社會正在加速從物理世界向數(shù)字世界遷移，數(shù)據(jù)是未來的生產(chǎn)資料，計算是未來的生產(chǎn)力。

我們看到今天，因為5G、IoT的發(fā)展，萬物連接，帶來數(shù)據(jù)量爆發(fā)增長，同時智能終邊緣算力迅猛增長，計算正在無處不在。而云邊端的協(xié)同驅(qū)動的異構(gòu)計算架構(gòu)創(chuàng)新，打破了摩爾定律的束縛，讓AI加速落地，觸手可行。

在基礎(chǔ)架構(gòu)層面，華為已經(jīng)完善了產(chǎn)品布局，在計算方面，打造了圍繞ARM+x86+GPU+NPU的多樣性算力。在AI計算方面，則推出了覆蓋云、邊、端的Atlas人工智能計算解決方案，以業(yè)界最強算力加AI落地。據(jù)華為計算產(chǎn)品線副總裁姜濤透露，2019年華為計算產(chǎn)品發(fā)貨量實現(xiàn)8%的增長。

ARM扛起重任，加速IT架構(gòu)分步式轉(zhuǎn)型

當(dāng)今社會在多重技術(shù)創(chuàng)新的影響下，數(shù)字化已經(jīng)成為不可逆的過程。而今年初，突發(fā)的疫情加速了云化的過程，線上教育、線上醫(yī)療、線上辦公，所有的業(yè)務(wù)都在加速向線上遷移。與此同時，IoT也開始逐漸在各行各業(yè)落地，萬物互聯(lián)時代的到來使得聯(lián)網(wǎng)設(shè)備越來越多。目前，全球可聯(lián)網(wǎng)設(shè)備為230億部，到2025年這一數(shù)字將超過1000億部。這就意味著每時每刻都有海量數(shù)據(jù)需處理，對計算力、高并發(fā)、高吞吐以及能耗提出了更高的需求。

傳統(tǒng)通用型服務(wù)器在摩爾定律下線性發(fā)展很多年，但是摩爾定律的增長本身就發(fā)展到了極限，而計算的需求正在成幾何倍數(shù)的增長，“傳統(tǒng)通用型服務(wù)器需要更多的‘幫手’來協(xié)助?！苯獫硎?。

而他所指的“幫手”就是更加靈活的ARM架構(gòu)的計算產(chǎn)品。通過提供覆蓋云、邊、端的全棧全場景計算解決方案，充分發(fā)揮ARM多核架構(gòu)在移動互聯(lián)網(wǎng)領(lǐng)域的生態(tài)優(yōu)勢，推進相關(guān)計算產(chǎn)品從端側(cè)走向數(shù)據(jù)中心，加速傳統(tǒng)數(shù)據(jù)中心智能化升級，使能行業(yè)數(shù)字化，構(gòu)建萬物互聯(lián)的智能世界。

在計算領(lǐng)域，為了滿足世界對多樣性算力的需求，華為持續(xù)投入創(chuàng)新，突破摩爾定律，重定義計算架構(gòu)，聚焦鯤鵬和昇騰，構(gòu)建全場景多樣性智能計算平臺。其基于ARM架構(gòu)的創(chuàng)新成果是本次大會的亮點。在萬物互聯(lián)的趨勢下，華為充分發(fā)揮ARM多核架構(gòu)在移動互聯(lián)網(wǎng)領(lǐng)域的生態(tài)優(yōu)勢，推進相關(guān)計算產(chǎn)品從端側(cè)走向數(shù)據(jù)中心，加速IT架構(gòu)分布式轉(zhuǎn)型。

比如在大數(shù)據(jù)的應(yīng)用中，多核實現(xiàn)高并發(fā)計算，計算密集型組件性能提升30%，數(shù)據(jù)安全加解密性能損耗低于5%。從存儲端的應(yīng)用來看，多核并發(fā)數(shù)據(jù)存諸，多核并發(fā)數(shù)據(jù)存儲，熱數(shù)據(jù)全閃存存儲IOPS性能提升20%，溫冷數(shù)據(jù)壓縮存儲性能提升15%。在數(shù)據(jù)庫端的應(yīng)用，通過軟硬件協(xié)同優(yōu)化，OLAP性能提升20%，OLTP雙實例部署性能提升4%。在手機云游戲上，云手機/云游戲場景，同構(gòu)部署，無指令翻譯性能損耗40%性能優(yōu)勢，1臺服務(wù)器替代80臺手機。Web應(yīng)用：HTTPS連接加速，RSA加速性能提升35%，無需配置專用加速卡。

