肖然《華為AI戰略及開發者生態》
演講者：肖然
華為戰略與發展副總裁
演講速記（根據現場演講整理，未經演講者確認）
尊敬的黃鐵軍秘書長、李世鵬秘書長、張偉民秘書長、各位來賓、各位同學，大家早上好。來到這里特別親切，感謝鵬城實驗室的邀請。親切一方面是鵬城實驗室，包括剛才秘書長分享的AITISA聯盟，在人工智能方面跟華為有大量的志同道合的構想，我們有很多的合作，所以來到鵬城實驗室的活動，就像回到自己家。
今天是首屆啟智開發者大會，我在華為公司也負責開發者生態，也推動了幾年，對各位開發者我感到特別親切。
這個活動在深圳南山，就在鵬城，大家知道華為公司就是從南山發展起來的，我家也在附近，所以非常高興，周末的時間跟各位同學一起來做一些交流和分享。
我今天的題目有點長，核心是希望利用這個機會介紹一下華為的AI戰略。因為大家聽到華為，可能更多的知道華為的5G，知道華為的終端，但是華為的計算業務，包括人工智能的戰略，可能大家聽到的比較少。我覺得鵬城實驗室搭建這樣一個平臺，也是非常好的大家可以互相學習、互相了解、互相借鑒。
（見PPT）這是華為對AI的思考，我們說AI也好，人工智能也好，甚至是區塊鏈，這些概念都非常熱，但是作為一個企業，我們如何看待這些大家認為炒作得有點過的概念，到底它的本質是什么，發展的階段是什么，未來的方向是什么？
我們認為人工智能總體來看，從技術層面可以分為三個階段：一是弱人工智能，它的特點是基于芯片（CPU、GPU、FPGA）為主的基礎設施，它擅長的是單方面的人工智能處理，包括圖象、語音、內容分析等。第二個階段是構筑在專有的AI芯片上的人工智能，它的特點是具備了認知和推理的能力，而且在某些特定的領域，它能夠比肩人類的大腦。第三個階段，它有一些新的基礎設施的要求，包括類腦計算的芯片，包括相關的還在探索中的一些基礎設施的技術。它的特點更多的是會具備感知和思想的意識，可能在更多的領域會超越人類，特別是在科學創新和社交方面，如果有這樣的應用，我們把它姑且定義為第三個階段，也就是超人工智能的階段。目前我們正處在弱人工智能的階段，隨著融合視頻分析、語義理解、自行判斷、自主決策這些相關的技術，包括深度學習和強化學習算法進一步的成熟，各個行業和領域也正在邁進強人工智能的階段。
在這樣一個階段，我們來看看到底人工智能行業存在哪些挑戰、風險和困難。總體來說可以用三個詞概括：第一個挑戰是貴，大量的算力，因為現在的基礎設施的工藝是單一廠商，過去一段時間是一個單一廠商的工藝，所以它的價格是非常昂貴的，包括訓練單機，去年14.9萬美金左右，在云上的AI算力一小時要3美金左右，我們認為還是比較貴的。第二是門檻高，帶來的就是的開發過程慢，包括對數據的標簽，從數據的標注到模型的訓練，到最終的使用周期是非常長的，往往是數周、數月。在這樣一個門檻高的情況下，各個企業包括華為自身，我們也在識別AI的人才，包括選拔這樣的人才，但是現在人才供給是嚴重不足的。因此第三就是專業人才的缺失，據統計，美國的AI專業人才缺口就有100萬以上。
這是一個小的視頻，我剛才講了一些挑戰，我們看看華為是如何來應對這些挑戰的，包括作為一個企業，我們是如何在AI產業發展大潮中定位和做好選擇的。
（播放視頻）
剛才這個視頻談到了一些華為在AI上的投資，包括我們的一些基本的考慮，我接下來再用幾頁膠片把一些要點給大家介紹一下。
華為在AI上的愿景是希望能普惠AI，包括解決算力貴、開發慢、人才缺的問題，讓每個企業和開發者能用得起、用得好、用得放心。戰略上我們有幾個大的舉措，一個是長期投資基礎設施，特別是在計算視覺、自然語言處理、決策推理等領域，我們希望構筑一個數據高效、能耗高校、安全可信、自主、自治、自動的基礎能力，這里面有大量的基礎設施的投資。然后還有全棧的解決方案，以及投資開放生態和人才培養，包括和我們的客戶、合作伙伴一起來做人才培養，包括我們自己也在參與國家和高校的人才培養。另外就是解決方案的增強，人工智能作為一個通用的技術，它有大量的使用場景，對華為來說，在我們原來的核心業務上，我們會聚焦在通信管道，也就是網絡的智能和自動駕駛方面會使用人工智能。另外就是大家用到的華為的手機上，我們叫HiAI，已經在率先使用人工智能，另外在華為公有云上提供的企業智能，已經在跟大量的合作伙伴給企業客戶提供服務。還有一些是人工智能本身作為一些產品，在自動駕駛上的一些場景。對華為來說，還有一項我們一直在實踐的內部的端到端的管理，包括人力資源、生產、物流的管理，也在使用人工智能。這是華為面向AI的選擇。
