在2018年10月10日华为全联接大会2018(HUAWEI CONNECT)首日上,华为副董事长,轮值董事长徐直军在大会上发表主题演讲,系统阐述了华为的AI发展战略,以及全栈全场景AI解决方案,其中包括全球首个覆盖全场景人工智能的Ascend系列IP 和芯片。同时他谈到基于全新AI芯片大规模分布式训练算法都会在华为云上实现。基于华为最新发布d Ascend昇腾芯片将帮助华为云上全栈、全场景服务全面提升性能,帮助华为云EI更好地提供服务。
基于十大改变华为推出AI发展战略
对于AI战略,徐直军认为AI充满机遇和挑战。但是我们应该把目光充分聚焦人工智能能解决的问题。“我们应充分聚焦人工智能能解决的问题、聚焦其创造价值的领域,而不是把精力花在人工智能不能解决的问题或不能创造价值的领域。因为选择正确的问题比寻找新奇的方案更重要。”
因此华为看到10个人工智能的重要改变方向:模型训练、算力、AI部署、算法、AI自动化、面向实际应用、模型更新、多技术协同、平台支持、人才获得等。这十大改变既是华为对AI产业发展的期望,也是华为制定AI发展战略的源动力。
基于这十大改变,华为的AI发展战略包括五个方面:
投资基础研究:在计算视觉、自然语言处理、决策推理等领域构筑数据高效(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。
打造全栈方案:打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案,提供充裕的、经济的算力资源,简单易用、高效率、全流程的AI平台。
投资开放生态和人才培养:面向全球,持续与学术界、产业界和行业伙伴广泛合作,打造人工智能开放生态,培养人工智能人才。
解决方案增强:把AI思维和技术引入现有产品和服务,实现更大价值、更强竞争力。
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。
在华为全联接大会上,华为重点介绍了华为的全栈全场景AI解决方案。全栈全场景AI解决方案是华为曾经发布了面向政府、企业的华为云EI,以及面向智能终端的HiAI这两套解决方案的整合。
全栈全场景人工智能解决方案包括纵轴全栈包括包含四个部分:芯片、芯片使能、框架以及应用使能四个部分。以及全场景包括:消费类终端 (Consumer Device)、公有云 (Public Cloud) 、私有云 (Private Cloud)、各种边缘计算 (Edge Computing)、IoT行业终端 (Industrial IoT Device) 这5大类场景。
“全场景意味着华为有能力实现智能无所不及,帮助构建万物互联的智能世界。全栈意味着华为有能力为AI应用开发者提供强大的算力和应用开发平台;有能力提供大家用得起、用得好、用的放心的AI,实现普惠AI。”徐直军解释了全栈全场景AI战略的意义。
在大会环节,徐直军还正式宣布华为两颗云数据中心AI芯片:单芯片计算密度最大的昇腾910和极致高效计算低功耗的AI SoC昇腾310。
徐直军谈到的基于全新AI芯片大规模分布式训练算法都会在华为云上实现。昇腾芯片可以帮助华为云上的计算,存储等服务提升性能,帮助华为云EI更好地提供服务。
基于全栈全场景AI解决方案,华为云强力升级
同时我们看到,华为推出AI战略、发布全栈全场景AI解决方案为华为云的进一步发展提供了方向。那就是全栈云解决方案。
第一、华为云将有更强大的AI性能,大大缩短训练模型的时间
按照目前的技术水平,训练某些复杂模型时往往需要数天甚至数月,而成功的创新发现往往需要多次迭代,这种训练速度严重制约了应用创新。徐直军认为,通过AI战略的推动,未来模型的训练要能在几分钟、甚至几秒钟内完成。
第二、华为云将为用户提供充裕经济的算力
算力是AI的基础,但目前的算力非常昂贵,是一种稀缺资源。如果说算力的进步是当下AI大发展的主要驱动因素,那么,算力的稀缺和昂贵正在成为制约AI全面发展的核心因素。
华为推动AI战略,希望能够通过华为云为用户提供算力应该是充裕且经济。
第三,AI将帮助华为云上实现更多部署场景
混合云已经成为企业采用云服务的主要模式,当前的AI主要在云,少量在边缘,与企业的业务环境的结合有待进一步深入。华为认为,未来AI将无处不在,要能够部署在任何场景,并确保用户隐私得到尊准和保护。
第四,华为云将获得更高的自动化水平以及为用户提供更大价值。华为认为人工智能的加入大大提升自动化水平每一个通用目的技术,只有与其它技术充分协同配合,才能发挥到极致,创造巨大的经济价值。AI也不例外,但在目前我们探讨AI时,更多的是仅仅聚焦AI本身。
我们认为,AI需要与云、物联网、边缘计算、区块链、大数据、数据库…等技术充分协同,如此才能发挥更大价值。
第五,通过全栈全场景解决方案,华为云要成为一站式云平台
华为云会提供必需的自动化工具,让AI应用开发更容易,更快捷。从而,使AI成为所有应用开发者甚至所有ICT技术从业人员的一项基本技能。
通过新的AI战略以及全栈全场景AI解决方案的推出,让我们更清楚的看到,华为云基于AI芯片能够提供一个更强更快的云平台,也更加阐述了华为云的边界,上不做应用,下不碰数据的自信。
也让我们看到华为云基于长期在计算、存储、网络等领域实践,积累大量算法、芯片、软硬件结合能力,结合AI战略让我们看到华为有能力打造极致性能的云基础设施服务。我想这也是2017年华为成立Cloud BU的重要原因。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。