十四五產業圖譜湖州吳興區南太湖高新區科創園招商推介產業規劃鄉村振興新舊動能轉換特色小鎮
當前位置:首頁 > 產業 > 公司 > 正文

AI算力需求爆發式增長 這幾年華為在做些什么?

來源:TechWeb 2019-08-23 09:25中投投資咨詢網 A-A+

  看似高深的人工智能(AI)技術,其實已經“潤物細無聲”地深入大眾生活,僅你手中一部華為Mate20手機,就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。這背后,依仗的是手機算力的大幅提升。其中小小一枚一分錢硬幣大小的華為麒麟980手機芯片,就集成了69億個晶體管,具備每秒鐘完成萬億次級運算的能力。你可能想不到,如今自己手中任何普通智能手機的算力,甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。

  數據、算力和算法,驅動著人工智能的第三次浪潮。其中,算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人,用于云端的AI芯片需要處理自動駕駛等復雜場景的海量數據,又需要多強大的算力呢? OpenAI近期發布的研究顯示,僅2012年以來,人們對于算力的需求增長六年就超過 30萬倍,平均每年增長10倍,遠遠超過了摩爾定律的發展速度,因為深度學習神經網絡需要對張量(可以簡化理解為矩陣)進行大規模并行計算,顛覆了傳統的浮點計算,對算力的需求正在出現指數級的爆炸式增長。例如原來1個時鐘單元只能計算1次浮點計算,現在可以通過新的算子同時對N*N的矩陣計算,如果N=10,那就是同時計算了100次,計算次數較原來增長了100倍,新算子帶來了對新芯片的強大算力訴求。

  如果說2019年最受輿論關注的ICT和智能終端廠商是華為,那么其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend(昇騰)910芯片,則是人工智能圈本年度最期待的AI芯片。

  面對 AI 算力需求的爆發式增長,這幾年華為在做些什么?

  率先將專用NPUAI芯片引入手機

  人工智能發展中,我國在數據方面具備優勢,但在算法與算力方面仍待發展,尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題,大大抬高了算法研究和創新門檻,阻礙著AI的全行業普及和應用。

  正因如此,盡管AI芯片在金錢、時間和人力各方面的研發成本高昂,但在AI商業賽道上,各廠商都在打造各自的芯片體系,其中多為聚焦于某一應用或某一場景的互聯網和芯片廠商,也不乏ICT大廠。國內廠商中,華為在AI芯片的布局堪稱“經典”。

  在AlphaGo一戰成名之前,絕大多國人就已經完成了從功能手機到第一代智能手機的換代,不斷增長的手機系統自帶功能特性和第三方應用,刷新著用戶的體驗。無論是AI功能還是場景化AI服務,都需要手機完成復雜深度學習算法模型運算,計算密集復雜,計算需求巨大,實時性非常挑戰;同時運行環境受限,功耗、內存、存儲空間非常挑戰,因此強大的算力是必須的。

  如何將人工智能引入到手機終端,是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。

  2017年9月的柏林電子消費展上,華為正式向發布全球首款移動端AI芯片麒麟970,一個月后發布了搭載麒麟970的旗艦手機Mate 10。麒麟970是全球首款內置了獨立神經網絡處理單元(即NPU)的人工智能芯片。華為第一個將NPU引入手機芯片,在此之后,蘋果、三星等廠商紛紛跟進,到今天,AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優于CPU、GPU和DSP這些通用計算單元。同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著,麒麟970芯片可以用更少的能耗更快地完成AI計算任務。

  在NPU的加持下,手機功能也會變得更加強大。例如使用語音功能時,AI會對當前語境和內容進行細致的分析,從而實現高準確率的識別體驗,將語音識別的成功率提升到更高的級別。這樣一來,以智能助手為主語音功能就得以替代傳統的手工輸入,扮演更重要的角色,或許以后大街上見不到邊玩邊走“低頭族”,而是更多人對著手機“自言自語”了。