剛才提到了我們的主題，華為的全棧全場景。所謂的全棧全場景，這個全場景就包括了公有云、私有云、各種邊緣計算，包括物聯網行業的一些終端，以及消費類的終端，這些相關的各種環境，華為都有相應的方案。另案全棧更多的是從技術視角，包括底層的芯片，包括芯片的使能，包括開發過程的數據的收集、訓練、推理的框架，這是全棧的，包括我們要面向開發者提供大量的應用使能。特別是在賦能行業，和行業一起解決問題的時候，我們更多地和我們的客戶在思考，AI到底能解決什么問題，AI不是萬能的，很多場景不是AI所擅長的。通過華為的實踐，我們認為如下三個場景是AI特別能發揮它的優勢和用武之地的：一是海量的重復的場景，通過AI可以完成自動化，并大幅提升效率。二是專家經驗場景，因為專家作為一種稀缺的資源，AI往往可以逐步吸收專家的相關經驗，并最終讓更多人享受到專家的服務。三是多域協同的場景，特別是在一些超級復雜的場景，AI可以幫助人類突破人類本身的極限，去解決更有挑戰的問題，這些是典型的在城市的智慧交通領域，跨行業、跨工種、跨地域、跨空間的管理，人工智能可以比人腦更有優勢。
我們在這個全棧場景下的核心是聚焦在提供芯片、基礎框架，我們在基礎框架上提供了包括開放開源的工具，和我們的行業伙伴一起識別關鍵場景，一起來完成相關的開發和探索。
這里提到我們的生態，我們深知AI除了有大量的技術，更多的是生態伙伴，我們說全棧，不可能只有一家公司提供，需要和業界最佳的伙伴一起共同完成。
（見PPT）這張圖是一個示意，7月份我們的輪值CEO小徐總在北京做了一個華為戰略的發布，也特別介紹了華為公司在智能計算，特別是人工智能里頭有所為有所不為的戰略選擇。圖中標黃色的是華為相對聚焦的，綠色的是我們正在積極合作的部分，華為主要聚焦在相關深度投資的芯片，包括圍繞著相關的基礎技術，另外會通過華為云這樣一個商業模式來做變現。其有一部分的商業選擇是我們基于昇騰和鯤鵬提供一些主板，大量的部件會慢慢交給我們的合作伙伴，我們把硬件會逐步開放出來。到了操作系統之上的軟件，我們選擇的是開源開放的思路，包括我們和社區在共同打造一個開源操作系統，在數據庫方面，我們也在開元我們的單機版的高斯數據庫，在大量的學習框架中間件上和邊緣計算里面，我們都有開源的產品，還有面向高密計算場景的開源項目，這些項目目前都是美國的開源基金會，我們也希望中國有這種社區，包括啟智社區，能有更多的項目開源出來。同時華為還提供大量的遷移和開發工具，這些工具是和我們的合作伙伴一起，我們也會提供一些免費的主流應用和軟件遷移的服務，包括配套軟件的工具。這是我們除了全棧全場景解決方案之外，在生態上的考慮。
最底層的芯片，剛才視頻里也講到了，華為的芯片有一個特色，我們采用了統一的達芬奇架構的芯片，它是一個獨創的三維彈性的立方體，它的特點是高算力和平滑、可擴展性，基于這樣一個架構我們也發布了一些芯片，包括昇騰310和昇騰910，其中有一些場景，基于310的智能駕駛計算場景，MDC600、Atlas200和面向開發者的Atlas200開發工具，都可以提供給我們的伙伴和一些高校。昇騰910是面向訓練長頸的，包括中心訓練和中心推理，我們有Atlas300、Atlas800等等產品。我們如何真正讓算力能更經濟、能更充裕，這是芯片上的一些投入。
剛才提到了開發框架，包括高院士開場提到的，我們大量的開發框架應用的是源于美國相關的技術，包括TensorFlow，可能慢慢大家會聽到另外一個名字，就是MindSpore，它是一些非常創新的模式，包括我們支持新編程的范式，能提升編程的效率，包括把大量的編程提供成可微分的編程，包括新執行的模式，提升芯片本身的算力，討論會圖調度，我們可以把它整體下沉到芯片執行，釋放芯片本身的優勢。還有一個是新協作方式，包括原來的人工智能，在每次部署的時候要做多次的開發，我們希望做到一次開發、支持多次部署。
MindSpore的幾個特點我剛才已經快速講了，這兩天的會議上也有相關的研發的專家，包括負責云服務的總經理也在現場，他們都有一些分享，我就不展開講它的具體的特點。
