本站原創，作者：章鷹，電子發燒友執行副主編。

11月14日，高交會1號館華為云展臺人頭攢動，華為全棧全場景AI十分吸引眼球。筆者與工作人員了解到，對這個概念，華為的解讀是：華為智能計算提供“技術全棧+產品開發+場景覆蓋+生態合作+行業使能”的全棧全場景智能計算新框架。華為如何解讀AI時代的算力需求。

同日，在深圳高交會的高新技術論壇上，來自華為Cloud& AI產品與服務 CTO張順茂分享了AI五大趨勢。從AI改變生產方式，到AI算力如何成為生產力，還有在智能硬件領域，如果實現云端邊協同，對AI前瞻發展已經有了充分的洞察。

圖：華為Cloud& AI產品與服務 CTO張順茂

AI人工智能、機器學習的層數鏈越來越多，從原來的8層、20層到152層。只有深度學習的神經元層度越深，學習的精度才可能越高。自動駕駛、人臉識別、文字識別會達到比較好的結果。層數越多，標志算力要求越高。

AI實用場景案例。ABB機器人使用AI技術之后，通過深度學習后，可以對玻璃瓶、塑料袋、罐頭等多種物品進行垃圾分類。機器人通過自主學習，可以分揀垃圾。深圳政府正在提倡垃圾分類，機器可以幫助人來解決這個問題。

第二個案例，用AI來提升我們現在工作。這是發生在南方電網的一個真實案例。高壓電線需要人工巡檢，一旦發生事故，會對電網帶來很大困難。如何用機器來代替人完成巡檢工作？無人機上加裝華為AI模塊、高清攝像機和3D電子地圖，無人機沿著高壓電飛行，對高壓電線任何出現的問題，都可以實時監測出來。

無人機檢測故障的類型，可以通過不斷學習來增長種類。華為將軟件和AI硬件推理進行了分離，軟件下載到無人機上，無人機具有不同的智能，看到不同質量的漏洞。

趨勢一：AI將超越工具和支撐系統，成為基本生產力，改變各行各業的生產方式。

AI已經超越傳統信息化作為工具和支撐系統的角色，AI成為生產力，進入工業裝備行業。AI技術可以賦能各種行業，解放生產力。

趨勢二、算力大小，將決定生產力大小。

一個人是否聰明，是由他的學習力決定的。AI需要有算力決定了他的學習能力。

人腦有800億個神經元網絡，我們現在AI的能力、芯片的能力能做到多少呢？現在說AI很大程度上還不能夠替代人腦，只是人腦的延伸，主要的問題是：算力還不足夠的強大，功耗還比較高。人腦電極消耗非常底。算力決定生產力的大小。

我們看到Google在全球的發表論文數量越來越多。為什么？這跟Google的云算力是分不開的，因為它能夠很快分析計算出一些難題的結果。尤其當我們在大數據出現的情況下，有機緣來臨的情況下，從這些大量的數據里面，我們能夠洞察到什么？這需要算力。算力大小，決定了生產力的大小。

趨勢三、智能計算將無處不在，端邊云同構將成為必然。

算力不僅出現在數據中心，算力已經無處不在，從云、邊到端，甚至端側的arm芯片，這個系統就是我們發布的應用片數，比邊、中心側要多幾百倍。華為統計，目前為止有200多億Arm的芯片，包括華為麒麟使用的Arm的核，端側算力越來越多，邊緣側的部署也會越來越豐富。

云邊端的計算，如果有同樣的架構，會有更高的效率提升。效率的提升，比如繼續學習，我們學習到的一些算法和模型，這些模型如果能夠在云端也能運行，在邊緣的運用，在端頁的運行，協同效率就會更高。

邊緣側、端側部門規模要小一點，實驗要短一點。復雜問題要到中心進行計算。端邊云計算要協同。

趨勢四、AI成為人類腦力的延伸，助人類突破空間、時間和表象的一些局限。

5G到來后，我們發現一些工作可以不需要到現場，借助AI技術就可以完成。比如遠程手術、遠程醫療、遠程教育、危險礦山可以無人駕駛過去，機器可以在遠端AI學習后控制流程。

趨勢五、AI涉及大量數據，對個人隱私和安全保護就是一個巨大威脅。AI如何處理安全問題，問題越來越嚴峻。人工智能發展到一定階段，總是面臨著隱私和安全的沖突和平衡。

中國已經成為世界上人工智能發展最快的國家之一，部分指標已居于世界領先地位。但在AI飛速發展的過程中，技術作為雙刃劍引發的副作用同樣也不可忽視。張順發舉例說移動支付，通過視頻檢測、說話檢測，還有照片檢測，但依然還是存在漏洞的，怎么解決，這也是一個現實的威脅。

華為發布了《睿思于前：AI的安全和隱私保護》白皮書（以下簡稱“白皮書”），闡述了華為對AI安全與隱私問題和解決方案的思考與實踐，AI作為一種新的通用目的技術，在帶來巨大機遇和效益的同時也面臨安全和隱私保護的挑戰，包括技術的可靠性、社會的應用、法律的及時制定三方面。 AI的產品和應用涉及廣泛的生態系統和市場參與者，單靠任何一方的力量都難以應對復雜的AI安全和隱私威脅與風險，白皮書提出了AI安全與隱私保護治理責任共擔模型，列舉了五種責任角色，即消費者或客戶、應用開發者、部署者、全棧解決方案提供者和數據收集者，呼吁各角色對AI的健康發展共同努力。

華為看到AI價值和作用，2019年8月，華為發布算力最強的昇騰處理器Ascend910。昇騰處理器910具備強大算力，主要源于達芬奇架構，通常的神經元網絡的計算都是用向量計算、矢量計算等這些，我們在這些基礎上又引入了矩陣計算，而且這個矩陣可大可小。部署在規模大的運算，網絡層次多了，可以在云端。同樣，也可以網絡層次小的時候部署到端側。

華為已經把昇騰910用于實際AI訓練任務。其中，在典型的ResNet-50 網絡的訓練中，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倍的性能提升。每秒訓練的圖片數量從965張提升到1802張。

張順茂舉例說明算力對生產力的推動。比如南半球的一個星空，在星空上有20萬個星星，我們要從中間找出某一個特征的星星，怎么找？采用華為昇騰910訓練的集群，我們可以讓在10秒鐘內完成任務，要應用之前的算力，大概要有半年的時間，一百六十幾天的時間才能夠找到星星。

據悉，8月29日，國家科技部宣布由華為來擔當建設基礎軟硬件，國家新一代AI開放創新平臺，此次入選的華為人工智能基礎軟硬件平臺，總體分為AI基礎硬件層、AI基礎軟件層和AI開發服務層。張順茂表示，在AI基礎硬件層面，華為打造了基于達芬奇芯片架構的Ascend(昇騰)系列IP和芯片、Atlas系列板卡、AI服務器等智能計算硬件，覆蓋云、邊、端全場景;在AI基礎軟件層面,華為云能提供基礎算子庫、全場景AI計算框架MindSpore等完整的服務;在開發服務層面，華為云ModelArts全流程模型生產服務為所有服務開發提供統一入口。各行各業的開發者可以基于這樣一個軟硬件的平臺，很快速的開發出方便地開發出自己場景下面的一些模型和應用和一些算法等等。