  在用戶十分關心的拍照方面,AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器,在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬件優化、再配合人工智能的計算機視覺分析,便能自動分析畫面內的物體,并選擇當前最佳的拍照模式,甚至可以進行物體追蹤對焦和預測用戶拍照時機,提供前所未有的拍照體驗。

  麒麟970的推出,成為傳統智能手機和未來AI手機的重要分水嶺,AI手機的發展也從單純的算法優化進入了硬件能力的真·人工智能比拼階段。

  2018年8月,同樣是在柏林電子消費展上,華為又發布了全球首款7nm人工智能手機芯片——麒麟980。

  1納米等于1毫微米(即十億分之一米),約為10個原子的長度。一根頭發絲直徑約為0.1毫米,而7nm相當于頭發絲的萬分之一,在不到1平方厘米的麒麟980內部有高達69億個晶體管。從芯片工藝上看,7nm相當于70個原子直徑,逼近了硅基半導體工藝的物理極限,麒麟980實現了在針尖上翩翩起舞。華為消費者業務CEO余承東表示,麒麟980的7nm工藝是由超過1000多名半導體工程師組成的團隊歷時3年時間、經歷超過5000多次的工程驗證精心打磨的成果。

  相對于麒麟970來說,麒麟980全面升級。以圖像識別速度為例,麒麟970可達到約2005張每分鐘,而麒麟980在移動端雙NPU強大算力加持下,實現每分鐘圖像識別4500張,識別速度相比上一代提升120%,遠高于業界同期水平。隨之而來的,是人臉識別、語音助手、AI拍照,及各類智能美拍P圖等APP在手機上的全面升級。

  同時,面對更海量的用戶,麒麟710讓更多消費者享受到人工智能的樂趣。到了2019年,華為推出麒麟810芯片,這是華為第二款7nm工藝的手機芯片,也是華為首款自研達芬奇架構NPU的手機芯片,這意味著更多海量用戶享受到專用NPU帶來的旗艦級的AI體驗。

  至此,華為完成第一輪在手機端的AI芯片布局(麒麟970、麒麟980、麒麟710、麒麟810),手機產業也正式走入了AI時代。

  “達芬奇”構建端邊云算力大爆發基礎

  AI賽道比拼,影響的絕不僅是手機端,邊緣側、云側的硬件算力、數據算法等元素無一不處于白熱化的競賽之中,幾乎每天都有新的論文、新的產品問世。

  如果說華為在芯片上的持續投入屬“居安思危”,顯示的是其遠見與決心。那么,華為在人工智能領域的野心則更為宏大,這一次,華為不僅要覆蓋云、邊、端各種場景,還要形成從應用使能到系統到芯片的閉環。

  2018年10月,華為在其全聯接大會上首次提出全棧全場景 AI 解決方案,華為輪值董事長徐直軍表示,“全場景,是指包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。全棧是技術功能視角,是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。”

  其中,全棧AI的基礎,是一系列基于統一的達芬奇架構的AI芯片——從IoT到終端(如麒麟芯片的NPU)、到邊緣側再到云。在會上,徐直軍還宣布,“外界一直在傳華為在開發AI芯片,我要告訴大家,這是事實,我們今天發布兩顆AI芯片:華為昇騰(Ascend)910和310。”此言一出,立刻在國內外人工智能圈子驚起波瀾——華為終于祭出了大招。

  達芬奇架構針對AI運算特征而設計,以高性能3D Cube計算引擎為基礎,實現了算力和能效的大幅提升。從云、邊緣、端獨立的和協同的AI實際需求出發,從極致低功耗,到極致大算力的AI場景,為云、邊、端之間的算法協同、遷移、部署、升級和運維,提供了統一架構底層核心支撐,大大降低了人工智能算法開發和迭代的門檻,降低企業人工智能部署和商用成本。

