自动驾驶深度学习计算框架有了新选择，华为发布全场景AI计算框架MindSpore

Posted 2021-04-20 智车科技

华为正式发布算力最强的AI处理器Ascend 910（昇腾910），同时推出全场景AI计算框架MindSpore。华为轮值董事长徐直军认为“大家目前最缺少的还是算力，谁的算力强，谁发论文就快。论文增长最快的是谷歌，因为它有最强的算力。AI本来就是一个暴力计算，没有暴力，哪来成果？华为云面向全球，启动暴力。”

自动驾驶汽车依靠AI算法来完成感知识别、决策、规划等动作，在算法搭建前往往要选择合适的计算框架。

过去，工程师们往往会在“适合入门又编码繁琐”的TensorFlow、“强调极简主义”的Keras、“传统老牌但缺乏灵活性”的Caffe、“低门槛”的PaddlePaddle 等框架中做选择，而在今天，华为发布了全场景AI计算框架 MindSpore，直接对标业界主流框架谷歌的Tensor Flow。

在2018华为全联接大会上，华为提出，AI框架应该是开发态友好（例如显著减少训练时间和成本）和运行态高效（例如最少资源和最高能效比），更重要的是，要能适应每个场景包括端、边缘和云。

经过近一年的努力，全场景AI计算框架MindSpore在这三个方面都取得了显著进展。

全场景支持，是在隐私保护日渐重要的背景下，实现AI无所不在越来越基础的需求，也是MindSpore的重要特色。

针对不同的运行环境，MindSpore框架架构上支持可大可小，适应全场景独立部署。MindSpore框架通过协同经过处理后的、不带有隐私信息的梯度、模型信息，而不是数据本身，以此实现在保证用户隐私数据保护的前提下跨场景协同。除了隐私保护，MindSpore还将模型保护Built-in到AI框架中，实现模型的安全可信。

在原生适应每个场景包括端、边缘和云，并能够按需协同的基础上，通过实现AI算法即代码，使开发态变得更加友好，显著减少模型开发时间。以一个NLP（自然语言处理）典型网络为例，相比其他框架，用MindSpore可降低核心代码量20%，开发门槛大大降低，效率整体提升50%以上。

通过MindSpore框架自身的技术创新及其与昇腾处理器协同优化，有效克服AI计算的复杂性和算力的多样性挑战，实现了运行态的高效，大大提高了计算性能。除了昇腾处理器，MindSpore同时也支持GPU、CPU等其它处理器。

值得一提的是，华为已经用基于Ascend 310芯片的MindSpore DDK做一些车辆识别的项目。

华为轮值董事长徐直军认为“大家目前最缺少的还是算力，谁的算力强，谁发论文就快。论文增长最快的是谷歌，因为它有最强的算力。AI本来就是一个暴力计算，没有暴力，哪来成果？华为云面向全球，启动暴力。”

昇腾910，号称算力最强AI处理器

今天的发布会上，华为正式发布算力最强的AI处理器Ascend 910（昇腾910）。

经过一年多的测试，在算力方面，昇腾910完全达到了设计规格，即：半精度（FP16）算力达到256 Tera-FLOPS，整数精度（INT8）算力达到512 Tera-OPS；重要的是，达到规格算力所需功耗仅310W，明显低于设计规格的350W。

徐直军表示：昇腾910总体技术表现超出预期，作为算力最强AI处理器，当之无愧。当昇腾910用于实际AI训练任务，比如，在典型的ResNet50网络的训练中，昇腾910与MindSpore配合，与现有主流训练单卡配合TensorFlow相比，显示出接近2倍的性能提升。

面向未来，针对不同的场景，包括边缘计算、自动驾驶车载计算、训练等场景，华为将持续投资，推出更多的AI处理器，面向全场景持续提供更充裕、更经济、更适配的AI算力。

全栈全场景AI解决方案，让AI无处不在

徐直军在发布以上两款产品之前，首先重申了华为公司的AI战略：

投资AI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；

打造全栈全场景解决方案：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；

投资开放生态和人才培养：面向全球，持续与学术界、产业界和行业伙伴广泛合作；

把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力；

应用AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量。

华为AI解决方案（Portfolio）的全场景，是指包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境；而全栈是技术功能视角，是指包括Ascend昇腾系列IP和芯片、芯片使能CANN、训练和推理框架MindSpore和应用使能ModelArts在内的全堆栈方案。

华为认为AI的应用总体还处于发展初期，AI技术和能力相比于长远期望还有很大差距。减小甚至消除这些差距，加速AI的应用。具体包括致力于促成以下10个方面的改变：

1. 通过提供更强的算力，使复杂模型训练能在几分钟、甚至几秒钟内完成，而不是今天的数天甚至数周。

   
   

2. 提供更经济、更充裕的算力，让算力不再稀缺、不再昂贵，从而不再是AI发展的制约因素。

   
   

3. 通过全场景方案，适应企业不同需要，确保用户隐私得到尊重和保护，让AI能够部署在任何场景，而不仅仅是公有云。

   
   

4. 投资基础AI算法研究，实现更少的数据需求，即数据高效；也要能够基于更低的算力和能耗，即能耗高效。

   
   

5. 通过AI框架MindSpore和应用使能ModelArts，大大提升AI自身的自动化水平，减少对人工的依赖。

   
   

6. 持续提升模型算法，实现工业生产环境的“工作”优秀，而不仅仅是各种比拼环境的“考试”优秀。

   
   

7. 实现模型的闭环、实时更新，保证企业AI应用始终处于最佳状态。

   
   

8. 将AI技术与5G、云、物联网、边缘计算、区块链、大数据、数据库…等技术充分协同，发挥更大价值。

   
   

9. 通过全栈方案一站式平台，使AI成为所有应用开发者甚至所有ICT技术从业人员的一项基本技能，而不是一项只有具备高级技能的专家才能完成的工作。

   
   

10. 通过全栈全场景技术手段，结合投资开放的生态和人才培养，让AI人才不再短缺。

【欢迎大家提供行业新闻热点，商业合作请联系：18562613430】

推荐阅读

▼