来源：财经杂志
第三方研究机构OpenAI近期发布的研究显示，仅2012年以来，人们对于算力的需求增长六年就超过30万倍，平均每年增长10倍，远超摩尔定律的发展速度。
面对AI算力需求的爆发式增长，华为作为AI的后入局者，大胆提出要为业界提供“易获取、用得起、方便用”的算力。如今，距离AI战略提出一年，华为是否已经找到算力破局的入口？
这也是即将到来的2019华为全联接大会备受瞩目的重要原因。
17世纪后期，英国采矿业，特别是煤矿，已发展到相当的规模，单靠人力、畜力已难以满足排除矿井地下水的要求，现场又有丰富而廉价的煤作为燃料。现实的需要促使人们致力于“以火力排水”的探索。1769年英国人詹姆斯·瓦特制造了蒸汽机，引起了18世纪的第一次工业革命。
100年后，美国人发明和实现了电力的广泛使用，引领了19世纪的第二次工业革命。
1946年，世界第一台二进制计算机的发明，人类在20世纪进入了第三次工业革命，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以及生物工程等新技术融入到人类社会方方面面；驱动全球宏观趋势的变化，如社会可持续发展、经济增长的新动能、智慧城市、产业数字化转型、消费体验等。
人工智能是一系列新的通用目的技术（GPT），包括自然语言处理、图片识别、视频分析等。人工智能是信息化进程的新高度，信息技术带来了效率的提升，人工智能则带来生产成本的变化。行业+AI，人工智能将会改变每个行业、职业、组织、家庭和个人。
解决了算力等问题，才能推动人工智能产业进入下一个快速发展周期
时代又仿佛回到了对采矿行业非生物动力需求极大的17世纪。进入21世纪，人工智能也对算力提出了强劲的增长需求，按照OpenAI 最新的分析，从2012年到2018年，最大的人工智能训练运行中使用的算力增长了30多万倍，每3.5个月就会翻倍，远超摩尔定律的增长速度（每 18个月芯片的性能翻一倍）。AI算力需求的急剧增长与传统CPU算力缓慢提升（每年10%）之间存在巨大矛盾，全球掀起造芯运动，加速算力成本降低和AI应用普及。
人工智能是时代潮流，潮流不可逆。但从2018年开始，全球包括中国在内，人工智能研究和产业的发展短暂地结束了高速奔跑的节奏，进入一个相对平稳的周期。算力的稀缺和昂贵在一定程度上制约了当前的人工智能发展，易获取、用得起、方便用的算力，是AI产业发展的关键。
此时回顾过去的5年到10年间人工智能产业化的经验可以得知，技术快速商业化的一个重要原因来自芯片处理能力提升、云服务普及以及硬件价格下降的并行使得计算力大幅提升。
过去5年到10年间，算力投资最大的的行业集中在互联网、政府、金融制造业和电信业。更多的行业受制于算力提升而难以使用上人工智能为代表的新技术。
只有解决了这个问题，才能推动人工智能产业进入下一个快速发展周期。
在中国，基于人口规模和经济的发展程度，在数据和行业应用都在全球处于领先地位。但AI算力资源却稀缺且昂贵，快速发展的应用和不断增多的数据量，需要越来越强劲的AI算力。但算力价格贵、使用难和资源难获取，已经形成了人工智能发展的三大瓶颈。
其一是价格贵：目前人工智能整个训练的过程，譬如训练人脸识别、交通综合治理、自动驾驶，模型的训练成本非常高昂。
其二是使用难：缺乏一个统一的开发框架，无法适配从训练到推理，从公有云到私有云、边缘、终端的多种应用场景，开发、调优、部署的工作量巨大。
其三是难获取：业界用于AI计算的GPU供货周期长，限量供应等，导致硬件资源不易获取。
为了解决这一问题，行业巨头目前在都着力开发大规模AI训练芯片，英伟达、Google和华为都推出了自己的AI训练芯片。英伟达Tesla V100 GPU最高提供125 TeraFLOPS深度学习性能，最大功耗为300瓦特。Google I/O 2018开发者大会上，Google 推出了第三代 TPU 3.0，最高提供90 TeraFLOPS深度学习性能。华为在2018年10月的全联接大会上发布了针对AI训练场景的华为昇腾910 AI处理器。昇腾910 AI处理器，是当前计算密度最大的单芯片，适用于AI训练，可提供256 TeraFLOPS的算力，最大功耗为310瓦特。
华为数十年长期聚焦在ICT基础设施研发和建设领域，这也令华为可以深刻理解运营商和企业用户的使用场景，以此为基因，华为的打法是以“高起点”和“全栈全场景”入局AI领域，真正提供普惠的、强大的算力。
芯片领域，需要强调的是华为昇腾系列AI处理器，采用了面向张量计算的达芬奇3D Cube架构，该架构面向AI的全新突破性设计，为昇腾AI处理器提供了超强的AI算力，使得芯片具有高算力、高能效、可扩展的优点。
基于统一的达芬奇架构，华为可以支持Ascend-Nano、Ascend-Tiny、Ascend-Lite、Ascend-Mini、Ascend-Max等芯片规格，具备从几十毫IP到几百瓦芯片的平滑扩展，天然覆盖了端、边、云的全场景部署的能力。
华为轮值董事长徐直军认为，“达芬奇架构可大可小，从Nano一直到Max、从穿戴设备一直到云，可以全场景覆盖；我们推出MindSpore的目的就是协同达芬奇架构来面向全场景的。也就是说，在端、边缘、云都可以训练和推理，还可以进行相互协同，这是现在其他的计算框架所做不到的。”
AI训练的耗时跟模型的复杂度、数据集和硬件资源的配置是强相关的，在天文研究、自动驾驶训练、气象预测、石油勘探等大规模训练时，硬件资源显得尤其重要，人工智能的快速发展，得益于硬件和云计算技术的提升，更得益于各个行业数字化带来的大量的数据来训练模型。开发平台要求从原始数据到标注数据、训练数据、算法、模型、推理服务，实现千万级模型、数据集以及服务对象的全生命周期管理。
云端计算领域，无智能不成云，全栈发展走向纵深，AI已经成为云的基础业务，实现云端训练和推理。在云上部署，支持在线和批量的推理，满足大规模并发的复杂场景需求。
云、AI、IoT协调使能蓝海市场，在智慧家庭、物联网和车联网等场景，构建云+AI+IoT的综合解决方案，开拓新的人工智能市场。
华为的AI战略包括投入基础研究，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，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。
华为全球产业展望(GIV)报告显示，全球数据量将从2018年32.5ZB快速增长到2025年的180ZB。对于企业，AI算力需求每三个月增长一倍，AI应用率到2025年将达80%。
此时，华为在算力领域已取得突破，站在了时代风口之上。
《崛起的超级智能》一书主要阐述当今天人类为人工智能的春天到来而兴奋，为人工智能是否超越人类而恐慌的时候，一个更为庞大、远超人类预期的智能形态正在崛起，种种迹象表明50年来，互联网正在从网状结构进化成为类脑模型，数十亿人类智慧与数百亿机器智能通过互联网大脑结构，正在形成自然界前所未有的超级智能形式。这个新的超级智能的崛起正在对人类的科技，产业、经济，军事，国家竞争产生重要而深远的影响。
作者：刘锋 推荐专家：张亚勤、刘慈欣、周鸿祎、王飞跃、约翰、翰兹
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
