“達芬奇”專案現身,華為發起人工智慧領域的新一輪競爭
華為朝著雲端計算和人工智慧踏出了重要的一步。
在10月10日舉辦的2018華為全聯接大會上,華為輪值董事長徐直軍對外公佈了“達芬奇專案”的細節。這個被視為是華為在人工智慧領域最重要的一次進化,終於浮出水面。
此前一直有訊息稱,華為內部存在著一個名為代號為“達芬奇”的人工智慧發展專案,該專案並不僅僅是晶片本身,而是涵蓋了一系列軟硬體結合的解決方案,最終為使用者提供全場景的服務。現在,傳言變成了現實。
在這片藍圖之中,最基礎的部分是華為對外發布的兩款人工智慧晶片。這兩款晶片都建立在華為研發的“達芬奇”架構基礎上,以達芬奇架構為基礎的晶片,最終和運算元開發工具CANN、統一訓練推理架構MindSpore、機器學習PaaS(平臺即服務)ModelArts一道,組成了華為在AI方面的全棧全場景方案(即涵蓋多個層次的技術方案)。“達芬奇”可以被認為是與谷歌開發的人工智慧學習系統TensorFlow類似的技術框架。
相比國內其他廠商而言,華為的做法顯得頗為超前。國內其他的主流雲服務提供商目前多把精力放在了PaaS層面,華為算是第一個明確了在IaaS(基礎設施即服務)層面進行佈局,並且制定了一套自有深度學習架構,推出跨平臺AI演算法模型的主流雲服務提供商。
但第一個吃螃蟹的人往往會面對最多的質疑。一個核心問題在於,華為並不是國內最早一批進入公有云市場的企業,在市場格局暫時穩定、顛覆變化並未發生的前提下貿然踏出這一步,華為是否做好了萬全的準備?
徐直軍並不擔心這個問題。他認為,一直以來華為都不是一個簡單的網際網路公司或者IT公司。華為過往的業務涵蓋了終端產品、網路、雲服務、通訊等領域,這讓華為積累了從軟體到硬體的各方面能力,因此構成了華為在人工智慧領域構建全方位生態的客觀條件。
比如說,在傳統的通訊領域,華為有著充足的技術積澱,得以將相關的技術能力工具化,打包輸出給合作伙伴以快速地滿足他們的需求,從而提升合作伙伴的生產效率。
至於晶片研發,則是華為一直在投入的方向。這是它們和其他雲服務商的主要差異所在。2017年9月,華為所推出的麒麟970晶片上就已經搭載了人工智慧技術,被外界認為是華為在人工智慧晶片領域的一個標誌性事件。
除此之外,華為的傳統業務也給它們研發人工智慧晶片打下了基礎。按照徐直軍的說法,人工智慧晶片的核心點包括了資料輸入和輸出的速度,以及頻寬互動的能力,這需要廠商在路由器等產品上有一定的技術積累。作為一家以通訊裝置起家的企業,華為在這方面自然有所準備。
內部的技術基礎準備好之後,華為需要關注的就是來自外部合作伙伴的需求。
一直以來,華為的業務呈現出多樣化發展的特點。從雲端、邊緣計算,最後到各個終端裝置產品,華為所提供的每一類產品服務著不同的企業、場景和環境,這自然帶來了各種不同的需求,比如較低的功耗或者較強的算力,也意味著合作方必然需要針對不同細分場景的人工智慧技術。
在此背景下,全棧全場景方案的協同優化相比於單方向的技術方案,更能夠帶來價值。華為需要通過全棧的技術方案,來提供針對全場景的人工智慧服務。
多種技術和多種場景的集合,形成了華為推進自身架構研發的主要動力。“我們基於對人工智慧的理解,以及對人工智慧需求的瞭解,自然就產生了研發新架構的需求。”徐直軍說。
進軍全棧全場景方案,一定程度上可以被看作是華為在人工智慧方向對於現有業務的一種延續。這是華為整合自身包括晶片製造、計算協同、資料服務等技術能力,並將之應用到人工智慧領域的一個業務延伸過程。最終,華為在2017年6月拍板敲定了達芬奇專案的開展。
