華為算力最強AI芯片商用：2倍于英偉達V100！開源AI框架，對標TensorFlow和PyTorch

本文經AI新媒體量子位（公眾號 ID: QbitAI）授權轉載，轉載請聯(lián)系出處。

剛剛，華為業(yè)界算力最強的AI芯片正式商用。

并且宣布自研AI框架MindSpore開源，直接對標業(yè)界兩大主流框架——谷歌的Tensor Flow、Facebook的Pytorch。

華為AI芯片昇騰910之前已經發(fā)布，現(xiàn)在正式商用，對標英偉達Tesla V100，主打深度學習的訓練場景，跑分性能2倍于英偉達。

華為輪值董事長徐直軍說，這是華為全棧全場景AI戰(zhàn)略的實踐體現(xiàn)，也希望進一步實現(xiàn)華為新愿景：打造“萬物互聯(lián)的智能世界”。

但毫無疑問，華為入局，自研AI計算架構，肯定會進一步影響AI基礎技術和架構格局，特別是美國公司的壟斷。

MindSpore發(fā)布后，華為已經實現(xiàn)了完整的AI生態(tài)鏈，加上此前發(fā)布的ModelArts開發(fā)平臺、Atlas計算平臺，囊括了從芯片、框架、部署平臺到應用產品完整層級。

在當下這個大環(huán)境中，這些動作也具備了自立自強、不受人掣肘的寓寄。

如今現(xiàn)狀，AI領域的關鍵技術，比如算力、框架、算法等等，主要還是由少數(shù)幾家美國公司提供。

比如訓練芯片，主要由英偉達（GPU）、Google提供（TPU）；框架則是Google的Tensor Flow、Facebook的Pytorch等成主導；原創(chuàng)AI算法的發(fā)明，也只是在少數(shù)幾個廠商或者研究機構手中。

這直接導致一些企業(yè)想要介入AI的時候，發(fā)現(xiàn)門檻很高，除了需要大量數(shù)據(jù)之外，還需要面臨算力稀缺、硬件昂貴、人才難找等問題。

現(xiàn)在，華為要用實際行動改變這一現(xiàn)狀。

AI領域的“鴻蒙OS”

MindSpore，與其他主流的框架不同，這是一款全場景的AI計算框架，也是一款“操作平臺”。

不僅僅可以用于云計算場景，也能夠應用到終端、邊緣計算場景中。

也不僅僅是一款推理（部署）框架，也可以用來訓練模型。

徐直軍表示，這背后可以實現(xiàn)統(tǒng)一架構，一次訓練，到處部署，可降低部署門檻。

從這個角度來看，MindSpore也可以視為AI領域的“鴻蒙OS”。

此外，這一框架面相的也不僅僅是開發(fā)者，也面向領域專家、數(shù)學家、算法專家等等在AI中角色越來越重要的人群。

徐直軍介紹，MindSpore的界面上也更加友好，在表達AI問題求解的方程式時，更加便利，更易于算法的開放與創(chuàng)新，推動AI應用的普及。

用MindSpore可降低核心代碼量20%，開發(fā)門檻大大降低，效率整體提升50%以上。

通過MindSpore框架自身的技術創(chuàng)新及其與昇騰處理器協(xié)同優(yōu)化，有效克服AI計算的復雜性和算力的多樣性挑戰(zhàn)，實現(xiàn)了運行態(tài)的高效，大大提高了計算性能。

除了昇騰處理器，MindSpore同時也支持GPU、CPU等其它處理器。

與此同時，MindSpore也采用新AI編程語言，單機程序可分布式運行，是一個全場景框架。全場景是指MindSpore可以在包括公有云、私有云、各種邊緣計算、物聯(lián)網行業(yè)終端以及消費類終端等環(huán)境上部署。

而且，這一框架將會開源開放，可靈活擴展第三方框架和芯片平臺。

當然，徐直軍說，如果用華為的昇騰系列芯片，效果會更好，可進行全離線模式執(zhí)行運算，充分發(fā)揮神經網絡芯片算力，實現(xiàn)最佳性能搭配。

畢竟，MindSpore作為華為全棧全場景AI解決方案中的核心步驟，是首個Ascend Native開源AI計算框架，會更適合達芬奇架構的AI芯片，尤其是昇騰910。

而且MindSpore針對現(xiàn)在越來越大的訓練模型做了更多的優(yōu)化，用戶無需了解并行運算的細節(jié)，只需了解單芯片部署，就可以在計算集群上進行并行計算。

徐直軍表示，MindSpore會在明年第一季度正式開源。

昇騰910正式商用

昇騰910，在2018年10月華為全連接大會期間曝光，采用華為自研的達芬奇架構，號稱“算力最強的AI處理器”，采用7nm工藝制程，最大功耗為350W，實測310W。

