揭秘华为AI布局：为什么生态和平台这么重要？

目前 AI 产业仍然存在诸多痛点，具体包括：训练速度慢，复杂模型训练常常要耗费数日甚至数月；算力稀缺且昂贵；AI 主要在云，少量在边缘；算法单一且不够高效；需要大量人工，特别是在数据标注环节，没有“人工”就没有“智能”；模型“考试”优秀，但不能满足工业生产需求。

此外，目前 AI 难以与云、物联网、边缘计算、区块链、大数据、数据库等技术充分协同；AI 仍是一项只有具备高级技能的专家才能完成的工作，缺乏成熟、稳定、完善的自动化工具；AI 高端人才十分短缺，没有简单易用的 AI 平台和工具。

华为的目标是解决这些痛点，因此其 AI 战略主要围绕以下五个方向展开：  

1. 投资基础研究。在计算机视觉、自然语言处理、决策推理等领域寻找和建设数据高效（更少的数据需求） 、能耗高效（更低的算力和能耗），安全可信、自动自治的机器学习基础能力。

2. 打造全栈方案。打造面向云、边缘和端等全场景，独立及协同的全栈解决方案，提供充裕且经济的算力资源，简单易用、高效率、全流程的 AI 平台。

3. 投资开放生态和人才培养。面向全球，持续与学术界、产业界和行业伙伴进行广泛合作，打造 AI 开放生态，培养 AI 人才。

4. 把 AI 思维和技术引入现有产品和服务，实现更大的价值、更强的竞争力。

5. 内部效率提升。应用 AI 优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量。

鉴于此前三十年在芯片、终端、云、网络多方面的积淀，华为的 AI 战线既全又深。在 HC 大会前，外界广泛流传的芯片或“达芬奇项目”只是整个战略中的一环。华为的 AI 战略，关键词是“全栈全场景”。

所谓“全场景”，是指从横向来看，华为的 AI 解决方案适用于包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境。

而所谓“全栈”，则是从纵向的技术功能视角来看，包括芯片、芯片使能、训练和推理框架、应用使能在内的全堆栈方案。该方案具体由四部分组成：一是芯片层面，也是被认为最核心的硬件部分，华为发布了昇腾 910 和昇腾 310，前者预计 2019 年上市，后者已经实现量产；二是算子层，华为这次拿出的是 CANN（芯片算子库和高度自动化算子开发工具），兼具最优开发算力和算子性能，可以提升开发效率；三是支持端、边、云独立又协同的统一训练和推理框架 MindSpore，2019 年 Q2 将正式发布；四是应用使能，提供全流程服务的 AI 开发平台 ModelArts，目前已上线华为云。

除此之外，华为还发布了吸引开发者和合作伙伴的“沃土 AI 开发者使能计划”，为开发者提供免费培训、训练营、创新孵化营等使能计划；为合作伙伴提供打造联合解决方案、共建创新实验室、免费开发模块和板卡、技术支持及市场资源等扶持计划。该计划还包括高校 AI 人才培养计划，华为将提供 10 亿元资金，在学科建设、人才认证、专家对接、算力和技术等方面为高校提供支持。

从华为披露的 AI 战略布局中，可以看到两个关键变化，而这两个变化正是华为 AI 布局核心思想的体现：以平台驱动 AI 生态的建设。

在很多人眼中，虽然华为在企业级 IT 领域产品丰富，但主要的优势在于硬件。这次在 AI 布局上，华为在继续发挥自研底层 AI 芯片（硬件）的特长时，也同步推出了上层的训练和推理框架 MindSpore，以及一站式应用开发平台 ModelArts（软件）。

要建设 AI 生态，一个打通软硬件各层级能力的平台是不可或缺的。硬件是核心，有了面向 AI 负载的自研芯片，才能有不受制于人的底气；软件是赋能通道，没有开发工具和软件生态的配合，应用无法落地，芯片的能力也无从发挥。

凭借从底层硬件到上层软件的全套技术能力，华为可以对外提供全套 AI 服务，几乎能覆盖所有类型企业在数字化转型过程中的所有环节，用户更可以根据自己的需求选择使用不同层级的服务。

众所皆知，作为 ICT 领域佼佼者，华为拥有大量来自各行各业的合作伙伴，其中不乏三大运营商、微软、英特尔等知名企业。每一次华为的活动，合作伙伴展示成果都是重要环节。而这次 HC 大会，除了合作伙伴，华为提到“开发者”的频率也特别高。

全栈全场景的 AI 解决方案将助力开发者克服 AI 开发过程中遇到的困难，包括训练耗时长、调试部署繁、开发效率低等等；借助框架和平台赋能开发者、影响开发者，MindSpore 开放框架可能会成为华为做大 AI 战略的一张王牌。沃土 AI 开发者使能计划旨在培养更多 AI 人才、提升开发者的 AI 能力。直白地说，就是让更多技术人成为 AI 开发者，并加入华为的 AI 生态圈。

