开发者的小宇宙,与华为全栈全场景AI同频扩张

2020 年 4 月 10 日

开发者的小宇宙,与华为全栈全场景AI同频扩张

1915 年,爱因斯坦提出了空间可拉伸这一概念。这一理论作为广义相对论的基础,解释了宇宙大爆炸、时空生成、恒星燃烧等等本源问题。量子物理学认为,物质的密度增大导致内部原子核碰撞释放出能量,能量向不同维度膨胀,是空间拉伸主要原因之一。这也是广为人知的聚变效应。


与宇宙和物质本源相似,一个技术产业空间走向生态繁荣,具备长期活力,往往也是一种“拉伸运动”:产业实体需要在技术、产业、商业应用等不同维度积蓄“密度”,向前拓展,最终达成整体的聚变式繁荣。


华为 HDC.Cloud 的第二天,关注点聚焦在了万千 AI 开发者和 AI 从业者,以至于各行业人士普遍关注的华为全栈全场景 AI 的最新进展。



华为 AI 的特殊性在于,全栈全场景 AI 体系是全球唯一从处理器到框架,再到推理部署、开发工具,云边端各场景架构统一的 AI 系统,是业界产业指向最清晰、基础设施最完备的 AI 生态。这一生态的边界,某种意义上也是如今 AI 开发者和行业应用者的能力的边界。


我们知道,AI 本质上是一种以 AI 算法驱动的软件工程技术。从应用流程上看,首先要由 AI 科学家和算法研究人员开发出足够强大的 AI 算法,打破 AI 能力的边界;然后通过开源开放,广大 AI 开发者基于基础算法,完成具体的 AI 模型开发;这些模型进入产业界,再结合产业需求和场景实际情况进行部署,最终让 AI 完成落地。


而 HDC.Cloud 恰好在算法前沿、开发者赋能、行业实践,三个主要维度展示了华为全栈全场景 AI 的最新进展与未来发展规划。三大维度全面扩张,让华为 AI 和 Atlas 生态形成了立体的矩阵式生长,也让 AI 开发者的能力边界随华为的技术、产业布局一同延展,触碰了新的 AI 可能性。


让我们切换不同视角,来看一看华为全栈全场景 AI 在三大关键象限的最新动态。


技术前沿象限:华为计算视觉未来研究计划


在实际的产业智能化进程里,计算视觉是泛 AI 技术体系中应用度最强、覆盖场景最广泛的技术。根据多种数据报告统计,计算视觉技术在整体 AI 应用中普遍占比 70-80%,可以说是 AI 真正的主力军。


而计算视觉的能力极限,显然也意味着整体 AI 产业的技术极限。


华为在计算视觉领域围绕数据、知识和模型三大方向,过去两年已在 AI 顶会 CVPR、ICCV、NeurIPS、ICLR 等发表 80 余篇论文,并取得多项业界领先的成果在这个关键领域。华为的 AI 科学家们不断钻研,针对计算视觉最前沿、最富挑战的课题,相继给出了自己的一系列答案。


比如说,面对如何在海量数据中挖掘有效信息的问题。华为提出了知识蒸馏与自动数据扩增结合的方法,实现了业界最强的信息规律效果。而华为的魔术模型,则将多模态视觉纳入了产业实践,以此提高计算视觉技术的信息应用效率。


而针对高效视觉识别的业界核心问题,华为创建了业界搜索速度最快的自动网络架构搜索技术,并且研发了新型算子加速卷积网络,推动计算视觉进一步走入工业体系。


面向最具挑战性的通用智能问题,华为也创造了利用虚拟数据学习控制无感知机械臂等实践方案,开始迈出人类向通用视觉挑战的第一步。



面向未来,华为发布了计算视觉研究计划,邀请全球 AI 专家参与研究。基于华为昇腾 AI 处理器的 Atlas 人工智能计算平台将为该计划提供强大算力支撑,研究成果将在华为全场景 AI 计算框架 MindSpore 实现并开源给业界,让全球 AI 开发者以此为基础持续创新、不断突破边界、共同打造无所不及的智能。


计算视觉正在加速成为 AI 技术面向未来探索的主要前沿阵地,长期决定 AI 产业化的能力上限。华为决定推动的计算视觉未来研究计划,也是在产学研结合趋势与行业应用视野的一次融合,助力业界共同迈过计算视觉的珠穆朗玛。