華為的這次佈局,也結合了此前一直對外宣傳的發展原則:對於華為雲來說,它們“上不做應用,下不碰資料,不做股權投資”。在這次釋出的全棧全場景方案中,華為僅僅走到了PaaS層這一步,並沒有向具體的應用發展。
“解決各行各業的各種用途,不是華為做的,華為做不過具體的行業企業,所以只負責提供平臺,提供框架等技術支援。”徐直軍告訴介面新聞記者,華為選擇做什麼,不做什麼,都會根據自身的能力來思考決策,戰略的形成就是在有限資源情況下的選擇。
然而,在AI方面,華為的新戰略並不僅僅是打造全棧技術方案那麼簡單。
在大會上,徐直軍表示,為了應對AI技術和發展環境的整體變化,華為制定了涵蓋五方面的AI整體發展戰略,其中包括投資基礎研究、打造全棧全場景方案、投資開放生態和人才培養、解決方案增強、內部效率提升。打造全棧全場景方案僅僅是華為AI發展計劃中的一部分。他告訴介面新聞記者,對於華為來說,五個戰略之間也並沒有明顯的先後之分。但可以肯定的是,華為仍然需要補一些課。
徐直軍認為,在全棧全場景的解決方案之中,華為面對的最大挑戰,在於是否能夠通過計算和推理框架來形成一個自身的生態,從而吸引足夠的開發者使用華為的技術方案。
這並非是杞人憂天。目前在行業中,更受開發者歡迎的深度學習框架包括谷歌的TensorFlow、Facebook的PyTorch、加州大學伯克利分校的Caffe等等。隨著AlphaGo的名聲大震,其背後的TensorFlow也已成為了人工智慧開發者群體中最為流行的深度學習框架之一。
競爭也在所難免。徐直軍強調,華為提供的是硬體和雲服務,“我想所有市場還是希望有競爭的,競爭可以促進我們進步,沒有競爭不叫市場。”
華為發起挑戰的底氣,源於現有框架很難適應全場景的人工智慧需求。現階段,包括谷歌在內,大部分的技術提供方都是在雲端進行資料的訓練和推理。如果要在終端進行推理,要求框架要小,架構要靈活,現有的TensorFlow並不能滿足這一需求。
華為正在做這方面的功課。徐直軍透露,華為明年會推出一個終端裝置上的計算框架。至於未來的網路裡面,學習和推理同步進行,這同樣需要相對應的計算框架。
華為希望藉此來顯示自身人工智慧技術方案的便捷性,吸引更多的使用者使用,從而通過開發者的應用來打造一個技術生態。當然,對於依然選擇TensorFlow框架的開發者,華為的晶片上還提供了轉換工具,讓這一框架能夠在晶片上執行。
除了推出不同的計算框架之外,華為還在通過其他措施加大對於開發者的吸引力。比如說,華為的PaaS ModelArts將會支援全流程模型生產,同時還支援人工智慧條件下的開發流程。
在生態建設上,培養自身的人工智慧人才也相當重要。在這方面,華為的著眼點放在技術自動化之後對於開發者培育門檻的降低。
“技術自動化之後,開發可以更簡單、更敏捷,更多的人可以加入到AI開發者的隊伍來。”在徐直軍看來,目前國內的大學都在研究人工智慧,但計算能力的不足使得資料模型難以被訓練完成,因而成績都只能夠停留在紙面上,而無法為實際應用帶來效率的提升。
在華為的構想中,計算能力的提升是解決這一問題的關鍵。長達幾周的模型訓練隨著計算能力增加,會縮短到幾分鐘之內即可完成,這會極大地推動研究成果的落地。背後,包括華為在內的人工智慧服務提供方都需要提供更有力的支援。
無論是吸引外來開發者,還是培養自己的人才,都是一個降低人工智慧技術使用門檻的過程。在 2018 中國數博會上,華為雲BU總裁鄭葉來提出了“普惠 AI”的概念。在這個概念下,人工智慧技術將會是一種通用的技術,因此它也應該是所有人都用得起的。
“就像通訊一樣,把人工智慧技術的門檻降低是我們努力的目標。”徐直軍說。現在來看,“達芬奇”專案算是實現這個目標的第一步。