谢丽容、周源撰文 财经十一人来源

华为AI战略出炉始末

本文由机器之心经授权转载自财经十一人(ID:caijingEleven)  ,未经授权禁止二次转载。

在Huawei Connect 2018现场,来自清华大学交叉信息研究院、浙江大学、上海交通大学、东南大学、西安电子科技大学等学校的高校代表,以及来自多维视通、 高新兴、 皓图科技、 汇纳科技等生态合作伙伴,以及8位开发者代表,一起见证华为沃土AI开发者使能计划的启动。

人工智能(AI)产业爆发数年后出现了一家公司,它打算提供全套AI服务,覆盖几乎所有类型企业在数字化转型过程中的所有环节。

10月9日,华为在其“联接大会2018”发布了全栈全场景AI解决方案,涵盖了从终端到云端、从AI芯片到深度学习训练的多层解决方案。华为还同时发布了两款性能上媲美英伟达,可伸缩性和通用性俱佳的AI芯片。

万物互联的背景下,AI成为企业提升运营效率、可靠性和预测能力的全新抓手。新的产业共识是,人类生产管理已经基本走过自动化阶段,下一阶段的目标是通过数字化带动智能化,结构性地提高生产效率、服务质量和运营效率。

这是华为的机会所在,也是其AI战略的出发点。

今天,包括IT、CT、互联网在内的所有科技公司都希望向传统产业赋能,巨头中,只有谷歌、英伟达和阿里云等战略与华为类似,但基因不同,各自侧重点也不同。

谷歌是一家技术驱动的互联网公司,所有业务的源头是互联网,谷歌虽然在发现人工智能计算需要新一代芯片后着手研发了TPU(Tensor Processing Unit,机器学习专用芯片),但谷歌的目的并非卖TPU,但它希望把一切新扩展的业务规划到互联网范畴中。

英伟达是一家底层芯片硬件公司,最关注的是专为人工智能定制的GPU是否能卖得足够好,虽然也有相应的开发框架,建设生态,但这并不是英伟达的核心赢利点,更不会尝试去做人工智能时代入口。

阿里云和谷歌类似,希望尽可能将业务规划留在云端范畴,虽然它近年来开始涉足底层芯片及服务器等硬件领域,但才刚起步。

鉴于华为此前三十年在芯片、终端、云、网络多方面的积淀,华为的AI战线既全又深,其AI相关产品生态包含了从应用接口,中层深度学习软件框架,软硬件接口层,以及专用硬件。

这一轮全球科技巨头重兵卡位企业服务市场的背景是,个人消费市场在历经多年迅速增长后,已经趋于饱和。

2018年,全球互联网用户数超过36亿,规模接近全球总人口数的50%,而市场普及率一旦超过50%,就很难再继续增长。竞争的核心转向新的2B市场。这意味着两个趋势:一是2C市场的增长转向更精细的耕耘;二是AI等新技术赋能2B市场的潜力巨大,这可能是科技公司的全新机会。国务院《新一代人工智能规划》提到,未来五到七年中国人工智能落地的重点领域为智能制造、智能医疗、智慧城市、智能农业、国防建设等。

华为轮值董事长徐直军表示,二十多年前华为进入通讯行业,当时并不完全知道什么是通信,没想到竞争这么激烈,但后来发展得很好。云、AI 领域挑战类似,需要继续“啃硬骨头”。

外界普遍关心华为发布的两款AI 芯片,徐直军强调,华为不向第三方出售芯片,不和芯片厂商直接竞争。

华为在AI战略上的考量更加宏观。发展人工智能,芯片先行,但芯片只是整个战略一环。徐直军称,华为当下的任务是探索一套能够快速落地的AI战略实施路径,其中,生态从无到有到兴盛,又是重中之重。 

华为又开始了一个新故事。

纵深带来壁垒

华为的AI战略,关键词是“全栈”。

“全栈”这个词,在程序员群体被广泛使用。全栈工程师精通前端、后端和移动端,掌握多种技能,既熟悉技术全局,又懂用户体验,并且能够利用这些技能独立完成产品。

华为将“全栈”这个技术名词引入到AI战略,是希望能够成为AI领域的“通才”。

华为“AI全栈”是技术功能视角,具体包括芯片、芯片使能、训练和推理框架,以及应用使能。

方案具体由四部分组成。一是芯片层面,也是被认为是最核心的硬件部分,华为已经发布了昇腾910和昇腾310,前者明年上市,后者已经量产;二是开发工具,华为这次拿出的是CANN(芯片算子库和高度自动化算子开发工具),可以提升开发效率;三是支持端、边、云独立的和协同的统一训练和推理框架,华为这次拿出的第一款落地产品是MindSpore;四是应用使能,提供全流程服务(ModelArts)。

