數字爆炸時代，信息飛速增長，算力需求愈加急迫。

當下，華為布局了“一云、兩翼、三引擎”以及開放的產業生態，并始終圍繞信息采集、信息傳送、信息存儲、信息的學習推理與分發呈現整個信息流，以搭建計算產業。

在11月7日的西安昇騰開發者沙龍上，華為西安研究所副所長、質量與運營部部長曾昭毅概況了華為計算產業的四個戰略：

第一是面向端、邊、云的達芬奇架構；

第二是全場景、全系列的布局；

第三是“有所為，有所不為”的商業戰略；

第四是開放產業生態。

近幾年，華為昇騰提出普惠AI戰略，將AI開發者作為普惠AI戰略的核心，視開發者的成功為產業的成功，從產學研多方面加大AI人才生態的布局建設。到今年為止已與100多家高校達成合作并開設了華為昇騰人工智能系列課程。

在生態構建方面，華為昇騰的理念是，開發最好用的基礎軟硬件平臺，打造最好用的平臺工具，讓更多人加入AI浪潮。

在本站昇騰開發者沙龍上，華為昇騰的技術專家親臨線下向廣大開發者詳細解讀了昇騰生態與技術原理，與現場開發者展開了熱烈討論。

打造最好用的基礎軟硬件平臺，華為昇騰賦能AI計算生態

據相關數據顯示，AI領域當前的人才供需比為1%，行業滲透率只有4%。AI開發者的成長需要長期積累，要打破當下人才供需不均的局面，首先要解決AI算力平臺和基礎軟硬件的稀缺問題。

為此，華為打造了全棧的基礎軟硬件平臺。從手機到Atlas900，最底層的硬件已全部覆蓋用于人工智能計算中心的集群計算，硬件之上是異構計算架構CANN，目的是把芯片和硬件的算力充分的釋放出來。再往上是MindSpore框架，目前的1.0版本已實現全自動并行、全場景的協同和私人定制，完成了全流程的極簡。應用使能方面，核心是MindX，包括MindDL、Edge、modelZoo和SDK等部分。

華為昇騰計算業務副總裁薛武軍表示，華為將順應新基建浪潮，依靠國家規劃，積極同政府合作，在西安打造昇騰生態創新中心。此外，華為還將同教育部合作，共同推出面向未來培養人才的科研舉措。

ResC3D模型是結合去霧影像增強的創新算法，和時空注意機制的多特征融合模型的設計訓練得出的。遷移過程中，首先對輸入的大規模視頻手勢進行圖像融合預處理，利用ACL昇騰計算語言，將TF深度學習框架下的C3D模型通過atc命令轉換為om模型，并對om模型與pb模型進行對比，驗證了om模型轉換的正確性。其次，基于昇騰達芬奇架構進行特征學習和推理，最終通過C3D模型和SVM分類器將手勢視頻數據轉化為手勢類別結果輸出。

全流程AI開發的MindStudio

隨后，華為昇騰MindStudio專家工程師屈超富對MindStudio的全流程開發實踐進行了深度解讀。

MindStudio是面向昇騰芯片的全棧開發工具鏈，面向AI算子開發、模型開發、應用開發提供了全棧全場景支持，提供了應用開發、調試、模型轉換、模型可視化、編輯聯想、設備管理和定位功能，同時還提供了網絡移植、優化和分析功能，為用戶開發應用程序帶來了極大的便利。

屈超富在現場展示了MindStudio的界面，并對應用開發、模型轉換和算子開發的過程以及MindStudio提供的功能進行了演示。

云端一體化的昇騰異構架構CANN3.0

在人工智能領域，華為為深度學習量身打造了達芬奇架構，并于2018年推出了昇騰AI芯片，立足于自然語言處理、計算視覺和自動駕駛等領域，打造面向云端一體化的全棧式、全場景的解決方案，同時推出芯片高效算子庫和高度自動化的神經網絡算子開發工具CANN。