华为计算视觉研究计划围绕三大方向,共有六大子计划,包括:


1、数据冰山计划:以极少量标注数据撬动海量无标注数据,支撑小样本场景下模型训练;


2、数据魔方计划:利用多种模态相互辅助、增强模型在实际场景的学习能力;


3、模型摸高计划:构建云侧大模型,刷新各类视觉任务性能上限;


4、模型瘦身计划:打造端侧高效的计算模型,助力各种芯片完成复杂推理;


5、万物预视计划:设计视觉预训练任务,打造视觉通用模型;


6、虚实合一计划:在虚拟与现实的结合中,将计算视觉引向真正的人工智能;


六个子计划融合了技术前沿性与产业需求、全球共同关注点,三方面的价值,将华为的思考与探索向世界公布,奖励与华为一同探寻未知的技术人才。


开发者象限:框架开源与开发平台升级


长时间以来,深度学习框架都是建立 AI 生态的必争之地。谷歌的 Tensorflow 与微软的 caffe、Facebook 的 Pytorch 在全球范围内展开过激烈竞争。


而在中国 AI 产业高速崛起,“新基建”推动 AI 技术走向千行万业的大背景下,华为的深度学习框架顺理成章引起了整个 AI 行业的持续关注。


在 HDC.Cloud,开发者们期待已久的全场景 AI 计算框架 MindSpore 宣布码云正式开源,同时企业级 AI 应用开发者套件 ModelArts Pro 在华为云上线。从框架开源到 AI 开发平台的产业化升级,意味着华为全栈全场景 AI 的软硬件骨干已经全部投入业界实践,成为全球 AI 开发者的能力组成部分。


与其他深度学习框架相比,MindSpore 的差异化特征在于致力于和产业开发真实环境的紧密适配。例如 MindSpore 原生适应端、边缘和云各场景,并能够在按需协同基础上,通过实现 AI 算法即代码,打通架构和编程之间的固有界限,减少 AI 开发者的模型开发时间,降低开发门槛。另外,MindSpore 基于技术创新及与 AI 处理器的协同优化,实现了运行态效能提高,并且支持异构并行计算。



(张迪煊分享华为 Atlas 人工智能计算平台的云边端全场景开发实践)


总体而言,MindSpore 最显著的特点在于,它能够同时支持云、边缘、端各个场景独立又协同的统一训练和推理框架,这解决了开发者们“开发易、部署难”的长期痛点,直接将 AI 开发对准了产业实践方向,与华为的鲲鹏产业、Atlas 生态紧密融合。可以说,MindSpore 与欧美主流框架多数诞生于科研场景、实验室场景不同,它是一款完全致力于工业场景、部署能力和开发实践的框架,是深度学习框架与产业化 AI 开发的紧密结合。


同时,华为还发布全球首款企业级 AI 应用开发专业套件 ModelArts Pro。当强工程特性的框架,遇到支撑企业级 AI 应用的开发平台,华为全栈全场景 AI 在开发者象限的精髓,在于产业能力的有一次跨越式突破。


产业实践象限:Atlas 生态应用于全场景开发


AI 是否能用,是否好用,最终要交给实践来检测和证明,华为全栈全场景 AI 的另一个关键象限突破,在于 Atlas 产品序列持续发展,Atlas 生态不断与产业场景深入融合。


基于云边端一致的开发体验,全面渗透的 AI 算力,以及华为产品与行业需求的深度耦合,Atlas 人工智能计算平台的全场景实践正在不断深化。目前,华为已与数十家伙伴合作,推动基于华为昇腾 AI 处理器的 Atlas 系列模块、板卡、小站、服务器在智慧交通、智慧电力、智慧金融、智慧城市、智能制造等数十个行业落地。



(张迪煊宣布高效算子开发工具 TBE 启动正式公测)


同时为了进一步丰富华为 AI 生态,助力开发者提升开发能力,HDC.Cloud 现场宣布启动了高效算子开发工具 TBE 的正式公测,并计划激励 100 家以上贡献算子的高校和合作伙伴。