简单说,因为华为有提供从底层硬件到上层软件的整套技术能力,所以可以为不同类似、不同需求的客户快速提供服务。

在企业数字化转型过程中,云计算不再是仅能支撑普适场景的资源聚合平台。不同行业、不同企业,甚至同一企业的不同业务,以及不同发展阶段,都需要适配不同的云和AI能力。

简单说,传统业务需要可靠的稳定架构,创新业务则需要可支撑系统快速迭代的敏捷架构;大型企业更关注无缝的混合云架构,对接公有云,并实现跨云灾备;而政府领域则侧重多租户管理,以及自服务的智能运维。

举个例子,一家公司想做云和AI化改造。目前可行的办法是需要对接多个公司,先要找一个做底层云服务(比如华为云或者浪潮云),往上要做数据清洗、标注(脏活累活,找传统标注团队来做),然后是做模型算法的公司,以及做数据可视化解决方案的公司。

“这些环节完全可以全部由华为带着合作伙伴来做”,一览群智合伙人胡建对《财经》记者说,这家创业公司正在做类似的技术整合,“华为有这样的实力,创业公司很难,因为投入非常大”。

光联集团是全国五大二级网络运营商之一。也是华为的AI生态合作伙伴。该公司销售总监陈艺元告诉《财经》记者,他们花了一年的时间,测试了包括华为、阿里云等40多家公司的方案,最后选择了华为。“华为做硬件做路由器出身,而且ICT全覆盖,毕竟运营商骨干网里用的就是华为的设备。” 

阿里云在该细分领域没有硬件,白牌机厂商为它提供白牌路由器,具体AI功能实现都在软件侧。

因此,华为的“全栈”打法更像一个海陆空整体打法。既包含硬件又包含软件,渗透到每一个环节上。和其他巨头相比,华为在每个环节都有竞争对手,但没有一个竞争对手可以在全环节上和华为竞争。

北京中盛益华科技做了十几年的视频监控解决方案,典型客户是大型零售集团沃尔玛,这几年开始聚焦行业、聚焦商超、机场、综合园区、公安四个行业场景,这样就不只有视频,还有人面识别、报警、车牌等,以及多种物联终端设备,集成在一起。

这家公司集成了华为的硬件存储设备和私有云、公有云等服务器软硬件以及云端接入解决方案。这家公司所在的安防行业,华为现在从底层芯片到上层应用软件都有,在巨头中,也只有华为有能力有意愿给这样的客户提供一整套服务,其他中外巨头或是因为基因决定了暂时不会涉足,或是无法提供完整方案。

“单个领域我们未必做得过别人,但是我们既做芯片又做平台,既有端又有云,尽管傻一点,笨一点,但这条路是可持续的。”徐直军对《财经》记者说。

中国某大型AI公司的一位高层人士评价称,华为目标已经相对清晰,把握生态链上的每一个环节,把开发者和用户的使用循环全部保留在自己的生态圈内,形成壁垒。这样的壁垒一旦形成,不仅仅可以完成对竞争对手的防御,更可在整体生态上获得成功。

上述人士称,“华为的AI生态一旦做起来,就不会给竞争对手或新兴公司单点突破的机会,除非生态起得不成功。”

由“达芬奇项目”发轫

两枚新发布的AI芯片,实则是外界已经流传一段时间的“达芬奇项目”,华为首席架构师党文栓透露,达芬奇项目在两年前立项,代号由开发人员所定,当时初衷是做一个可以支持全场景的芯片。“达芬奇多才多艺,你很难界定他是一个发明家,还是画家,生物学家,甚至是工程师,这和华为的AI芯片定位相同”。

徐直军回忆,拍板过程很简单。“我们对他们没有KPI要求,他们想做,做出来可以,做不出来也不会怎么样。”

 “从管理者角度看,我最喜欢的是有人主动跳出来说自己想做;最讨厌就是,他把这个事情定位为是领导安排的。” 徐直军回忆,达芬奇项目恰好是前者,而且立下了军令状。“我们就是盖了个印,说,去做吧”。

华为公司董事、战略Marketing总裁徐文伟也亲历了整个过程。他说,华为的核心诉求是用技术创新带动整体的战略创新。每天都在做研发,时刻感受技术变化和发展趋势的技术开发人员能力调动就至关重要。“在方向总体正确的情况下,先‘开一枪’再‘打一炮’。开一枪,先给钱做,打一炮,感觉有机会,就大量投入资源。”