此次發(fā)布用于上市商用，直接對標英偉達Tesla V100，主打深度學習的訓練場景，主要客戶面向AI數(shù)據(jù)科學家和工程師。

主要性能數(shù)據(jù)如下：

半精度為（FP 16）：256 Tera FLOPS；

整數(shù)精度（INT 8）：512 Tera FLOPS，128通道 全高清 視頻解碼器- H.264/265。

在去年全連接大會上，華為就和友商對比了一下，battle的參賽選手包括谷歌TPU v2、谷歌TPU v3、英偉達 V100和華為的昇騰910。

“可以達到256TFLOPS，比英偉達 V100還要高出1倍！”

相同的功耗下，昇騰910的算力是V100的兩倍，訓練速度更快，用戶需要得出訓練產出的時間會更短。在典型案例下，對比V100，昇騰910的計算速度可以提升50%-100%。

在典型的ResNet50 網絡的訓練中，昇騰910與MindSpore配合，與現(xiàn)有主流訓練單卡配合TensorFlow相比，顯示出接近2倍的性能提升。

而且徐直軍還在會后明確表示：價格還沒定，但肯定不會高！

全球格局下的華為AI進展

2018年10月，在華為全連接大會上，徐直軍公布了華為全棧全場景 AI 戰(zhàn)略計劃，將數(shù)據(jù)獲取、訓練、部署等各個環(huán)節(jié)囊括在自己的框架之內，主要目的是提升效率，讓AI應用開發(fā)更加容易和便捷。

全場景包括：消費終端 (Consumer Device)、公有云 (Public Cloud) 、私有云 (Private Cloud)、邊緣計算 (Edge Computing)、IoT行業(yè)終端 (Industrial IoT Device) 這5大類場景。

重點在于全棧，包含基于達芬奇架構的昇騰系列芯片（Max、Lite、Mini、Tiny、Nano）、高度自動化的算子開發(fā)工具CANN、MindSpore框架和機器學習PaaS (平臺即服務) ModelArts。

隨著昇騰910正式商用以及MindSpore框架正式推出，華為全棧全場景AI解決方案愈發(fā)完善，競爭力也會隨之上升。

而且，華為之AI，也不僅僅是關乎華為本身業(yè)務，也應該從更加宏觀的角度去審視。

當下，AI落地已經成為無可爭議的大趨勢，大方向。

但中美關系日趨緊張的情況下，中國到底如何，也引發(fā)了更多關注。

近日，Nature最新發(fā)表了一篇，名為“Will China lead the world in AI by 2030?”，提出問題的同時，也審視了中國AI發(fā)展的現(xiàn)狀。

文章中援引艾倫人工智能研究所數(shù)據(jù)顯示，在最頂級的10%高引用論文中，中國作者占比在2018年已經達到26.5%，非常接近美國的29%。如果這一趨勢持續(xù)下去，中國將在今年超過美國。

需要場景？數(shù)據(jù)？金錢？人才？等等，這些都不差。

但為什么，卡脖子隱憂，AI領域依然存在。

核心還在于算力（芯片）與基礎技術。

Nature文章就指出，中國在人工智能的核心技術工具方面仍然落后。目前全世界的工業(yè)和學術界廣泛應用的開源AI平臺TensorFlow和Caffe，由美國公司和組織開發(fā)。

框架方面，百度的PaddlePaddle飛槳也不斷突破，雖然發(fā)展勢頭非常好，卻還是顯得勢單力簿。

更關鍵的是，中國在AI硬件方面的落后非常明顯。全球大多數(shù)領先的AI半導體芯片都是由美國公司制造的，如英偉達、英特爾、谷歌和AMD等。

中國工程院院士、西安交通大學人工智能與機器人研究所所長鄭南寧，接受Nature采訪時說：“我們在設計可支持高級AI系統(tǒng)的計算芯片方面也缺乏專業(yè)知識。”

雖然國內也有不少公司在努力，比如阿里、百度、依圖、地平線等等，都涉足了AI芯片領域，但大部分都聚焦在終端SoC和推理上面，用于訓練的大型算力芯片并不多。

鄭南寧預計，中國可能需要5到10年才能達到美國和英國基礎理論和算法的創(chuàng)新水平，但中國會實現(xiàn)這一目標。

來自柏林智庫的政治學者Kristin Shi-Kupfer也表示，基礎理論和技術方面的貢獻，將是中國實現(xiàn)長期AI目標的關鍵所在。

她同時強調，如果沒有在機器學習上沒有真正的突破性進展，那么中國在人工智能領域的增長，將面臨發(fā)展上限。

所以，Nature的問題：中國AI，到2030年能夠領先全球嗎？

今天華為給出一種解法，但一切還只是開始。

你怎么看？