1樓：甲子光年
華為是如今中國AI巨頭競爭版圖中，少有的能同時在資料中心、智慧型邊緣、演算法、深度學習框架等AI落地的各上下游環節中都掌握技術、擁有產品的「全棧」型玩家。
考慮到華為本身在通訊、半導體上的優勢，「全能」特點更加凸顯。這種全面能力的具體產品和方案載體就是華為在2023年10月發布的全棧全場景AI解決方案Atlas。
Atlas目前主要包括智慧型邊緣和資料中心兩個大場景，分別通過智慧型邊緣平台和分布式訓練平台作為平台支撐，在包含了各類軟硬體產品矩陣的同時，Atlas還與華為雲EI合作，可直接對場景進行賦能。
華為公升騰計算業務CTO周斌博士在此次人工智慧大會上表示，華為想通過Atlas解決方案，實現AI的無限可能。
當前華為做以雲邊端協同計算為基礎的AI的第乙個「組合王炸」：5G+AI+雲。在今年7月初「2020創新資料基礎設施峰會」上，華為公司高階副Quattroporte、雲與計算BGQuattroporte侯金龍也提到，新基建的核心就是資訊網路，而資訊網路中的核心又是5G+AI+雲的組合：
5G是「資訊的高速公路」，雲和AI是「發動機」。
第二個組合是硬體+軟體兩手抓。硬體層面，Atlas的前身就是於2023年發布的Atlas智慧型雲硬體平台；軟體層，華為則形成了MindSpore+CANN+行業SDK的開放軟體平台。 這種軟硬兼備的能力也是當前各廠商中的稀有特質——BAT等網際網路科技公司更擅長軟體層；新銳AI創業公司因為資源有限，也多是從硬體或軟體的某乙個角度出發，比如2023年以來迅速發展的計算機視覺四小龍，比如專注做AI晶元的寒武紀和地平線等。
而華為多年做通訊、to B IT服務的發展歷史則構建了乙個軟硬相對平衡的能力基礎。
第三個組合是華為的雲、邊、端協同能力。目前，華為在雲、邊、端的各個場景都實現了算力覆蓋，並且基於相同架構進行設計，讓訓練模型可以在各側自由流動。
在以上三重組合能力的支援下，華為Atlas發布不到兩年的時間，已有多項落地應用，且優勢點明顯。
首先，Atlas非常適合需要打通數字世界和物理世界的AIoT場景，這也是從效能、穩定性角度出發，目前AI落地最複雜的場景。 這類場景的典型代表是經濟鏈條前端的基建、製造和物流等環節，其特點是需要5G等通訊能力支撐雲端、邊緣端和終端的裝置、感測器之間的連線和協同，部分場景還涉及傳動器直接代替人進行控制和行動；同時，這類場景也往往是「關鍵任務」場景，對穩定性和安全性要求高，一旦出錯，風險和損失極大。
一句話，5G、AI、雲缺一不可，這正是全棧式AI方案大有可為之處。
第二，憑藉華為軟硬能力兼備的優勢，Atlas，尤其是其邊緣智慧型方案，還適宜應用在對效能、功耗的平衡有極致要求的場景。
在較好地積累了AI+行業應用最難落地的生產端、製造端的經驗後，Atlas也在其他行業拓展了不少新市場，比如醫療領域。 基於Atlas 800伺服器和Atlas 300推理卡提供的AI算力底座，華為聯合義大利AGS等合作夥伴，打造了AI醫療影像輔助診斷系統，以往人工CT閱片需要10~15分鐘才能識別的病症，現在10~15秒就可精準識別，準確性也從90%提高到了99%。
華為的生態計畫主要面對兩類人群：一是和高校的科研教育合作，培養AI人才、在AI基礎方法領域形成突破；二是面向開發者、行業客戶，為開發者社群提供開源支援，以幫助開發者快速獲取AI應用案例並實現業務遷移。
在打造AI解決方案這件事上，華為似乎正在甩掉以往的強勢身影，而更多表達出開放姿態。
2樓：仲之
比起mate30發布，我更關心這個。華為手機和通訊業務由於各種客觀原因，上限快到頂了。
雖然國內雲業務百花齊放，但是核心硬體基本都是美國的，這不得不讓人擔心。
好在華為這方面做的不錯，接下來就看阿里了。
3樓：靳曉楠
