為期兩天的 AICon 全球人工智能與機器學習技術大會已落下帷幕，作為一場面向各行業 AI 中高層技術人員的盛會，歷年 AICon 都吸引了業界頂級公司參與其中，今年也不例外，包括華為、AWS、阿里巴巴、騰訊等公司的 AI 專家們齊聚一堂，共同探討圍繞 AI 的產業變革機會與技術創新方向。

這場大會上所展示的 AI 落地案例、AI 技術實踐以及 AI 的工業化應用，都在強調一個事實：站在 2019 年 11 月的時間點去看，AI 之于各個行業的意義已經不再是「是否有價值」，而是變成了「如何讓 AI 變得更有價值」。

與此同時，在 5G 商用元年，全新通訊技術帶來的巨大潛力，正在傳遞到產業的各個鏈條，而云計算的持續進化，已經深刻影響到了從政府到大型企業的方方面面。

這也留給行業一個命題：當 5G、AI 與云共同定義了這個時代，各個行業應用 AI 的第一步從哪里開始？

參與這場大會的華為云給出了自己的一個回答：利用華為云的全棧全場景 AI 能力，開發者、企業可以快速駛入 AI 開發、部署與應用的賽道。

據了解，此次大會上，華為云進一步展示了其全棧全場景的 AI 解決方案。具體來說，「全棧」指的是包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案；「全場景」則是將公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端在內的全場景納入到 AI 的部署環境中。

那么，如何進一步理解當下 AI 開發、部署的痛點，華為云全棧全場景的 AI 能力，又對開發者、企業有何意義？

接下來，我們來一一解讀。

1．AI 開發／部署所面臨的挑戰

對于任何一個行業來說，AI 開發、部署都是一個全新的挑戰，而且這些挑戰也貫穿在 AI 開發、部署的始終。

首先，AI 算力需求旺盛且多樣化。自 2012 年以來，AI 計算能力需求早已超過摩爾定律，當模型越發復雜，當算力需求越來越大，開發者、企業所面臨的計算成本也在大幅上升。

另一方面，隨著物聯網以及即將到來的 5G 時代，AI 計算的場景也將變得多元化，從大型數據中心到迷你終端設備，不同場景下的計算需求、功耗成本以及計算延時也有著不同的需求。

這意味著，AI 開發者和企業需要強大、靈活以及多場景的算力。

其次，AI 框架與一站式 AI 平臺的需求。作為向下對接芯片、向上承載應用的 AI 框架，業界目前流行的 TensorFlow 等，多為美國公司研發并開源出來的產品，且不說會不會受到國際大環境的影響，只談開源產品的本地化后續服務，TensorFlow 等都很難直接適應中國開發者的需求。

而面對 AI 人才短缺的現實，如何進一步降低 AI 開發門檻成為行業的迫切需求，更進一步，開發者和企業也需要一站式的 AI 開發環境，從而快速完成從數據標注到模型部署的一整套工作流程。

第三，云、邊、端的訓練和部署如何協同。這是一個擺在全行業面前的共同挑戰， 相比于 AI 模型訓練為數不多的技術選型（GPU，數據中心），AI 模型部署對于開發者、企業而言更復雜。這是因為，AI 部署所面臨的是紛繁復雜的設備環境，特別是在移動設備、邊緣設備交織的業務場景里，如何高效完成模型從快速訓練到快速部署，成為各行各業 AI 從業者關注的命題。

2．華為云如何破解算力難題？

在 ICT 領域耕耘多年的華為，面對 AI 領域開發、部署的難點、痛點，提出了自己的一番思考。

正如上文所言，AI 計算需求在過去七年里迎來大爆發，根據 OpenAI 的統計，自 2012 年至今，AI 算力需求增長了 30 萬倍。

這帶來兩個顯著變化：其一，傳統的 CPU 已經無法承擔起 AI 計算的需求；其二，業界對于 GPU、FPGA 與 NPU 的需求開始上升。

這正是華為昇騰芯片出現的行業背景。通過底層創新性的「達芬奇架構」，使得華為昇騰芯片具備了在端邊云上擁有統一的計算架構，由此帶來了不僅是計算能力的大幅提升，而且還可以實現算法一次開發，再順利遷移到其他場景的芯片上的能力。

