信息時代，算力即是生產力。

但你有沒有想過，算力每天都在算些啥？

萬物皆數，萬事皆算

曾經，人們對計算的理解，局限于數學計算。

直到克勞德·香農的出現。他敏銳地意識到，開關電路與邏輯運算之間具有相似性，并在論文中展現了如何利用電子電路來實現邏輯運算。

從此，計算的對象，不再只是純粹的數字，它也可以計算邏輯。

等到圖靈提出“圖靈機”的構想，用機器進行計算的野心則更加宏大。

圖靈機的藝術形式 | wikipedia

圖靈將人類的計算過程抽象為一系列規則，希望用機器模擬人類的整個計算過程，即所謂的通用計算。在此基礎上，人類造出了馮·諾依曼機?，F代幾乎所有電子計算機都是沿用這種架構。這種架構中，負責計算的核心部件，被我們稱作CPU（Central Processing Unit，中央處理器）。

馮·諾伊曼結構的設計概念 | wikipedia

此后，隨著信息技術的發展，圖像、音頻、視頻等其他信息載體，借助傳感器和信息編碼技術，也開始數字化，也開始被計算。

于是， GPU（Graphics Processing Unit，圖像處理器）出現了。GPU表示：CPU進行圖形運算效率太低啦，今后這部分工作由我專門來做。從那以后，C+G也成為了計算機的基本配置。

僅僅過了十數年，由于人工智能技術的發展，其對算力的龐大需求讓CPU和GPU都顯得力不從心，于是，Google干脆在研發“阿爾法狗”的時候，順便制造了專用的芯片：TPU（Tensor Processing Unit，張量處理器）。其后，一系列公司都開始針對人工智能開發專門優化的神經網絡處理芯片（Neural-network Processing Unit，NPU）。

這背后的本質，事實上是計算的對象發生了變化，計算的場景更加細分，需要的算力更加龐大，原有的硬件架構不再高效。

而不知不覺中，計算早已變得無處不在,萬物開始互聯。

在5G+AI的技術加持下，許多前所未有的對象、場景和應用，開始被感知、被聯接、被傳輸、被計算；進行計算的場所，不再局限于一個個“端”，也未必集中到一朵朵“云”，而是云邊端的全場景協同；計算所借助的工具，不再是某一類通用CPU或者GPU，而是場景細分下的各種各樣的芯片和硬件；而計算本身也早已不再是純粹的加減乘除，生活中早已是“萬物皆數、萬事皆算”。

人類文明即將進入的，是一個異構計算、協同計算、高性能計算、泛在計算同時并存的多樣性計算新時代。

愛因斯坦曾經感嘆：“宇宙最不可理解之處，就是它居然是可以被理解的。”或許現在還要加上一條：它居然可以被計算。

從計算機到計算“基”

每一次計算的對象和場景發生變化，都伴隨著硬件的變革。

但多樣性計算的時代，需要的早已不止是某一種芯片或者某一臺機器，而是從硬件到軟件再到應用，從生態開放到人才培養的一整套基礎設施。

在這場可能是未來十年人類社會最重要的基礎建設活動里，華為計劃2020年投入2億美元、5年投入15億美元，來促進整個計算產業的發展。

華為圍繞“鯤鵬”+“昇騰”兩大領域，以“硬件開放、軟件開源，使能合作伙伴”為宗旨，構筑開放創新的全生態鏈，與開發者一起在多樣性計算時代獲得共贏。

多樣性計算的一大挑戰是：計算場景越來越多元化。

隨著應用創新速度加快，應用種類和數量繁多，應用也越來越場景化和多樣化，加上用戶對應用體驗的追求不斷提高，需要的算力越來越龐大，這就對計算硬件提出了新的要求。

實踐證明，單純云、邊、端的一個或兩個維度的計算都無法更好地滿足用戶需求，只有云、邊、端一體化的協同計算才能滿足不同用戶對時延、性能、功耗等的多樣需求。

然而，不同側的算力可能有不同的架構，如何讓各種架構下的算力高效協同就成為了一個難題。

答案是鯤鵬。鯤鵬與廣泛的邊、端的算力架構原生兼容。有了鯤鵬，計算場景多元化的問題將迎刃而解。

華為提供的KunpengBoostKit應用使能套件，針對大數據、分布式存儲等八大應用場景做了一系列深度優化，讓應用開發者以“開箱即用”的方式，更加便捷的使用鯤鵬平臺。Kunpeng DevKit開發套件也在持續增強，提供代碼掃描、遷移、編譯、調優等一系列功能，還新增了無源碼遷移功能，使開發者不用再為各種不同的開發環境而困擾。

如果你是基礎軟件開發者，openEuler操作系統和openGauss數據庫已開源。你不再是孤軍奮戰，你可以深度參與社區建設，與志同道合的全球開發者實現技術理念。

