华为拿什么破解AI核心难题?

2019-11-07 16:24:31|

openai最近发布的一项研究显示,仅从2012年开始,人们对计算能力的需求在六年内就增长了30多万倍,平均每年增长10倍,远远超过摩尔定律的发展速度。

众所周知,作为人工智能的后来者,面对人工智能计算能力需求的爆炸式增长,华为大胆提出为行业提供“易于获取、价格合理且方便”的计算能力。现在,在人工智能战略提出的一年前,华为找到了打破僵局的入口吗?

这也是即将召开的2019华为全连接大会备受关注的一个重要原因。

17世纪末,英国采矿业,尤其是煤矿,发展到相当大的规模。单靠人力和畜力很难满足矿井排除地下水的要求,而且现场有丰富廉价的煤作为燃料。现实的需要促使人们致力于“以火载水”的探索。1769年,英国人詹姆斯·瓦特制造了蒸汽机,引发了18世纪的第一次工业革命。

100年后,美国人发明并实现了电力的广泛使用,领导了19世纪的第二次工业革命。

1946年,随着世界上第一台二进制计算机的发明,人类进入了20世纪的第三次工业革命。信息技术的发展,尤其是移动互联网的普及,极大地改变了人类的生活。

进入21世纪,人类正在迎来以智能技术为代表的第四次工业革命。人工智能、物联网、5g和生物工程等新技术已经融入人类社会的方方面面。推动全球宏观趋势的变化,如可持续社会发展、新的经济增长势头、智慧城市、工业数字化转型和消费者体验。

人工智能是一系列新的通用技术,包括自然语言处理、图像识别、视频分析等。人工智能是信息过程中的一个新高度。信息技术带来了效率的提高,而人工智能带来了生产成本的变化。人工智能将改变每一个行业、每一个职业、每一个组织、每一个家庭和每个人。

第四次工业革命的人工智能将引领人类进入一个新时代。

这个时代似乎已经回到了17世纪,那时采矿业对非生物能源有着巨大的需求。21世纪,人工智能也对计算能力提出了强劲的增长需求。根据openai的最新分析,从2012年到2018年,最大的人工智能训练操作中使用的计算能力增加了30多万倍,每3.5个月翻一番,远远超过摩尔定律的增长率(芯片性能每18个月翻一番)。人工智能计算能力需求的急剧增长和传统cpu计算能力的缓慢增长(每年10%)之间存在着巨大的矛盾。全球核心建筑运动加快了计算能力成本的降低和人工智能应用的普及。

基于中国人口规模和经济发展,人工智能(工业云计算和边缘计算)、数据(工业大数据)和算法(工业人工智能)三个方面在数据和工业应用方面处于世界领先地位。然而,人工智能计算能力资源稀缺而昂贵,各行各业的应用需要越来越强大的人工智能计算能力。昂贵的计算、难以使用和难以获取资源是人工智能发展的三大瓶颈:昂贵的价格:人工智能的整个训练过程,如训练人脸识别、综合交通管理和自动驾驶,对模型来说都有很高的训练成本。

难以使用:缺乏统一的开发框架,无法适应从培训到推理、从公共云到私有云、边缘和终端的各种应用场景,开发、调整和部署工作量巨大。

难以获得:行业中用于ai计算的gpu供应周期长,供应有限,导致硬件资源难以获得。

业内开发大规模人工智能训练芯片的主要制造商,如Avida、谷歌和华为,都推出了自己的人工智能训练芯片。其中,华为在2018年10月的全加入会议上发布了针对人工智能培训场景的910人工智能处理器。瑞星910 ai处理器目前是一个具有高计算密度的单芯片。它适用于人工智能训练,可以提供256万亿次运算能力,最大功耗为310瓦。

行业主流人工智能训练芯片能力的比较

面对人工智能时代的大趋势,计算能力的稀缺和高成本在一定程度上制约了当前人工智能的发展。华为认为,易于获取、价格合理且方便的计算能力是人工智能产业发展的关键。

几十年来,华为一直专注于ict基础设施的研发和建设,深刻理解运营商和企业用户的使用场景,以“高起点”、“全栈全场景”进入人工智能领域,真正提供包容性和强大的计算能力。

华为升序系列ai处理器采用达芬奇三维立方体架构进行张量计算。这种人工智能架构的新突破性设计为上行人工智能处理器提供了超级人工智能计算能力,使芯片具有高计算能力、高能效和可扩展性的优势。

基于统一的达芬奇架构,华为可以支持升序纳米、升序微小、升序精简、升序微小、升序最大等芯片规格。它拥有从几十毫瓦ip到几百瓦芯片的平滑扩展,并且自然覆盖了终端、边缘和云的全部场景部署能力。“达芬奇的建筑可以大也可以小,从纳米到最大,从可穿戴设备到云,覆盖整个场景;推出mindspore的目的是与达芬奇建筑公司合作,面对整个场景。换句话说,最终,边缘和云可以被训练和推理,它们也可以相互合作,这超出了其他计算框架的范围。”华为轮值主席徐志军表示。

人工智能训练的耗时与模型的复杂性、数据集的配置和硬件资源密切相关。硬件资源在天文研究、自动驾驶训练、天气预报、石油勘探等大规模训练中尤为重要。人工智能的快速发展得益于硬件和云计算技术的进步,也得益于各行各业数字化带来的大量数据来训练模型。开发平台要求从原始数据到注释数据、训练数据、算法、模型、推理服务,实现整个生命周期中千万级模型、数据集和服务对象的管理。

同时,没有智能就没有云,整个堆栈正在深入发展。人工智能已经成为云的基本业务,实现云训练和推理。部署在云上,支持在线和批处理推理,满足大规模并发复杂场景的需求。云、人工智能和物联网协同工作,推动蓝海市场。在智能家居、物联网和车联网等场景中,将构建云人工智能物联网综合解决方案,探索新的人工智能市场。

华为的人工智能战略包括投资于基础研究,以构建机器学习的基本能力,即数据高效(数据需求较少)、能源高效(计算能力和能耗较低)、安全、可靠,以及在计算视觉、自然语言处理和决策推理等领域具有自主性。为云、边缘和终端等所有场景创建一个完整的堆栈解决方案,一个独立的、协作的、完整的堆栈解决方案,提供充足且经济的计算资源,以及一个简单、易用、高效且全过程的ai平台。

华为全球产业展望(giv)报告显示,全球数据量将从2018年的32.5zb快速增长至2025年的180zb。对于企业来说,对人工智能计算能力的需求每三个月翻一番,到2025年人工智能的应用率将达到80%。不难发现,在计算能力领域取得突破的华为正站在一个巨大时代的前沿。

山东十一选五 台湾宾果app 甘肃快三