這個名字，AI愛好者可能已經不再陌生，那麼我們接下來的問題或許應該是，“週五”之後怎樣?換句話說，大家都已經從各種資訊渠道瞭解到，這此釋出的昇騰910是華為的AI大招，目前世界上最大算力的AI晶片。

但或許大家會好奇，這個大招對產業，對你我有什麼價值?它的能力將如何投放給廣闊的企業智慧市場需求?

所以在“後周五時代”，或許有必要進入昇騰910背後，窺探這片多米諾骨牌的釋放，可能會在AI與計算產業中引發連鎖反應。首當其衝受到影響的，必然是公有云市場。

昇騰910落地後，AI之風正向何處奔湧，雲端計算產業會蕩起哪些漣漪?這是一個值得花費我們更多時間來思考的話題。

雲與AI之變

瞭解昇騰910的產業價值之前，我們必須回顧雲端計算產業近幾年在遭遇怎樣的變化。

我們知道，從2012年到2018年，全球AI算力的需求增長了30萬倍。而今天隨著AI算力從科研與開發走向產業應用，這個曲線更加筆直地向上攀升。

深度學習為代表的第三次AI崛起，基礎技術邏輯是以某一目標訓練演算法模型，然後進行推理部署，達成所期待的耦合效果。

這就意味AI應用的流程包括訓練和推理兩大部分。企業想要獲取AI技術，要麼自己訓練，要麼使用廠商提供已訓練好的AI能力。

而無論是AI的訓練、開發，還是能力呼叫、場景部署，都是建立在計算基礎上的。而且AI任務本身需求大吞吐量、高併發、高延展性的算力，所以雲端計算是AI效率最高、貼合方式最緊密的主要算力提供方案。

這一點帶給雲端計算產業本身以非常強大的變化。過去雲端計算的價值，更多是對已有網際網路任務進行支撐，而現在雲端計算成為了獲取AI能力、開發AI能力的主要載體。從“支撐”到“獲取”，這完全改變了公有云對於客戶和市場的價值。

於是我們看到，AI開始作為雲端計算廠商的主要增長點。今天全球雲端計算市場的主要趨勢，是傳統老大哥AWS正在增速放緩，今年第二季度其增速有史以來第一次低於40%。而從去年開始大規模重組整合，以一系列AI能力、AI工具，以及部署靈活性為賣點的微軟Azure，異軍突起以極快的速度成為第二，雲+AI成為了微軟最賺錢的生意。為了繼續鞏固這一優勢，不久前微軟十億美元投資了OpenAI，意在與谷歌持續競爭未來的AI市場。

而以AI演算法能力著稱，坐擁TPU和TensorFlow框架的谷歌雲成為第三，今年穀歌預計在雲端計算業務營收超過80億美金，這將成為谷歌體系的最重要增長點。

而在國內市場，以AI技術著稱的百度雲、華為雲成為了崛起最快的兩朵雲。不難看出的是，全球公有云市場中，AI正在成為當之無愧的王牌。AI能力的強弱，也在成為雲增長的核心能力標準。

那麼什麼是雲+AI的核心能力呢?

從歐美雲巨頭的發展軌跡看，專項AI算力、框架、能力、開發生態是構成雲服務商與企業AI需求結合的四大聯接點。

而其中算力與框架，又是整個體系的支撐，是讓使用者可以自行研發AI模型的基礎，價值格外重要。比如谷歌雲這兩年的快速增長，其實是以其自研的訓練用AI晶片TPU為核心戰略，再將開發社群和TensoFlow的使用者捆綁到自己的雲服務中，達成短期快速增長。

而為了應對谷歌樹立的AI開發者之牆，微軟、Facebook等巨頭聯手打通旗下開發框架，併發布了ONNX等跨框架工具。

由此可見，專項訓練AI算力和開發框架，是如今構築雲端計算企業未來增長點的核心。而華為釋出昇騰910以及自研框架MindSpore，最直接受惠的當然就是直接應用其價值的華為雲。由於業界其他雲端計算廠商都使用英偉達的板卡作為AI算力來源，所以華為雲即將成為谷歌雲之外，唯一擁有自研訓練晶片和自研框架的雲服務廠商。

這意味著晶片和框架這場雲+AI的國際頂層競爭裡，加入了華為雲的坐席。而華為雲在昇騰310和邊端場景的應用佈局，甚至構成了比谷歌雲更加完整的全棧AI能力。這一資訊背後，預示著此刻已經風起雲湧的雲端計算產業，必將更加不平靜。