  目前,昇騰(Ascend)芯片家族中的昇騰310已經落地商用。基于昇騰310,華為陸續發布了包括Atlas 200、Atlas 300、Atlas 500、Atlas 800等產品,已被廣泛應用于安防、金融、醫療、交通、電力、汽車等行業,涉及攝像機、無人機、機器人、智能小站、MDC(Mobile Data Center)等產品形態。并提供基于昇騰310的AI云服務,比如華為云圖像分析類服務、OCR服務、視頻智能分析服務等超過50款API已經基于昇騰310,日均調用量超過1億次。另有大量企業客戶正在借助昇騰310芯片自己開發算法服務。

  隨著昇騰310相關產品大規模上市,外界對昇騰910的期待更盛。畢竟,去年10月,徐直軍在會上公布,“昇騰910是計算密度最大的單芯片,最大功耗為350W,半精度為(FP 16)256 Tera FLOPS,比英偉達 V100的125 Tera FLOPS還要高出近1倍。若集齊1024個昇騰910,將會出現迄今為止全球最大的AI計算集群,性能也將達到256個P,不管多復雜的模型都能輕松訓練。”簡單來說就是,昇騰910是業界算力最高的AI處理器,相同功耗情況下,它的算力是業界芯片的2倍,最強CPU的50倍。

  全棧全場景AI逐步落地

  除了昇騰系列芯片外,華為提出的全棧AI,還包括支持端、邊、云獨立的和協同的統一訓練和推理框架MindSpore,芯片算子庫和高度自動化算子開發工具——CANN,提供全流程服務(ModelArts)、分層API和預集成方案的應用使能。

  其中,在2019年已經落地實現商用的,除了昇騰310,還有其面向用戶和開發者的門戶——華為云ModelArts。作為一站式AI開發平臺,ModelArts可以提供海量數據預處理及半自動化標注、大規模分布式訓練、自動化模型生成,及端-邊-云模型按需部署能力,幫助用戶快速創建和部署模型,管理全周期 AI 工作流。2019年5月,在斯坦福大學DAWNBench榜單,華為云ModelArts獲得圖像識別訓練第一,ImageNet-1k數據集上用128塊V100 GPU訓練ResNet-50模型僅需要2分43秒,而在2017年10月,斯坦福DAWN的訓練時間是13天10小時41分鐘。斯坦福大學DAWNBench榜單幾乎聚集了國內外領先AI廠商,ModelArts如果由強大的昇騰910加持,是否能進一步刷新世界紀錄?若再采用1024個昇騰910的全球最大AI計算集群,又將出現什么樣的成績?

  從端側到邊緣側再到云側,從底層硬件到深度學習框架再到上層應用使能,華為的全棧全場景AI戰略正在逐步落地。在一年前關于AI的豪言中,哪些是華為下一步將要向市場兌現的呢?我們拭目以待。

關鍵詞:手機產業 AI時代
中投投資咨詢網版權及免責聲明
  • 1、中投投資咨詢網倡導尊重與保護知識產權。如發現本站文章存在版權問題,煩請聯系[email protected]、0755-88350114,我們將及時溝通與處理。
  • 2、凡本網注明"來源:***(非中投投資咨詢網)"的作品,均轉載自其它媒體,轉載目的在于傳遞更多信息,并不代表本網贊同其觀點和對其真實性負責,不對您構成任何投資建議,用戶應基于自己的獨立判斷,自行決定相關投資并承擔相應風險。
免費報告
相關閱讀
大健康投資前景
大健康產業投資前景預測 大健康產業投資前景預測
熱門報告
神秘的百慕达客服
广东快乐10分彩乐乐 捕鱼达人2破解版安卓 游戏多的棋牌平台? 湖北11选5网上投注 股票融资公司 东方6 1开奖结果查询果 足球体育彩票 老快3推荐 河北20选5复式表计算 广东推倒胡麻将8局开挂 涨停*股票 网上捕鱼游戏怎么赚 下载梦幻国际最新版 河源百搭麻将惠州版 山东11选5开奖走势图山东 快乐10分计划