華為協(xié)助交通部門對系統(tǒng)進行改造，通過服務(wù)器的邊緣處理能力讓數(shù)據(jù)在“端”直接完成，大大縮減了與數(shù)據(jù)中心交互的時間，使得客車從省界收費站經(jīng)過的時間從原來的15秒縮減到2秒，貨車從29秒到3秒，極大提升了通行效率。

造AI輪子，讓智能無所不及

但是回到現(xiàn)實中，AI的發(fā)展還處于初級階段，與各行各業(yè)的結(jié)合才剛剛開始。作為一個新興學(xué)科，AI人才稀缺，全球AI核心專家只有3萬多，人才供需比1%。這也導(dǎo)致AI在全部行業(yè)滲透率只有4%，還有很大的空間可以挖掘。

Atlas 900 AI集群、Atlas 800 AI訓(xùn)練/推理服務(wù)器、Atlas 300 AI加速卡、Atlas 500 Pro AI智能邊緣服務(wù)器、Alas 500 AI智能小站、Atlas 200 DK AI開發(fā)者套件、Atlas 200 AI加速模塊等等，為了幫助各行各業(yè)加AI化，華為承擔(dān)起了打造AI輪子的那個角色，已經(jīng)搭建起端邊云全場景協(xié)同解決方案，加速AI與行業(yè)的深度結(jié)合。

以Atlas 800 AI服務(wù)器為例，它具有超強算力密度、超高能效等優(yōu)勢，訓(xùn)練機型可提供2 PFLOPS FP16算力，算力密度達(dá)到業(yè)界2倍；單機支持風(fēng)冷和液冷兩種散熱方式，能效比達(dá)到業(yè)界1.8倍；推理機型單機可支持512路高清視頻實時分析，達(dá)到業(yè)界水平2倍。

在醫(yī)療行業(yè)中，華為聯(lián)合意大利AGS公司，打造基于人工智能的醫(yī)療影像輔助診斷系統(tǒng)。得益于Atlas 800服務(wù)器和Atlas 300推理卡的支持，該系統(tǒng)能夠幫助醫(yī)生和病人快速獲得精準(zhǔn)的醫(yī)療影像診斷報告，診斷時間從過去的2-3小時變?yōu)?0-15秒，這大大地提高了像COVID-19這樣的疾病診斷效率。

在華為自己的松山湖全球制造中心，將Atlas 300與工控機相結(jié)合，使能機器視覺智能質(zhì)檢，可以完成標(biāo)簽缺陷檢測、螺釘缺失等，將檢測效率從90%提升至100%，實現(xiàn)用Atlas智能制造Atlas。

Atlas的生產(chǎn)線依靠傳統(tǒng)方式對產(chǎn)品進行檢測準(zhǔn)確率可以達(dá)到90%，工序耗時180秒。這個數(shù)字看上去很高，但實際卻有10%的“失誤率”，對于制造型企業(yè)來講是一筆不小的成本。當(dāng)應(yīng)用Atlas 800 AI服務(wù)器進行訓(xùn)練后，通過機器視覺，檢測識別準(zhǔn)確率可以達(dá)到99%，工序耗時僅1秒，所帶來的效率提升不言而喻。

創(chuàng)新提升生產(chǎn)力，生態(tài)賦能加速AI進程

覆蓋云端邊的超強算力，是華為為AI時代提供的生產(chǎn)力。AI解決方案，是華為為AI時代造好的輪子。但是要輪子真正快速跑起來，與各行各業(yè)深度結(jié)合，則更多地要依靠合作伙伴來實現(xiàn)。

從華為的計算戰(zhàn)略來看，自己的定位就是“黑土地”，為行業(yè)提供最基礎(chǔ)的生產(chǎn)力和輪子，也可以理解為華為要做AI時代的新基建。

第一是在技術(shù)上不斷創(chuàng)新，提升算力，打造更多AI解決方案，讓基礎(chǔ)設(shè)施真正成為AI時代的高速路，用華為公司高級副總裁、云與計算BG戰(zhàn)略與產(chǎn)業(yè)發(fā)展部部長張順茂的話說就是：“不斷在技術(shù)和產(chǎn)品方面進行創(chuàng)新，增強黑土地的肥力?！?/b>