在明晰了雲+AI的產業格局之後，我們需要換個角度，從企業使用者的視角看看，昇騰910與華為雲的結合，到底將帶來什麼價值。

針對AI訓練的暴力計算，是不可或缺的產業基石

對於AI技術的應用者來說，AI分為兩個部分，也就是大家熟知的訓練和推理。這二者之間的關係就像培養一個人。訓練就像上學接受教育，推理就是開始找工作。

每個人都知道，換下工作比較容易，學校教育上個若干年可就成本很高了。不僅是要磨練學生，更是考驗家長和老師。對於AI來說也是如此，企業使用者應用AI能力並不難，但是想要自己訓練一個專屬的深度學習模型，把AI變成自己的專有競爭力，那可就困難了。

其中最困難的一項，就是訓練專項算力不足。我們曾經採訪過一位科研界的朋友，他設計了一個深度學習應用於生物醫療領域的演算法模型。但是用研究所採購的專項算力，申請一次四個月，訓練一次兩個月，出了錯誤就重來。這種算力情況，直接導致他到畢業也不可能完成研發。

大型深度學習模型訓練，是耗時、耗能、消耗算力最大的AI開發環節，但這一環節也是AI開發與創新的基礎。如果企業使用者和開發者不能獨立訓練大型模型，那麼AI將永遠停留在表層應用，無法產生差異化創新與深度結合行業的應用。

而解決方案也很簡單，用徐直軍的描述，就是對AI訓練進行暴力計算。只用當AI算力強到一定程度，用不講道理的姿態碾壓資料訓練，AI才能真正被千行萬業應用，成為眾智創新的新高地。

目前來看，昇騰910晶片就符合“暴力不講道理”的這個晶片“人設”。根據公佈資料，測試結果表明昇騰910算力達到了半精度 (FP16): 256 Tera-FLOPS;整數精度 (INT8) : 512 Tera-OPS。並且合規算力所需功耗僅有310W。更直接的對比是，運用在實際AI訓練任務中，在典型的ResNet-50 網路的訓練中，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倍的效能提升，每秒訓練的圖片數量從965張提升到1802張。

或許我們可以說得更直白一點，華為所指的主流訓練單卡，就是英偉達的V100。事實上，目前能夠基於雲服務獲取的AI訓練算力，只能來自谷歌的TPU和英偉達的V100。後者基本要通過亞馬遜的AWS來獲取。而根據英偉達方面的指摘，TPU2.0僅有V100二分之一的算力，並且限量出租。

於是我們能看到，基於雲服務的AI訓練算力是十足的稀缺資源，價格昂貴且難以預約。這樣的產業條件，顯然是無法促進AI行業真正向前發展的。

而現在，昇騰910部署到華為雲之後，全球開發者擁有了第三個選擇，中國公有云市場迎來了首個全棧雲+AI解決方案。加之昇騰910算力比V100更強，華為雲始終堅持普惠定價策略和充足能力供給，訓練這個天梯，或許真正能夠擁抱算力層的解決方案。

雲服務+AI訓練算力，是一顆名副其實的產業基柱。但是通往這個基柱的走廊，過去非常狹窄——企業和開發者要忍受各種成本限制，當昇騰910接入華為雲，這個走廊瞬間被拓寬，甚至開啟了一條全新通衢。

從廣泛佈局企業EI，到昇騰310和ModelArts的應用與生態建設，直到今天迎來昇騰910和MindSpore，華為雲的產業智慧化賦能能力，也迎來了質的提升。

補完AI重器，華為雲凝鑄產業賦能三叉戟

順著昇騰910的產業邏輯再往下看，會發現華為雲即將獻給市場的差異化能力，是全鏈條、無相容成本的AI培育。

AI訓練算力對於雲服務之所以重要，一方面是因為它本身對應著AI產業發展中的重要需求，另一方面，它也是全棧AI鏈條中極重要的上游支撐。當昇騰910被應用於華為雲體系，華為雲也就具備了完全基於達芬奇架構，提供從訓練、開發到場景部署和體系化應用的全面支撐。

在AI能力部署領域，華為雲已經基於昇騰310晶片，提供影像分析服務、OCR服務、視訊分析等服務，有超過50個 API基於昇騰310，日均呼叫量超過1億次，並且在快速增長。

在開發者使能領域，華為雲基於ModelArts開發平臺，為AI開發者提供全流程的模型生產服務，打通、覆蓋了從資料獲取-模型開發-模型訓練-模型部署的全鏈條，ModelArts已經積累超過3萬名AI開發者。