如果你是硬件開發者，華為開放鯤鵬主板，尤其是最新推出的2.0版本，采用了基礎板+擴展板+BMC/BIOS的設計，硬件開發者可以根據自身的行業需求，對其進行自定義和拓展，極大地提高了靈活性。

多樣性計算的另一大挑戰是：人工智能計算，也就是通常說的AI計算。

目前，AI在特定領域已超越人類，成為推動社會發展關鍵引擎。但AI從算法走向應用仍舊面臨一系列挑戰。與AI展現的美好前景相比，目前開發、應用、部署一個AI實在太麻煩了。

針對這些挑戰，華為昇騰提供了全棧式解決方案，讓AI開發變得極簡高效。

首先是在硬件層面，華為陸續發布了覆蓋端邊云的Atlas全場景系列硬件，為AI提供算力支撐，不管在哪用AI，都有充足算力做保證。

接著針對AI專業開發者，華為發布了異構計算架構CANN 3.0，支持10+端邊云設備形態、14+操作系統和多種AI框架，使能全場景硬件；采用統一的API，四大開放性設計，提供兩種算子開發方式，讓AI的開發變得更加高效；還提供1000+高性能算子，使能澎湃算力。根據測試，基于Atlas 900、CANN3.0和ModelArts的聯合調優，ResNet-50模型訓練時間，從HC2019上的59.8秒減少到了28秒。

面向AI應用開發者，華為提供全場景AI計算框架MindSpore 1.0，提供全自動并行、全場景協同功能，并且全流程極簡，讓開發者只用關注算法本身。

面向最上層的業務應用開發者，采用MindX 1.0，即可把AI變成服務。開發者只需關注業務實現，無需擔心AI的具體算法、框架。還提供各類行業應用套件，配合使用可極大地提升開發效率。以即將上線的視頻分析SDK：mxVision為例，它可以讓車輛識別/視頻結構化這種典型的CV類應用快速上線，應用開發效率提升10倍以上。

整個流程借助MindStudio 2.0全流程開發工具鏈，可以加速開發過程，讓AI變得更加容易，真正解放開發者的創造力，釋放AI的巨大潛能。

多樣性計算還有一個最大的挑戰，即分布式+多樣性計算。

高性能分布式應用給開發者帶來了巨大的挑戰：如何提供高密度的算力、如何讓應用匹配不同的算力，并行性能如何保障、資源如何統一調度等等，都是令開發者頭禿的問題。

但如果借助基于函數計算的分布式并行應用開發框架，開發者本已不多的頭發將能得到保留。開發者能夠像搭積木般構建分布式并行應用，在大規模分布式系統上享受單機編程體驗；還提供高擴展低時延的數據緩存系統，緩存續寫速度縮短10倍；支持函數高效直接通信，實現毫秒級函數啟動；還特別通過AI提升用戶對大規模分布式并行應用的性能調優和故障定位效率。

此外還有新一代加速庫和調度器，這些都能幫助開發者，聚焦于核心業務邏輯，不必操心“日常瑣事”。

所有屠龍的冒險者都需要裝備，這一系列工具，就是華為給開發者鑄造的神兵利器，讓開發者不用踏破鐵鞋去深山老林尋找銀鱗胸甲，而是能夠專心磨煉自己的武藝，去尋找真正的寶藏。

而比這些工具更重要的，是鯤鵬和昇騰越來越開放的生態。

在全產業的共同努力下，鯤鵬和昇騰的生態駛入快車道。當前開發者已超過30萬，合作伙伴超過1000家，完成兼容性認證的解決方案超過3000+，服務于金融、運營商、政府、電力、交通等各行各業，真正做到了全生態開放創新，使能算力爆炸式增長，為數字經濟提供了發展新動能。

除了在產業層面秉承“硬件開放、軟件開源，使能合作伙伴”的原則，華為還格外注重產業人才的培養，堅持以產業集聚人才，以人才引領產業，構建良性人才生態，激發產業持續活力。

目前，華為聯合首批72所高校建設了“智能基座”產教融合協同育人基地，針對高校研究性、應用型、技能型等不同人才類型，有的放矢、分門別類的進行人才培養，點亮未來“燈塔”；針對高校人才發展路徑，構建閉環知識、實踐、認證成長體系，還編寫了“鯤鵬”+“昇騰”系列學習教材。未來“鯤鵬”、“昇騰”或將成為高校學生的必備技能。

結語

預計到2023年，整個計算產業生態體系在全球有近兩萬億美元的市場空間，在中國則超過1.1萬億人民幣。華為愿意使能每一位開發者，讓每一行代碼都能具備改變世界的算力，讓整個產業一起：

“鯤鵬”展翅，“昇騰”萬里。

審核編輯 ：李倩