需要厘清的一点是,华为鼓励单点突破,但和互联网巨头不同,这些单点突破的技术方向,必须和华为的大方向一致。

互联网公司,尤其上市公司追求股东价值最大化,这种模式资本市场是认可的,因此,他们往往鼓励团队内部赛马,一些好的点子因此得以跳出,不仅为公司做高了市值,也为公司赢得下一个时代的船票。腾讯集团的微信因为这样的文化而得以成功,腾讯也因微信继续称霸移动互联网。

但这种模式有一个问题:从集团的层面来看,单点创新的机会成本过大,同时又分散资源重复创新。出于这样的考虑,华为模式更倾向于“力出一孔,利出一孔”。鼓励创新,将创新成果平台化,但不支持不鼓励不投资内部创业。

“华为鼓励各领域单点突破,有价值的成果全平台横向拉通。”华为公司高级管理顾问、中国人民大学商学院教授黄卫伟对《财经》记者说。黄卫伟在华为公司担任高级管理顾问,定期和创始人任正非交流管理心得。他认为,单点突破考验的是华为的人才管理能力,横向拉通考验的是华为的平台整合能力。

如果一个公司的战略不清晰,员工盲目创新,创新成果又难以产业化,结果很可能是团队集体出走另立山头,但对公司大战略毫无帮助。

“华为不是上市公司,不需要为股价和市值造梦讲故事,该怎么做就怎么做。”徐直军对《财经》记者说,“如果是没有做出来的事情,那就不能说,不能吹泡泡。”

从结果来看,“达芬奇项目”从一个研发层面的创新计划升级为最终的“昇腾芯片”,并在“昇腾芯片”芯片的基础上结合华为的战略方向和既有布局,演化出AI全栈计划。这既是内部创新机制长期良性运作的结果,也是华为对市场变化快速反应的例证。

先拿自己验证

人工智能与高性能产品部总经理刘军告诉《财经》记者,从目前华为公布的战略来看,他认为华为云最大的短板在于不像亚马逊、谷歌和阿里那样有超级应用来锻造和证明自己。

在2B(企业)市场,“超级应用”意味着标杆用户,即在一个领域有一个大型的龙头项目或者客户的实践经验,来证明自家的解决方案是可靠的,优秀的,可以在相关领域大规模推广的。

这其实不是华为的独特挑战,而是中国目前所有打算在企业服务市场上掘金的科技巨头面对的共同困境。

已经率先布局云市场的几大中国巨头,均有独特之处,阿里云的标杆市场和用户是电商企业,腾讯云是游戏企业,华为此前的优势在ICT领域服务大型企业。

但在新兴的云和人工智能领域,面向政务、汽车、金融、医疗、烟草、军工、装备制造、房地产、建筑、机械、电子、文化传媒、零售、餐饮、能源、公共事业、交通、流通服务、医药、园区、食品、现代农业等22个大类的行业,巨头们的战争刚刚开始,都在探索。这是一个全新的市场,也几乎是一张白纸。

需求的多样性带来服务和产品的复杂性,标杆用户带来的号召力量是巨大的,“一个有说服力的标杆用户,可能瞬间打开一个市场。”一位行业云公司高层对《财经》记者说。

但现实问题是,今天这个时代正处于新旧技术交替期,能够被立为标杆的大型企业通常选择一个领域或者几个新业务来逐步尝试,不会立刻全盘替换新系统。无论是阿里还是华为,都很难选择到合适的超级用户。

对于当下的华为来说,最好的超级用户,也许是华为自己。

10月9日,徐直军宣布,华为将率先用AI赋能自己。华为是一家拥有18万员工的科技公司和跨国公司,内部还有制造业务部门,对业务的需求复杂程度可见一斑。

事实上,华为一直有将自身技术应用在内部的惯例。《财经》记者近年来曾数次参观华为的制造工厂,每次都会看到新的技术迭代。最近一次,华为的手机制造产线上出现了被加入AI能力的搬运机器人,在前一代产品的基础上,这些AI搬运机器人不仅可以自动预测原材料上线和成品下线的时间,还可以自动规划搬运的最优路线。

黄卫伟透露,十几年前,华为制造体系员工数量是6千多人,支撑产值规模是几十亿美元。现在,华为制造体系的员工总数还是6千多人,支撑产值急剧增加到了近一千亿美元。此外,在2017年,华为全球技术服务部通过AI及自动化技术,人员减少了1/4。未来,华为还将在服务系统、运营系统,乃至研发系统沿此方向调整结构。

一位资深IT专家告诉《财经》记者,将产品和解决方案首先用于自身,走过的弯路、积累的经验,将是其他竞争对手不可能拥有的丰富宝藏,“没有实践,你不会知道坑在哪里。” 

