解密华为最新AI生态布局，开源AI计算框架，三大顶会密集发论文81篇

达芬奇架构的核心是Cube计算引擎，具有可扩展计算和可扩展内存，实现了芯片内的单Cube到多Cube，数千颗芯片的互联，解决全场景算力差异带来的难题。

就像通用的语言文字般，统一的达芬奇架构，能让云边端的“沟通”不再困难，减少了程序间的和代码改写工作量，让开发者拥有了云边端一致的开发体验，并大幅提升开发效率。

基于达芬奇架构，华为推出面向不同场景的昇腾AI芯片，又基于昇腾AI芯片，打造了Atlas人工智能计算平台，推出Atlas系列模块、板卡、小站、服务器、集群。

这些产品已经在智慧交通、智慧电力、智慧金融、智慧城市、智能制造等数十个行业落地。

在云侧，实时分析4300万张过往车辆的图片，采用通用处理器方案需要3000台服务器，采用GPU方案需要近一百台服务器，而采用面向AI深度学习优化的NPU方案仅需60台，大大减少了服务器的部署数量和功耗的需求。

如果进行软硬件协同调优，则可以进一步释放硬件的算力。如单台AI服务器的处理能力是320路高清视频，经调优后，其处理能力可以提升到384路视频。

大会现场，依瞳科技李劲博士也分享了基于华为Atlas的开发实践，并推出了业内首个支持华为昇腾910处理器的AI开源开放异构平台。

在边缘侧，华为松山湖基地部署了基于Atlas工业质检解决方案，将质检准确率提升到99%，部分工艺的精度甚至能达到99.9%。这一AI质检算法模型已被开放到昇腾社区，供广大开发者下载使用。

在端侧，南开大学计算机学院使用华为Atlas 200 AI加速模块，为视网膜筛查病变检测AI应用提供算力。南开大学李涛教授表示，相比几款服务器级的CPU和GPU，Atlas 200拥有更高的能效比最高、更好的便携性和价格。

在原有Atlas计算平台的基础上，华为启动基于昇腾的高效算子开发工具TBE的正式公测。

TBE内置丰富的算子库，同时支持两种编程方式，包括便捷易用的DSL，和可发挥硬件极致性能的TIK，并计划激励100家以上贡献算子的高校和合作伙伴，根据工作量和代码的质量进行相应的奖励，以更充分地释放昇腾AI处理器的算力潜能。

为了帮助开发者快速上手，华为打造了昇腾开发者社区，在资源中心提供技术文档和开发工具，在赋能中心提供AI理论课程、实践课程和应用案例，在知识中心提供了在线问答、流程支持、远程支持、经验分享等功能。

五、突破三大挑战，发布华为视觉研究计划

在AI基础研究方面，华为同样有深厚的积淀。

从创新能力来看，华为在计算机视觉顶会CVPR 2020发表了33篇文章，在CVPR 2019和ICCV 2019分别发表了29和19篇文章，论文数量进入世界第一梯队。

当下计算机视觉研究的推进，总是缠绕着数据、模型与知识三大挑战。突破这些挑战，方能加速计算视觉基础研究。

为此，基于昇腾AI计算平台，华为发布华为视觉研究计划。

“我们的目标是基于昇腾AI计算平台，加强计算机视觉基础研究，同时基于MindSpore全量实现代码，并开源供大家使用。”华为诺亚方舟实验室计算视觉首席科学家田奇说。

华为视觉研究计划有6个子计划，具体内容如下：

1、数据冰山计划

该计划为解决数据标注瓶颈的问题，让数据生成真正代替手工标注，包含3个子课题：

（1）数据生成质量拔高：希望通过1-2年时间，能解决生成数据质量差和不真实的问题。

（2）数据生成点石成金：设计数据自动挑选的算法，在海量生成数据中挑选高质量数据。

（3）通用自动数据生成：对不同的子任务，设计不同的生成数据方式，让数据生成具备普惠能力。

2、数据魔方计划

该计划针对多模态学习，构建下一代智能视觉算法。

研究内容包括多模态数据量化指标、多模态数据对应策略研究、多模态数据融合方案。

3、模型摸高计划

该计划旨在构建云侧大模型，刷新各类视觉任务性能上限，包含3个子课题：

（1）全空间网络架构搜索：希望突破神经网络架构搜索空间受限的约束，搜索更多范式、更多网络空间结构的变化，让神经网络架构真正实现自动搜索。

（2）新型算子搜索：让算子的设计从手工复用到创造新的算子。

（3）搜索模型普适能力提升：搜索出来的网络，其泛化能力、抗攻击性、迁移性较差，希望能够提升网络架构搜索的泛化能力。

4、模型瘦身计划

该计划旨在打造高效的端侧视觉计算模型，同样有3个子课题：

（1）自动搜索小型化网络：将硬件的约束融入自动设计中，使得算法能够适配不同硬件。

（2）一比特网络量化：希望设计一比特网络，使其能表达更极致的全精度网络性能。

（3）构建新型加法网络：希望在卷积网络中，用加法运算代替所有的乘法运算，同时与芯片计算相结合，探索高效计算的新路径。

5、万物预视计划

该计划目标是定义视觉的预训练任务，构建通用的视觉模型，希望让视觉模型完成从认知到感知的跨越。

具体做法是，搜集大量公开无标签的亿级数量级的图片，完成知识的抽取与整理。

（编辑：555手机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!