在場景推理部署和簡便開發之外，開始補完大規模AI算力，以及模型訓練的頂層環節，意味著企業使用者即將可以基於華為雲，完成從訓練-開發-推理-部署的全部生產到應用環節。這一鏈條的主要受益使用者，更多是自身有大量可訓練資料，並且要求AI技術滿足差異化、行業垂直化需求的企業使用者。

如果我們按照這個需求在市場中框定使用者，會發現補完昇騰910這個AI重器後，華為雲即將向三類客戶提供全棧AI賦能：

1、對AI研發有重度需求的網際網路企業、高科技企業，以及有AI創新渴望的科研機構、開發者。

2、需要訓練大量資料，並進行穩固部署，對AI安全有高度要求的大型政、企、研究機構。

3、對行業AI能力有深度研發、訓練需求的傳統行業+AI場景，其中尤其以工業場景為重心。

在公有云市場競爭激烈的今天，這三種客戶很可能構成接下來華為雲的企業智慧三叉戟，從而撬動人工智慧成為社會生產力，實現真正的普惠AI。

偉大的咖啡機：從全棧AI到普惠AI之路

以上所說，或許可以看作昇騰910晶片與華為雲的短期改變與目標。如果我們把視線拉長，或許可以來回答這樣一個問題：晶片和框架這些基礎設施，挑戰如此之多，為什麼華為依舊堅持要做?

不知為什麼，今天華為雲對AI所作的一切，讓我想起了一種我們已經習以為常的裝置：咖啡機。

千萬別小看這臺機器，把咖啡從研磨到煮沸、沖泡的全流程，整合在一臺裝置裡，是人類非常偉大的發明。它改變了咖啡原本的製作規則和製作門檻，讓咖啡隨手可得，咖啡館開遍大街小巷。

口味更多、等待時間更少、操作更簡單，咖啡機讓這種飲料真正普惠化了——甚至從一種少數人的貴族雅好，變成提高社交效率和工作效率的生產力工具。

華為雲今天在做的，其實就是把研磨、沖泡等各種AI流程，集中在公有云這臺裝置裡。讓開發者和應用者不需要去三大街磨咖啡豆，五大街請人幫忙煮咖啡，再回家花三天三夜等待——而整合的前提，是每一項關於AI咖啡的能力必須完整。

這個完整度，也就是華為所說的全棧AI，是指包括晶片、晶片使能、訓練和推理框架和應用使能在內的全堆疊方案。具體到軟硬體體系，華為全棧AI包括：基於統一、可擴充套件架構的系列化昇騰晶片和IP;晶片運算元庫和高度自動化運算元開發工具CANN;支援端、邊、雲獨立的和協同的統一訓練和推理框架MindSpore;開發者使能工具ModelArts，以及大量多層次API。

當這些能力和技術搭建成了完整可閉環的結構，華為雲才可能不斷壓縮其中的過度與相容成本，不斷迭代和提供更多能力。基於機械化高效率的AI咖啡，最終才能被端到千行萬業面前。

或許有人會好奇，在框架諸強林立的情況下，華為為什麼要做自己的框架MindSpore。答案在於，MindSpore主要努力方向是開發態友好和執行態高效，並且能適應端、邊、雲的不同場景。換言之MindSpore是一種強烈指向降低開發成本，提高開發成果可用性的深度學習框架，與華為云為開發者提供ModelArts平臺的思路一脈相承。

通過自研晶片降低成本，提升算力;基於開發框架和開發工具降低開發難度，提升應用效率;基於全棧架構降低相容門檻;基於全雲服務提供靈活可控、高整合度的AI基礎設施。最終的指向，是儘可能的成本壓縮與效率提升，讓AI從科研環境下的理論可用，轉化為工業生產環境下的產業可行。

徐直軍在昇騰910釋出會後回答記者時明確，昇騰會像麒麟一樣走向“不歸路”。換言之，全棧全場景AI能力將會不斷迭代滾動發展，這意味著華為雲將AI推向普惠的路，也是一條不達目標不會停下的路。

所以說，昇騰910真正指向的目標，是華為雲的普惠AI戰略，“+智慧，見未來”的決心;是使用者-雲端計算-AI能力之間的市場與服務重構;是AI門檻的規則改寫。

普惠AI任重路遠，山水迢遙自是題中之義。但基於華為的全棧全場景AI創造，雲+AI的基礎規則已經改變。

人類這種生物，從無在技術和生產力上退後的先例和可能。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31561483/viewspace-2655199/，如需轉載，請註明出處，否則將追究法律責任。