Atlas 生态的加速落地,正在驱动我们每个人都更全面融入 AI“宇宙”中。基于 Atlas 200 DK 的眼底检测疾病筛查、拟人动作机器人、植树机器人等,基于 Atlas 300 和 Atlas 500 的生产线工业质检和智慧营业厅等案例等等,证明了千行万业与华为 Atlas 的可融合性与实践价值,也让我们看到了不久后关于生活、工作、学习智能化的种种可能。


以慧眼识病为例,华为与南开大学相关团队合作,利用 Atlas 200 DK 的端侧 AI 部署能力与充足算力,快速进行基于眼底 AI 识别达成的心脑血管、糖尿病等慢性病筛查。我们知道,慢性病具有潜伏期长、难发现、难逆转的种种特点,是公众健康生活的一大挑战。但因为检测复杂、成本相对较高,很多潜在患者会忽视早期症状和检查,从而延误了治疗契机。而基于 Atlas 200 DK 的人工智能眼底筛查,可以快速简单检测慢性病,并且能够将资深医生才具备的检测能力进行普惠化,让社会共同从中受益,这在我国医疗环境与条件下具有重要价值。在技术前沿、开发基础设施、产业实践三大象限上,华为全栈全场景 AI 保持了高速、协同、不间断的进化。以 HDC.Cloud 为节点,全栈全场景 AI 解决方案不仅展现出了更加完备的产业图景全貌,还让华为 AI“宇宙”与科研机构、开发者、产业实践结合更加紧密,生态合作的深度、广度、供需紧密度不断提升。


华为 AI 宇宙的拉伸运动,是全球 AI 开发者的能力边界,向产业化目标的一次突进。广阔的智能时代下,每位开发者正在从这些产业进化中汲取力量,练就自己的“小宇宙”。这些以全栈全场景 AI 为动力的小伙伴,将是在明天改变世界的斗士和英雄。


本文转载自脑极体公众号。


原文链接:https://mp.weixin.qq.com/s/1_S8bRCBG7a4kPw7VPcojQ


2020 年 4 月 10 日 17:36267

评论

发布
暂无评论
发现更多内容

训练营第六周作业 1

仲夏

极客大学架构师训练营

架构师系列之2:依赖倒置设计原则

桃花原记

极客大学架构师课程作业-第二周

井中人

极客大学架构师训练营

第二周作业

CraspLion

训练营第六周作业 2

仲夏

极客大学架构师训练营

CAP原理, Doris 临时失效的处理过程

garlic

极客大学架构师训练营

架构师训练营第二周作业2

韩儿

架构师系列之1:UML 系统设计用例图

桃花原记

Week 6 作业01

Croesus

分布式数据库,NOSQL,搜索引擎

garlic

极客大学架构师训练营

第六周课后练习

天天向上

极客大学架构师训练营

架构师训练营第 1 期 - 第 6 周课后练习

Anyou Liu

极客大学架构师训练营

架构师训练营第 1 期 - 第 6 周学习总结

Anyou Liu

极客大学架构师训练营

第二周学习总结

lithium

极客大学 架构师训练

架构师训练营第二周作业1

韩儿

第六周总结

fmouse

极客大学架构师训练营

架构师训练营 - 第六周总结

一个节点

极客大学架构师训练营

第二周设计原则

Geek_9527

java安全编码指南之:序列化Serialization

程序那些事

java安全编码 java安全 java安全编码指南 java代码规范

Redis Cluster你弄明白了吗?

Man

分布式 中间件 redis cluster

怎么样让自己的博客被谷歌和百度收录!

java金融

百度 SEO 博客收录 谷歌收录

盘点 Mac 上好用的七款软件

彭宏豪95

效率 效率工具 软件 Mac

2.8 第二周课后练习

lithium

极客时间 架构师训练

架构师训练营第六周命题作业

成长者

极客大学架构师训练营

架构师入门学习感悟二

莫问

CAP原理

A p7+

week2 框架设计 作业和学习总结

杨斌

软件设计原则

猴子胖胖

软件设计原则

如何抽取实体关系?——基于依存句法分析的事实三元组抽取

Guanngxu

自然语言处理

第六周作业

fmouse

极客大学架构师训练营

Week 6 作业02

Croesus

开发者的小宇宙,与华为全栈全场景AI同频扩张-InfoQ