雲計算MKT Guy回答一發
這件事本身反映了乙個AI晶元行業逐漸明確的認知：
做AI訓練側晶元，雲計算大廠終究會成為主角，畢竟真正能匯聚如此多AI開發算力需求，並且有能力提供廉價AI算力的，唯公有雲廠商。對於晶元來說，只會量產規模上去了，才有能力「銷售一代，研發一代，規劃一代」，競爭優勢才可以持續保持。
而且，華為此次推出Atlas 900集群並且部署在華為雲上，一方面有展示創新能力的炫技意味，另一方面也是在明確雲端才是能夠提供近乎無限算力，且可以憑藉規模效應，讓AI算力普惠化。
聯想起華為雲之前一直宣揚的「普惠AI」，華為又一次說到做到。
至於對AI行業有什麼深刻的影響？就舉乙個例子：之前N家發布的全球最大的基於Transformer的NLP模型MegatronLM（83億個引數啊！
）是用了多少算力資源呢？512塊V100，峰值算力15.1P。
而華為雲Atlas 900的算力是多少？起步256P，最高1024P。你可以想象，如果你想訓練比MegatronLM更大的NLP模型的時候，你可以擁有比N家in-house科學家更加龐大和廉價的算力。
現在看來，華為雲做AI頗有「力大飛磚」的味道，這其實也是華為內部文化中推崇「範弗里特彈藥量」理論的另一種展示：只要路徑明確，靠暴力堆積人力/財力/算力進行強攻迭代，很多原先難以解決的問題都可以強行平蹚過去。這會構建起非常寬闊的競爭護城河，而且會越來越寬。
這種暴力美學，看似粗糲，其實大巧不工。在演算法Algorithm、資料Big Data都不會有革命性變革之前，暴力的提公升算力Compute是可以推動AI真正落地的好方法。
對了，再加上Domain Knowledge行業智慧型，讓AI不會成為看似很美的空中樓閣，就可以在B2B行業中得到更好的實施部署落地
4樓：公尺家公子
海軍的戰線又將延伸到高科技領域了，科技產業也完了，以後ppt ai將大行其道，自我陶醉在所謂的高科技裡，實際上被真正的高科技企業按在地上錘
5樓：
不想談技術細節了，閒扯幾句行業生態。
AI這個領域，生態不好主流開發者就是不願意用的，因為重複造底層的輪子對大多數開發者沒有價值，也就意味著生態成熟前基本賺不到什麼錢。即使誇張點說假設MINDSPORE只需要三年就能趕上TF, Pytorch，但是每年AI硬體的標桿都會拔高，華為需要持續加大生態發展投入以及研發投入同時做好相當長一段時間在這個領域零創收的準備。這事聽著並不靠譜，第一，在乙個已經有主流方案的領域培養新生態最好的案例就是安卓阻擊iOS, 然而這是消費領域， 企業級領域基本沒有聽說生態上阻擊的成功案例，基本只能等領跑者犯錯，第二，無論華為AI晶元還是AI技術的變現能力沒猜錯的話應該主要在一些比較低利潤率，更新速度不高的領域，我覺得這些應該都不足以支撐這樣的開銷。
V100已經出貨2年了，RTX生態過去一年已經前所未有的取得了大多數數字內容製作渲染方案ISV對GPU加速的支援。5G的種種優點怎麼看怎麼時候搞雲遊戲。
當然拿STATE PROJECT養幾年生態畢竟也不是不可能。
多說一句， 谷歌的TPU能成氣候是因為谷歌本身不僅是AI技術原始創新的引領者，坐擁TF 社群和最成熟的AI技術變現的現金牛。 這些都是華為不具備的。
6樓：
目前為止MindSpore太難用了，配套環境搭建一兩天，自帶Demo想跑通都很煩，有問題去論壇發帖，更新慢不說，回覆的很官方。還是想支援中國產，未來看好，終端上測atlas200比myriadx快十倍還是不錯的，就是配套軟體跟不上需要磨合，短期內不會上產品的先持續關注
7樓：
那就是消滅人類。
從清潔工，富士康裡的流水線工人，再到律師，新聞工作者，教師，士兵，統統都被取代。人類變得毫無用處，錢也失去意義。超級電腦控制一切，按需分配。馬克思的終極理想實現。