另外一個是ModelArts，我們現在的很多開發環境不是面向人工智能設計的，因為人工智能和傳統的程序開發有很大的差異，其中大量的G比特、T比特的數據處理，包括打標簽、面前標簽的版本管理，這是傳統IT做不到的，面向人工智能未來的開發環境到底是什么樣的？我們在華為開發云上提供了一個ModelArts，它是可視化的，特別是針對AI的全流程的管理領域，它把AI數據的篩選，自動標注，到算法的開發、訓練、部署，以及上市，包括提供AI市場，端到端流程，通過一個工具把它打通。比如在AI框架里頭，通過數據的預處理，包括自動的標注，效率有望提升100倍。在訓練環節，我們的分布式集群的加速，訓練時長可以從周縮短到分鐘。因為AI本身是要面向很多商業場景去解決問題的，所以有大量的AI算法，包括API，實際上是可以參與到這個交易過程的，我們也提供了交易的平臺。核心是希望通過這樣一個ModelArts面向AI，而不是傳統的計算環境來給大家提供一個新的開發平臺，它的目標是讓開發者上手更快，訓練過程更快，上線更快、商業變現更快。
（見PPT）這是ModelArts的幾個特點，我們目前在自動駕駛領域已經做了大量的實踐，這里有一個具體的例子，就是40T的原始數據預處理，按照傳統的方式可能處理要800人天，通過ModelArts的能力，可以縮短到80人天，所以整個數據模型開發周期是從月縮短到了周。
另外是很多開發過程支持自動學習，包括零AI基礎就可以構建模型，包括我們在自動深度學習方面，特別提供了圖象分類、物體檢測、聲音分類、神經架構搜索、自動遷移等相關的能力，包括在自動機器學習上，有自動特征提取、自動建模等等，包括全程UI的向導，而不是編代碼本身。
我們提到了算力，算力也是整個人工智能能否長期健康發展的一個基礎，除了我們的芯片，包括在邊和端側的算力提供以外，華為公司跟鵬城實驗室合作，我們提供彈性可伸縮最大1024節點超大規模區間的集群能力。1024集群的算力可以達到256P，它的訓練集群包括了從通訊庫、拓撲、低時延網絡、端到端垂直整合，它的關鍵的指標也是讓我們非常自豪的，愿意分享給我們的產業界的。包括剛才提到的1024的節點能做到256P，在訓練時間上能到90秒，這是今年的數據，明年還會有更好的數據。在線性度，華為在1024節點，線性度能達到80%，這是業界最佳表現。
今天可能還會分享鵬城云腦2，華為也給它提供了一些算力的基礎，包括我們的Atlas900，我們希望通過這樣一個架構，能支持鵬城云腦的持續、可平滑的擴展，從P級到E級AI集群的場景發展。
剛才講到人才的缺乏，華為也在跟高校和產業界，包括產業聯盟的組織一起合作，一起推動AI人才的培養，我們內部叫做AI人才培養Program項目。
同時我們針對高校的人才培養，內部也有一個創智計劃，是面向全球發布的，我們希望在華為的AI全棧全場景能力上，和周邊合作，包括在線精品課程和相關教材的開發，大家看到很多的教材，包括人工智能的教材，一方面可能都是來自于美國的技術，另外很多教材已經跟不上現在人工智能的快速發展。我們也跟專業的高校老師合作，希望有100個以上的AI的專業化的高校教師培訓。還有產學合作協同育人項目，我們希望建設20多個創客空間和項目孵化的平臺，因為人工智能有大量的用武之地還在挖掘，我們這里有大量的孵化的機會。同時我們提供華為AI認證服務，希望培養1萬名以上華為認證的AI工程師。這是面向AI人才培養的計劃，當然我們整體還有一個華為的沃土計劃，除了AI，我們還有大量的其它的能力，包括云服務的能力，包括網絡開放的能力，都是在這個計劃中。
以上就是簡單給大家介紹的華為AI的戰略選擇，以及現在基于這個戰略選擇，在產品和解決方案方面，過去幾年投資產出的一些全棧全場景的解決方案，希望在這些技術的基礎上，和各個產業界的伙伴一起來合作，包括我們高校的學生，以及大量的開發者，一起把AI的算力真正釋放出來。我們也希望跟鵬城AITISA聯合推進AI的生態，在這里也做一個小預告，2020年2月份，同樣是在深圳，我們會舉辦一屆HDC開發者大會，也歡迎在深圳的同學和朋友能去參與，在那個平臺上有大量的動手機會，有大量的代碼出現，也會有我們的合作伙伴參與，歡迎大家共同參與。