對此，華為昇騰AI資深布道師王曉雷圍繞昇騰異構架構CANN3.0的項目背景和產品定位，結合理論與實踐，講解了一系列軟硬件協同優化典型神經網絡的典型方法。

在芯片層之上，華為在端邊云推出Atlas系列產品，其中，采用昇騰異構架構CANN3.0，實現端邊云的全場景協同，在芯片使能層分別開放統一編程接口ACL和行業SDK，方便用戶操作底層硬件或者快速部署業務。

業界第一款支持自動并行的MindSpore深度學習框架

目前AI框架面臨模型規模大和復雜度高的挑戰，需要框架要有很好的分布式并行能力。對此，華為推出MindSpore深度學習框架。

活動現場，華為昇騰MindSpore高級工程師王聰首先介紹了MindSpore的總體架構和構建網絡模型的基本步驟。MindSpore推出Application+Bigdata自動并行能力，并內置大量API，讓開發者更易上手。最后MindSpore保障模型的高穩定性，提高模型抗攻擊能力。

隨后王聰分析了MindSpore的發展現狀，MindSpore目前是業界第一款支持自動并行的架構，其性能相對業界主流架構，有很大的性能提升。雖然同 TensorFlow還是有一定的差距，但仍在人工智能軟硬件應用生態發展中占有一席之地。

基于昇騰的海量硬盤異常檢測模型

云服務方面，由昇騰NAIE云服務技術專家周忠茂介紹了基于昇騰的海量硬盤故障檢測模型實戰。周忠茂首先對NAIE體系進行了概述：NAIE基于昇騰技術架構，通過云AI、網絡AI、網元AI多層協同，提供數據服務、模型訓練服務和網絡AI框架，使能ICT網絡行業智能化。他還分析了當前硬盤故障的檢測場景，基于模型訓練平臺特色功能，創建了昇騰+MindSpore的硬盤故障檢測模型訓練任務。

他認為，隨著5G的來臨，網絡部署和維護復雜度越來越高，運維難度也隨之增加。通過昇騰硬盤故障檢測模型，不僅減短了開發周期，而且其豐富的SDK，使通信領域AI開發更加簡單，極大地提高了效率，同時降低了成本。

基于昇騰的AI處理器應用開發實踐

隨著深度學習和計算機視覺的快速發展，相關技術已經在諸多領域廣泛應用。目標檢測作為圖像理解的重要一環，是機器視覺領域里最具有挑戰性的問題之一，其在人臉檢測、行人檢測、車輛檢測以及遙感影像中的重要地物檢測等領域都有應用需求。

華為昇騰應用開發工程師許業濤對目標檢測的關鍵技術進行了介紹，并詳細講解了整個昇騰AI處理器的應用開發流程：原始的模型在經過工程準備后，首先進行模型評估、模型轉換和精度評估，轉換過程中出現問題時需要通過循環多次的算子開發及調試，直到調優成功；完成之后就進入到業務開發的過程中，經過一系列處理之后再推送到各種設備，而MindStudio可以支撐整個應用開發的過程。

隨后，許業濤通過云端實驗，向現場的開發者們詳細演示了目標檢測應用開發的實戰過程，上機實戰需要通過Ascend官方社區（http://ascend.huawei.com/），同時開發者社區項目里也匯集了華為生態合作伙伴基于昇騰系列AI處理器的諸多前沿應用，開發者可以學習并拓展最熱門的AI實踐。上機介紹后，華為為參與實戰的開發者頒發了相關認證獎項。

華為昇騰生態自推出以來，持續迭代升級其硬件系列與軟件平臺，并逐漸覆蓋了更多使用場景。到現在，昇騰開發者沙龍已走過成都、杭州、廣州、上海、深圳、蘇州、南京、武漢、西安站，之后還將在北京、天津分享更多華為昇騰AI計算產業有意思的事，相信隨著華為昇騰的進一步“摧城拔寨”，昇騰會進一步吸引各地開發者來添磚加瓦，更好的夯實華為昇騰生態，從而加速全行業的深刻變革。
編輯：hfy