新基建，最近特別走紅的一個詞，而人工智能則是其中之一。
2016年，華為創始人任正非下達華為人工智能作戰指示並指出 ，人工智能才是大產業，是又一次改變信息社會格局的機會，人工智能才是華為發展的戰略要地。
2018年，華為輪值董事長徐直軍在HC 2018（華為全聯接大會），首次發佈華為AI戰略與全棧全場景AI解決方案，AI全流程開發平臺與工具，揭露了華為在人工智能領域的佈局。
人工智能於華為的重要性毋庸置疑，那麼，如何理解華為在人工智能方面的佈局？華為在人工智能方面研究達到什麼程度了？有哪些最新進展？具體落地成果如何？
3月27日-28召開的華為開發者大會2020（HDC.Cloud）無疑是尋找這些問題答案的一個很好的窗口。
因為疫情原因，本次大會以網上直播方式呈現，內容以“鯤鵬+昇騰”為核心，會議分兩天，第一天聚焦鯤鵬、第二天聚焦昇騰。
眾所周知，鯤鵬、昇騰是華為計算戰略的兩大核心基礎芯片族， 其中，鯤鵬是數據中心高性能處理器，昇騰是AI芯片。
因此，第二天可以說就是AI專場，這點從28日的Keynote很明顯可以看出來。
如何理解華為AI的“全”
在AI方面，華為最與眾不同的一點就是“全”，這也是華為一直在強調的優勢，在華為官方資料中，我們很容易看到諸如全棧、全場景、全流程等，那麼，這個“全”怎麼體現，如何理解？
事實上，人工智能從產業看，通常分為三層，分別是基礎層、技術層和應用層。
其中，基礎層包括芯片、技術平臺/框架、數據中心及數據服務；技術層主要分為三個領域，計算視覺，語音識別及語義處理，機器學習。應用層就比較廣泛了。
言歸正傳，我們來看看華為AI，在這3層都有哪些佈局？
基礎層
先看芯片，華為有昇騰系列，昇騰是華為AI解決方案的關鍵部分，是華為落地全面AI戰略的重要支撐。除此之外，面向通用算力有鯤鵬系列，終端側有麒麟系列，智慧屏的鴻鵠系列，顯然，AI芯片佈局非常完整。
眾所周知，要讓AI普惠，是需要工具來提升開發效率和門檻的，在技術平臺/框架方面，華為有自研AI計算框架MindSpore，對標業界兩大主流框架——谷歌的Tensor Flow、Facebook的Pytorch。需要強調的一點是，MindSpore不僅支持昇騰，也支持GPU、CPU等其它處理器。
在去年9月，華為在發佈昇騰910時已經發布了MindSpore，而今天（28日），華為MindSpore首席科學家陳雷博士宣佈， MindSpore在碼雲正式開源。
開發平臺，華為有ModelArts。早在2018年的HC大會，華為就已經發布，在2019年的HC大會上，ModelArts全面升級。而今天，在開發者大會上，華為雲通用AI服務總經理袁晶發佈了全新的ModelArts Pro。
ModelArts Pro採取了新的命名，背後是獨特的定位。
袁晶向筆者表示，ModelArts面向的是廣泛的開發者群體，而ModelArts Pro面向的是企業，定位的是企業級的生產工具。
除此之外，28日會上，華為雲還發布了全面升級的HiLens，HiLens是一個端雲協同多模態AI應用開發套件。
全面升級的華為雲HiLens推出多模態開發環境HiLens Studio、開發框架HiLens Framework及技能市場HiLens Skill Market。
最後，在近期召開的行業數字化轉型大會上，華為正式發佈了智能數據中心服務解決方案，提供從諮詢設計、集成實施、智能運維到運營支撐的全生命週期一站式服務。
而在數據服務方面，華為也一應俱全，大數據有FusionInsight、數據庫有GaussDB、存儲有OceanStor等。
綜上所述，華為在人工智能基礎層的佈局非常完整。
技術層
投資基礎技術研究是華為AI戰略的重要部分，據瞭解，華為致力於在計算視覺、自然語言處理、決策推理等領域構築數據高效、能耗高效、安全可信、自動自治的機器學習基礎能力。
計算視覺是人工智能技術研究三大方向之一。所謂計算視覺，就是讓機器擁有人類感知視覺信號的能力。
在今天的Keynote上，華為諾亞方舟實驗室計算視覺首席科學家田奇博士全面分享了華為計算視覺基礎研究成果，全球開發者可通過公開發表的論文及開源代碼，進一步開展AI的研究、開發和部署。
華為在計算視覺領域圍繞數據、知識和模型三大方向，過去兩年已在AI頂級會議CVPR、ICCV、NeurIPS、ICLR等發表80餘篇論文。
華為計算視覺的創新能力，從頂級會議論文數量看，已經進入世界第一梯隊，並且這些研究成果已通過學術論文和算法代碼開源等形式公開給業界。在當前研究基礎上，田奇博士還發布了華為計算視覺計劃，並邀請全球AI專家參與研究。
田奇表示：“華為將繼續加大投入計算視覺的基礎研究，不斷挑戰計算視覺領域三大問題，包括如何從海量數據中高效挖掘有用的信息、設計高效的萬物識別視覺模型，以及表達並存儲知識以邁向通用智能“。
介紹顯示，該計劃共有六大子計劃，包括：數據冰山計劃、數據魔方計劃、模型摸高計劃、模型瘦身計劃、萬物預示計劃、虛實合一計劃。
應用層
2018年，華為就發佈了機器學習PaaS平臺Atlas，提供了端、邊、雲的分級計算能力，大大降低了企業應用AI的門檻。
如今基於Atlas平臺的解決方案有哪些最新進展？尤其是面向開發者的具體落地成果如何？
會上，華為Atlas數據中心業務總經理張迪煊，分享了合作伙伴基於華為Atlas人工智能計算平臺的端邊雲全場景開發實踐，並深度解析了打造高密雲側AI推理方案的性能優化過程、雲邊協同支持高效邊緣推理以及極致低功耗端側推理的開發經驗。
南開大學李濤教授現場演示了基於Atlas 200 DK的視網膜篩查病變檢測的AI應用。
依瞳科技李勁博士分享了基於華為Atlas的開發實踐，並推出了業內首個支持華為昇騰910處理器的人工智能開源開放異構平臺。
張迪煊向筆者表示，截止目前，華為已與50多家合作伙伴推出了30多個聯合解決方案。目前，基於華為昇騰AI處理器的Atlas系列模塊、板卡、小站、服務器在智慧交通、智慧電力、智慧金融、智慧城市、智能製造等數十個行業落地。
當然，這僅是華為在HDC.Cloud2020第二天大會上分享的一些實踐及案例，實際上，華為AI的落地應用遠不止這些。
總的來說，基於多年積累和發展，華為在人工智能領域佈局，無論是在硬件還是軟件方面，是少有兩者兼顧的玩家，優勢還是非常明顯。
閱讀更多 老魚筆記 的文章