对于进入 AI 时代的华为来说，开发者已经成为和行业合作伙伴同样重要的角色。华为想要打造的是打通底层硬件到上层软件应用、开发者与行业两手抓的全方位 AI 生态体系。徐直军在媒体采访中直言，华为 AI 最大的挑战在于生态到底能够辐射到多大的范围。目前华为能做到的是创造有利于生态发展的条件，至于能否成功，主要取决于未来能吸引多少合作伙伴和开发者。

在过去几年里，AI 开发人员达到了前所未有的重视。

随着越来越多的企业利用 AI 方案为自身业务提供支持，全球市场对 AI 专业人士的需求呈指数级增长，然而现实情况是，AI 专业人士的储备量根本不足以应对暴涨的需求量。

AI 人才到底有多么稀缺？据 AI 解决方案提供商 Element AI 预测，目前大约有 20000 名博士级别的计算机科学家可以搭建 AI 系统；据 Bloomberg 最近发布的研究显示，全世界范围内只有不到 10000 名开发人员具备机器学习技术能力。此外，KPMG 发布报告称，截止到 2016 年仅有 28 家公司拥有超过十名深度学习方面的专家。Business Insider 发表的一篇文章则指出，6 家技术公司雇佣了约占总数量 54% 的深度学习专家。

开发者和研究人员构成了 AI 的主干，但 AI 领域缺乏受过适当教育和训练的人才。AI 人才的短缺，被业界认为是制约 AI 发展的一个重要因素。解决之道是发展智能化、自动化、简单易用的 AI 平台和工具服务，并提供培训教育。

作为赋能开发者的重要途径，打造开放平台、开源框架和工具服务对于企业的重要性便凸显出来了。与此同时，企业如果想在开发者脑海中确立地位，就需要通过搭建优秀的 AI 开放平台（包括框架和工具），借助平台在开发者群体中建立良好口碑，进一步增强企业的影响力。而影响力的加强，则会反哺企业 AI 技术发展，吸引更多 AI 人才加入，推动 AI 生态的建设。

谷歌开源的深度学习框架 TensorFlow 就是一个很好的例子。在 2018 年新出炉的 GitHub 报告中，TensorFlow 仍然是最热门的开源项目之一，也是当前业界使用人数最多的深度学习框架，吸引了很多程序员投入到人工智能的研究和开发中。这也足以说明，谷歌日益壮大的 AI 生态圈离不开 TensorFlow 的加持。

人工智能改变世界，还是从改变每一个行业开始。

首先，AI 的应用场景在于丰富的行业场景。AI 能够做什么，首先需要了解面临的问题，再看如何通过 AI 技术来解决问题，也就像俗话说的“拿着钉子找锤子”，高效且有意义。比如，了解城市交通容易拥堵这个问题之后，利用 AI 打造智慧交通，将会极大地提升通行效率。比如在传统教育模式下一个老师面对数十个学生，无法对每个学生提供针对性的教学方案，如果结合 AI 技术打造个性化教育，将会显著提升教学效果等等。

据预测，到 2025 年，全球人工智能市场空间将达到 3800 亿美金，其中 90% 来自于企业市场。正如华为董事、战略 Marketing 总裁徐文伟在 HC 大会上所言：未来十年，AI 的主场在行业。

其次，AI 要和具体的垂直行业结合落地，比技术更重要的是对行业的理解。

人工智能在不同行业的落地，依赖于行业从业者的经验。如果只是把人工智能技术机械地应用到其中，反而会影响效率的提升。不同行业的客户都需要人工智能的帮助，但是不同客户的需求是不一样的，这就需要行业伙伴一起提供解决方案。

开发者提供技术、行业合作伙伴提供经验，二者结合起来共同打造的 AI 生态，这才是人工智能的落地之道。

今天，包括 IT、CT、互联网在内的所有科技公司纷纷布局 AI，打造开放平台和生态已成为业界基本共识，但基因不同，各自侧重点也有所不同。

谷歌的公司战略在 2016 年从 Mobile First 转向 AI First，并在 2018 年升级为 AI Only，AI 贯穿全系列产品之余，行业落地及商业化日趋广泛。谷歌以开源深度学习框架 TensorFlow 为王牌，基于谷歌云打造 AI 开放平台，至今已经发布了 ML Engine、Vision AI 等基于云服务的机器学习工具。2018 年初，谷歌又发布了 Cloud AutoML，旨在帮助 ML 专业技能有限的企业构建自己的定制化模型；在硬件层面，谷歌也陆续推出了为不同场景打造的专用芯片，包括数据中心机器学习专用芯片 TPU、为边缘计算量身定制的 Edge TPU 等。

作为一家底层芯片硬件公司，英伟达更关注专为人工智能定制的 GPU 能否卖得足够好。但在 GPU 之上，英伟达也提供了相应的开发框架和平台。以自动驾驶方案为例，它由硬件 DRIVE PX、操作系统 DRIVE OS、API DRIVEWORKS 和应用 Drive AV 组成，每一层都是开放的，适用于不同类型、不同技术水平的公司。此外，英伟达推出了合作伙伴网络 NPN，在自动驾驶开发生态已经拥有了多达 320 家研发合作伙伴。