以今年正式發布的的昇騰 910 芯片為例，其主要面向數據中心的云端AI訓練，半精度 （FP16）算力達到256 Tera－FLOPS，整數精度 （INT8） 算力達到512 Tera－OPS，達到規格算力所需功耗僅310W，無論計算能力還是功耗，都屬業界領先水平。

與此同時，基于「達芬奇架構」，華為在端、邊、云都已推出了相應芯片，這些芯片構成了華為 AI 能力的最底層：芯片層／利用華為云的調度能力，滿足開發者、企業不同場景中的計算需求，而公有云「用多少付多少錢」的商業模式，可以大幅降低企業的 AI 計算成本。

3．從框架到一站式開發平臺的賦能

在 AI 開發流程里，華為將 MindSpore 作為統一訓練和推理的開源框架。MindSpore 從設計開始，就確定了「AI 算法即代碼」的設計范式，可以大幅降低 AI 開發門檻；而在執行模式中，基于 Ascend Native 的執行引擎，能夠充分發揮昇騰芯片的強大算力；與此同時，MindSpore 還具備了適配端、邊、云的能力，在統一架構的基礎上，根據場景不同可大可小，最大限度滿足企業場景需求，并提供更好的資源效率和隱私保護。

值得一提的是，MindSpore 未來也將全面開源，不同行業的開發者，完全可以根據其自身業務需求，靈活擴展和定制，將其應用到更多硬件平臺之上，構建自己的 AI 訓練模型。

在開源框架 MindSpore 之上，華為還擁有一站式 AI 開發平臺 ModelArts，這個平臺所肩負的，是如何為開發者／企業提供一整套基于云端的機器學習開發全流程服務。

2019 年 3 月份，ModelArts 在 AI 權威競賽斯坦福大學 DAWNBench 榜單中取得圖像識別訓練和推理性能雙料冠軍，將模型訓練時間大幅縮減的同時實現了超強推理性能。

來看一組具體數字，在訓練性能方面，ResNet50＿on＿ImageNet上的測試結果顯示，當采用128塊V100時，華為云ModelArts上模型訓練時間僅需4分08秒，與 2018年12月創下的9分22秒紀錄相比又快了一倍，比此前 fast．ai 在 AWS 平臺上的訓練速度快4倍；在推理性能方面，華為云ModelArts識別圖片的速度是排名第二廠商的1．7倍、亞馬遜的 4 倍以及 Google 的 9．1倍。

ModelArts 能取得這樣的成績，展現了其在機器學習平臺的技術優化能力，通過技術創新降低機器學習平臺的使用成本，最終將技術紅利讓給企業和開發者。

值得一提的是，華為云 ModelArts 也踐行了華為公司「把復雜留給自己，把簡單帶個客戶」的理念，內置了自動（機器）學習特性，通過算法實現模型訓練的參數自動化選擇和模型自動調優，讓零 AI 基礎的業務開發者快速完成模型的訓練和部署，甚至在一些場景中可以實現零代碼開發 AI 模型。

比如在機器學習最耗時耗力的數據標注中，ModelArts 通過內置 AI 數據框架，以 AI 機制來治理數據，再通過迭代訓練解決標注的數據量問題，這在數據量較大的場景中可百倍提升數據標注效率。

再比如針對 AI 開發全流程管理，ModelArts 內置了可視化管理模塊，可以幫助開發者快速了解模型訓練的進展，ModelArts 提供了從數據、算法、訓練、模型、服務全流程可視化管理，通過任意一個對象查看這個流程，真正做到了工作流的可視化。

值得一提的是，在技術創新到產品全流程思考之外，ModelArts 還在生態使能上有自己的思考。AI 市場就是其中一例，這是一個基于 ModelArts 構建的開發者生態社區，提供了 AI 模型、API 交易、數據、競賽案例等內容共享功能。

在這個市場，不管是科研機構還是 AI 應用開發商、解決方案集成商，抑或是不同行業不同類型的企業，都可以快速找到符合自身需求的技術或商業機會，有效連接 AI 開發生態鏈各參與方，加速 AI 產品的開發與落地，也保障了 AI 開發生態鏈上各個參與方的商業利益。

4． 高效可信的云端 AI 開發環境

如何將芯片帶來的計算能力與框架／平臺釋放的場景能力更便捷地交付給開發者，華為還為 AI 開發準備了一整套基于 CloudIDE 與 CodeHub 的高效可信開發環境。