8樓：
看到華為，本來想噴一下，看了好久沒看懂，罷了罷了，我太難了，又要懂手機，作業系統，5G，晶元。這次連AI都來了，我不行了，這也太難了！
9樓：batman
軟體，庫等方面才是拉開差距的核心。nv深度學習上風風火火，你以為農機廠就那麼佛系啥動作沒有？之前把希望寄託opencl後來證明也是雷聲大雨點小。
牙膏廠的磨牙棒本來號稱又便宜效能又高還能隨意砌積木，但是軟體支援太差bug連天也沒太多受眾。所以華為的路還很長。
10樓：
不行不行，跟三星差遠了。
要知道，在ai領域，三星是當之無愧的第一！
什麼谷歌華為英偉達都得靠邊站。
三星世界最強的ai超算即將發布，全世界為之沸騰！
這是人類科技史的一次偉大的飛躍！
大韓民族真是人類的驕傲！！
11樓：丁一帆
硬體倒不是什麼瓶頸，拿我們熟知的Vega64來舉個例子一塊vega64 擁有23T 的半精度能力，要到256P的半精度能力的話，大概需要11000塊vega64——也就大概4000萬人民幣左右 ，數量怕還沒幾個大型萊特幣礦場多。
最大的問題是顯示卡的互聯，怎麼保證工作負載的平均化，這才是amd這種硬體公司所無法比擬的。
這麼一算，感覺amd可以刷個榜試試啊，比挖礦來錢多多了，amdyes！
12樓：朱紫鵬
如果只有半精度浮點運算單元的話就只能用於deep learning的訓練了，別的應用比如科學計算，星程大海啥的可能都會存在精度問題。deep learning 也可能帶來收斂性問題。nvidia的auto mixture precision還沒順溜呢
13樓：
廠家的宣傳套路很一致嘛，下面提供幾個友商產品，不知道有沒有人買回去做乙個評分。
Cerebras的Wafer Scale Engine。
Habana Labs的Gaudi HL-2000。
Graphcore的IPU Pod。
Google的TPU v3。
Nvidia的DGX-2。
14樓：
半精度和整數真的厲害。要是能用上主流框架的話真的能幫國內高校的ai研究很多（或者挖礦？）。
框架感覺對標TensorFlow。工業界支援的話生態也許不錯。但是感覺生態壓力不小。我個人理解是這個框架和硬體結合更緊密效率高。
但是有一點存疑，和英偉達對標的話不公布一下雙精度和單精度浮點數效能咩？感覺這麼比不公平。我自己看英偉達其實最佩服的就是他逆天的double速度。
我自己跑模型真的不敢隨便半精度。動不動來個無窮梯度爽歪歪。
華為面向全球發布HMS Core 4 0意味著什麼？
疾風hey 開發者兼不相容才是問題。我是開發者無端端要多加個不知道穩不穩定的東西做底層？增加自己的開發量測試量？無端端燒錢？就算有些大的支援了，上谷歌商店看看，各種其它語言小小的應用超多，別人鳥不鳥你才是個問題。微軟都沒做到的事，華為就不知道了。 意味著不能用谷歌了 但是我可以不能用，你不能說 你要...
如何評價華為發布全球首款5G基站核心晶元天罡和5G終端基帶晶元 巴龍5000？
微硬 對於華為發布全球首款5G基站核心晶元天罡和5G終端基帶晶元巴龍5000，個人認為是華為取得的巨大的成果，這使華為先一步搶占了國際市場，為以後的發展奠定了基礎，畢竟現在誰先獲得了頭名，誰就先一步獲得巨大的紅利。再乙個這種技術的發展和取得的巨大成果，它所帶來的的影響以不僅僅侷限在其自身的領域，會取...
華為最強AI芯980發布 全球首款7nm手機芯，6項世界第一
東瓜 一樣，我最近已經在談判離婚了，那一步不邁出去，你永遠不知道自己還要忍受多久，還要忍些什麼。不愛了就是不愛了，老公沒主見，一輩子也解決不了，我也是溝通把孩子從老家帶過來，孩子和婆婆是過來了，後來變成了婆婆晚上去打牌，我白天上班，晚上帶孩子，孩子睡的還晚，受夠了，不想在過這種毫無樂趣的日子。人要為...