阿里巴巴的打法则是从应用场景入手，在有了需求的基础上构建 AI 解决方案。在 2017 年底的云栖大会上，阿里云总裁胡晓明阐述了阿里巴巴在人工智能方面的布局，提出了“AI for Industries”（产业 AI）的理念，认为“人工智能的发展要去泡沫化，下一站将是产业 AI”。这两年来，阿里云相继推出了 ET 城市大脑、ET 医疗大脑、ET 工业大脑、ET 环境大脑、ET 航空大脑，将 AI 能力与大数据和云计算结合起来，形成了金融、工业、城市、零售、汽车、家居、医疗、农业等领域的立体布局。近年，阿里也开始涉足底层芯片及服务器等硬件领域，但还在起步阶段，2017 年 3 月发布的机器学习平台 PAI 2.0 也鲜见更新。

华为 AI 战略一出，“转型”“弯道超车”就在各种报道中被不断提及。确实，华为在 AI 上的发声并不算早，但其实这不过是“华为范儿”的又一次体现：不做则已，要做就拿产品出来说话。实际上 AI 已经在华为内部“潜行”实践了很长一段时间，这次发布更像阶段性工作总结与下一阶段工作的计划展望。

在与 HC 大会同期开放的展台上，从全栈方案涉及的芯片、框架、工具、平台，到全场景需要覆盖的云、边、端等应用场景，华为都拿出了实际的产品方案和演示案例。华为云 EI 行业解决方案的发布和展示也同步进行，应用案例涵盖了公共事业、交通、金融、物流、教育、零售等众多行业，包括三大运营商、微软、英特尔，专攻行业智慧的诸多企业都也齐聚现场，展示了他们借助华为 AI 为业务带来的智能化变革成果。

华为入场，对整个 AI 行业意味着什么？干掉英伟达？挑战谷歌？还是超越阿里云？笔者认为这些都不是。

AI 浪潮扑面而来，华为自然不能错过这个机会，AI 赛道并非窄小巷道，而是一个巨大的市场，市场本身就是竞争与合作并存。正如徐直军在媒体见面会中说的：“什么是市场？市场就是需要有竞争，没有竞争不叫市场。华为在市场上能不能竞争过对手，主要看华为的所作所为。我认为，所有市场还是希望有竞争的，竞争可以促进我们进步。”而华为云 BU CTO 张宇昕则表示：“对于上层的技术，尤其是面向业务场景的技术，我们将联合各个行业处于领导者、先行者地位的客户进行创新，创新的方式也会完全区别于过去。”微软、英特尔就是很好的例子，在 AI 领域他们与华为既是合作伙伴，也是竞争对手。

华为在 HC 上传达出的理念，与其说颠覆 AI 格局，不如说是想通过更加全面和深入的布局，加速 AI 发展。华为战略 Marketing 总裁徐文伟在大会上的发言或许也能印证这一点：“华为就是要给未来按下快进键，用平台翻越场景，把 AI 翻倍算力，让开发翻滚效率。华为主张平台 +AI+ 生态，通过端、管、云建立的开放平台，结合 AI，与生态合作伙伴一起，使能各行各业数字化转型。”

这一理念在华为后续的几场发布中被反复强调。2018年12月，首届华为智能计算大会暨中国智能计算业务战略发布会在北京召开，华为宣布其智能计算将围绕算力、工程、云边协同和一体化解决方案四个方面，面向行业构建全栈全场景智能解决方案，加速行业智能化进程。 

2019年1月，华为发布 ARM-based 处理器-鲲鹏 920（Kunpeng 920），性能打破业界纪录，并同步推出了基于鲲鹏 920 的 TaiShan 服务器、华为云服务。华为在会上表示，将携手产业伙伴推动ARM的产业发展，打造开放、合作、共赢的生态环境，将计算性能推向新高度。

在芯片领域，华为已经率先推出了自己的产品；在平台层面，一站式 AI 开发平台 ModelArts 也已准备就绪；而尚未正式对外推出的 MindSpore 开放框架，有可能会成为华为做大 AI 的一张王牌，前提是华为开发 AI 生态，建设 AI 社区。

正如徐直军在接受媒体采访时所说，华为已经做好了一系列围绕 AI 的生态准备，唯一的挑战是如何吸引开发者共同做大做强生态。而最终能吸引多少开发者和合作伙伴，将决定华为 AI 战略的未来走势。AI 开发工具与软件生态的耕耘，都需要时间。

好在，目前 AI 市场仍处于起步阶段，AI 行业还没有一个开发生态形成绝对主导之势，哪怕是全球范围内被广泛使用的谷歌 TensorFlow，也有不少被开发者诟病的不便之处。

这正是华为的机会所在。

Duang Duang Duang Duang~

接下来就是我们送福利的时间啦~

在留言区评论互动

点赞第 1 名即可获得价值 799 元的华为无线耳机

点赞第 2、3 名可获得价值 199 元的荣耀手环

截止时间：1 月 21 日，下午 17:30 前

推荐阅读

点击下方图片即可阅读

解构华为AI技术布局：构建无所不及的智能

喜欢这篇文章吗？记得点一下「好看」再走👇