首先，CloudIDE 定義了一種全新的在線編程體驗，開發者只需通過瀏覽器即可訪問云端集成的開發環境，無須擔心安裝過多軟件所帶來的本地資源消耗；其內置了主流技術棧、支持 100 ＋語言的語法高亮，同時還能在線調試與在線運行；而利用云端按需獲取的方式，開發者可以靈活配置開發所需的計算與存儲資源，并根據需求彈性擴容。

與此同時，CloudIDE 與華為面向終端設備的 AppGallery Connect 形成了有效協同。對于移動設備開發者、企業的開發需求，可以提供包括計算、存儲、網絡、數據庫及 AI 在內的等公有云資源，幫助開發者降低應用開發部署的難度和成本，從而讓他們更專注于提升應用體驗與打造優質內容。

其次，華為云在開發代碼托管中做出了一系列創新，比如企業最關注的代碼安全性，華為云的 CodaHub 從訪問安全性到存儲安全性再到 對 Git－Crypt 的支持，全方面提升安全性。

更進一步，CodeHub 的代碼模版共享計劃，開發者或企業，可以將自己的項目作為一個代碼模版開放出來，提供給行業共同使用，這不僅體現了「我為人人、人人為我」的開源精神，也可以讓更多開發者通過「站在巨人肩膀上」的方式，實現更多創新。

第三，DevCloud 上述兩大服務與 AI 開發的全面協同效應。正如上文所言，CloudIDE 具備隨時可取云端開發資源的能力，這也意味著，利用 CloudIDE，開發者可以快速搭建 AI 開發環境，而通過 ModelArts SDK的樣例模板，可以快速構建自己的項目。

在整個過程中，開發者和企業根據自己的業務需求，定制不同的計算／存儲資源，快速部署 AI 項目開發環境，然后引入 ModelArts 的 SDK，直接可以在 ModelArts 上完成訓練與部署的一站式開發，其成本也僅僅是使用云服務的成本。

5．寫在最后：中國 AI 開發進入黃金時代

無論是將 AI 定義為第四次技術革命的主要技術還是將其看作為一種通用目的技術，AI 之于各行各業的意義已經在過去幾年初現出來——它將重構眾多行業數十年甚至上百年的游戲規則，并帶來一次巨大的技術與商業創新。

這是技術帶來產業的新機遇。當國家層面的 AI 政策紅利不斷釋放，當我國的 AI 算法、學術研究屢次獲得國際贊譽，當各行各業開始擁抱 AI 的開發、部署與應用，如何為 AI 開發落地提供一整套解決方案，無疑成為擺在中國科技巨頭們面前的重要課題。

華為云正是其中一個重要玩家。

基于「達芬奇架構」芯片賦能，為整個 AI 領域不斷上漲的算力提供了解決方案，滿足開發者、企業對于 AI 強大算力、多場景算力的需求；利用 MindSpore 和 ModelArts 的場景賦能，在大幅降低 AI 開發門檻、加速企業 AI 開發的同時，還將利用開源持續推進中國自研 AI 框架的發展；圍繞 CloudIDE 的云端開發環境，既可以釋放華為在 AI 芯片與 AI 框架的核心能力，還可以釋放華為云的產業紅利。

上述三個方面，構成了觀察華為云全棧全場景 AI 戰略的一個橫切面。

華為依托自身在 ICT 領域的技術積累，過去幾年迅速形成了一套從數據中心到邊緣設備的 AI 軟硬產品線以及解決方案，從自研芯片到自主框架，從一站式開發平臺到云端開發集成環境，華為將一系列 AI 軟硬件產品以華為云公有云的方式使能各行各業，加速各行各業步入 AI 開發、應用的快車道，實現行業數字化、智能化的變革。

一個可能的場景是，隨著包括華為云在內的中國 AI 基礎設施服務商的快速發展，未來中國最好的 AI 應用一定是由中國 AI 芯片（昇騰芯片）驅動的 AI 框架與開發平臺（MindSpore＋ModelArts）和云端開發環境（CloudIDE＋CodeHub）所開發，并運行在中國最領先的云服務之一（華為云鯤鵬云服務）之上，這個屬于中國 AI 的黃金時代正在到來。