华为提升计算业务部张选：全栈，全场景开发平台可以弥补AI人才的匮乏

Richard G Lipsey（Richard G Lipsey）在《经济转型：通用技术和长期经济增长》一书中提到尽管人类社会发明了无数，但历史上定义的“通用技术”仍在不断发展。 （GPT）只有26项发明，包括蒸汽机，电力和个人计算机。
我们不禁要思考AI是否可以成为下一代通用技术。经过数十年的学术发展，答案无疑是肯定的。
人工智能是多功能的，可以与各行各业相结合，并产生溢出值，这与理查德（Richard）等学者对GPT的定义是一致的。但是，AI的运行需要三个必不可少的元素：数据，算法和计算能力。
目前，我们的网络带宽可以容纳海量数据，并由尖端的数据科学算法支持，但是当计算能力不足时，所有应用程序都只是空中的城堡。 2018年，华为发布了全栈，全场景的AI解决方案：Ascend，旨在帮助中小企业解决计算能力不足的难题。
作为AI应用的重要基础架构，Ascend在过去两年中推出了AI芯片，全场景AI计算框架MindSpore，CANN等一系列基本软件和硬件，以构建完整的AI服务框架。该图显示了Ascend 310芯片架构，单个芯片可以支持16个通道的1080P @ 30fps视频解码要求。
据报道，基于华为Ascend芯片的Atlas 900 AI集群可以达到256P的计算能力，训练速度在“分钟级”上实现了突破。类似的集群训练速度约为70秒，而Atlas 900仅需要45.6秒。
华为数据中心如何帮助企业成为人工智能？如何同时满足不同场景下的客户需求？据华为提升计算业务副总裁张迪璇介绍，第一步是建立一个人工智能集群基础设施，以为中小型企业提供经济而强大的计算能力服务（Atlas）。打开底层的基本软件，创建一个简单易用的开发平台，并降低AI阈值（CANN 3.0，MindStudio）;最后，为企业提供定制的技术服务。
图为张迪璇接受媒体采访。 “在技术硬件平台上，我们拥有推理产品，例如主板和服务器。
首先，在功耗相同的情况下，我们可以以业界领先的美国公司1.5倍的速度训练深井网络。此外。
对于诸如面部识别之类的视频识别要求，我们的AI服务器可以同时处理80个通道，而业界领先的只能处理40个通道。先前的计算集群需要一千个芯片才能形成协同效应。
去年发布时，培训速度已经超过了分钟的水平。经过一年的优化，集群芯片的数量减少了一半，训练速度提高到了45.6秒。
相同行业的产品需要70秒。前几个月完成的培训任务仅需要一杯咖啡。
效率是促进人工智能发展的关键。企业中缺少AI人才，圣腾希望通过创建更简单易用的开发工具来帮助企业降低AI的门槛。
CANN 3.0是华为为深入开发人员提供的全场景AI模型框架，涵盖了生腾，麒麟手机芯片，摄像头芯片等IP，开放了手机生态和AI数据中心生态。 MindSpore的初衷是创建一个全栈，全场景的开源框架。
AI公司生产系统的大部分精力都在模型部署链接中，而80％的部署在边缘。将模型部署到手机面临巨大的成本问题。
通过全场景的协作和管理网络，培训数据模型可以快速部署在边缘。例如，项目团队今天要进行车辆识别，明天就可以将其分发到手机中。
非常灵活。今年3月，MindSpore正式开源。
MindStudio 2.0工具链包括工具安装，模型开发和操作员开发。它提供了可视界面。
UI窗口是一个WEB界面，并提供模型优化功能以方便开发人员进行部署。在图中，一个年轻的AI开发人员正在学习使用华为mxVision进行图形编程。
“目前，我们可以看到市场上的主流框架都是美国的。其中，PyTorch在学术界占有最大的市场份额，而TensorFlow具有很高的市场占有率。