徐直军认为,AI和云将不仅改变华为,还将改变更多的企业。下一阶段,企业的人才结构将普遍从金字塔形转变为菱形。工业经济时代,价值曲线呈正态分布,贡献主体在金字塔中基层。到了AI时代,创造价值主体越来越往上移,将转移到中间层(高端专家和管理者)和顶层(领袖),他们创造了超过80%的价值,价值曲线将越来越陡峭。

用AI改造华为自身,既是华为对外树立超级应用的契机,也是AI对华为的价值。

生态考验

MindSpore开放框架将成为华为做大AI战略的一张王牌。前提是华为AI生态的开放性和社区建设。可与之对标的是Google的TensorFlow,目前TensorFlow已经能较好支持多种不同的硬件平台。

徐直军称,华为AI最大的挑战在于生态到底能够做到多大。目前能做到是把有利于生态发展的条件搭建起来,但是能不能做起来,还取决于未来能吸引多少合作伙伴和开发者。

目前AI市场刚刚起步,AI行业尚未有一个开发生态形成绝对主导之势,哪怕是全球范围内被广泛使用的Google的TensorFlow,也有不少被开发者诟病的不便之处。

这正是华为的机会所在。

10月12日,华为发布了吸引开发者和合作伙伴的“沃土计划”。这个计划为开发者提供了免费培训、训练营、创新孵化营等计划;为合作伙伴提供了打造联合解决方案、共建创新实验室、免费的开发模块和板卡、技术支持及市场资源等扶持计划。

该计划还包括了高校AI人才培养计划,计划提供10亿元资金,在学科建设、人才认证、专家对接、算力和技术等方面为高校提供支持。首批公布的合作高校名单均为中国顶尖理工科学府,如清华大学、中国科技大学、浙江大学、上海交通大学、南京大学、东南大学、西安电子科技大学、中国科学院。

当然,开放生态在今天并不是一个新鲜事。在全球科技领域,开放平台已经成为高度共识,开放的生态才有生命力,封闭将导致死亡。多年来,巨头们已经习惯和熟悉了开放平台的游戏规则。

上述针对开发者、合作伙伴和教学研究机构的鼓励政策是一个开放生态的必要条件,也是规定动作。华为不是第一个做AI开放生态的巨头,要赢得这场生态之战,自选动作就显得尤其关键。

沃土计划发布之后,徐文伟被问到的最多问题和“冲突”有关,例如,开放生态里与华为业务有冲突的怎么办,华为会不会主动退出?徐文伟答,华为在公有云生态体系里的原则是“上不碰应用,下不碰数据,三不做股权”。

这“三不碰”触及了应用开发者的敏感之处——生态主导者碰了应用,很有可能和开发者形成直接竞争;碰了数据,容易鸠占鹊巢;做了资本动作,则意味着大鱼吃小鱼。承诺三不碰,相当于为开发者和合作伙伴吃了一颗定心丸。

徐直军向《财经》记者透露,华为会给从事AI研究的科研人员、合作伙伴提供足够的、经济的算力,保证芯片适配主流开发框架。“我们还可以想更多办法来激励大家,路不好走,但不走一定没有路”。

难点或许还来自更深层次的商业和人性层面。华为业务范围广阔,AI能力也将添加到所有产品线中,开放平台下没有强约束力的合作模式,难免会带来内外部的资源失衡和利益冲突。徐文伟回应称,如果确实遇到了竞争,就在商业准则里竞争,该合作的还是要合作。“我们需要有这样的心胸”。

本文由机器之心经授权转载自财经十一人(ID:caijingEleven)  。

原文链接:https://mp.weixin.qq.com/s/NVlNl4uTJRHOHESq-tdMbA

产业业务平台解决方案芯片AI华为
1
相关数据
来也机构

「来也」是国内领先的人工智能交互平台,由常春藤盟校(Ivy League)归国博士和MBA团队发起,核心技术涵盖自然语言处理(NLP)、多轮对话控制和个性化推荐系统等。公司已获得数十项专利和国家高新技术企业认证。 来也的愿景是通过AI赋能,让每个人拥有助理。C 端产品小来是智能化的在线助理,通过业内创新的AI+Hi模式,提供日程、打车、咖啡、差旅和个性化查询等三十余项技能(覆盖400w用户和数十万服务者),让用户用自然语言发起需求并得到高效的满足。B端品牌吾来输出知识型的交互机器人和智能客户沟通系统,帮助各领域企业客户打造行业助理。目前已经在母婴,商旅,金融和汽车等行业的标杆企业实现商业化落地。

https://www.laiye.com/
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

推荐文章
暂无评论
暂无评论~