華為「硬」生生把AI搞出暴力美學(xué)

十三 2020-09-30 16:08:47 來源：量子位

金磊 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

「華為速度」，在AI計算領(lǐng)域到底該如何評價？

一言以蔽之：暴力美學(xué)。

而且這種速度，由淺及深地拆分來看，可以分為兩層。

首先，是物理意義上的超高速度。

這種能力在剛剛結(jié)束的第十六屆全國高性能計算學(xué)術(shù)年會（CCF HPC China 2020），最能直接展現(xiàn)。

在這場全球范圍內(nèi)、高性能計算領(lǐng)域最具影響力的三大頂會之一上，華為Atlas 900憑借其超強的AI算力，打破自己創(chuàng)下的紀錄，在ResNet-50上的跑分僅需28秒。

其次，是更深層次的華為AI速度。

從2018年華為全聯(lián)接大會（HC）首次對外宣布AI戰(zhàn)略開始，僅僅2年時間，便在技術(shù)、產(chǎn)業(yè)、人才和生態(tài)各方面，展露出了「領(lǐng)軍姿態(tài)」。

現(xiàn)在，是時候完整揭秘一下華為AI的暴力美學(xué)了。

Atlas 900速度如何問鼎業(yè)界第一？

Atlas 900，從去年9月誕生開始，便打上了「世界最快AI產(chǎn)品」的標簽。

訓(xùn)練ResNet-50只需要59.8秒，比當時排名第二的選手快出了15%之多。

而時隔短短一年，Atlas 900超越自己，再次創(chuàng)造了世界紀錄。

在HPC大會上，華為昇騰計算業(yè)務(wù)CTO 周斌介紹道：

Atlas 900憑借其超強的AI算力，使得ResNet-50的訓(xùn)練時間僅需28秒！相比去年59.8秒的測試成績縮短一半以上，體現(xiàn)了Atlas 900軟硬件協(xié)同優(yōu)化的持續(xù)演進能力。

據(jù)介紹，集群芯片數(shù)量僅為1024顆昇騰910芯片，而其它同類產(chǎn)品在芯片數(shù)量方面都要比Atlas要多，甚至達到了2倍。

并且，從單芯片算力來看，昇騰910能夠達到320TFLOPS的超高算力。

在算力飛速迭代、發(fā)展的今天，Atlas 900能夠保持業(yè)界第一，離不開其背后的一套「殺手锏」。

這套「殺手锏」就是華為AI計算中心解決方案。

多樣性算力方面，支持GPU和NPU資源統(tǒng)一調(diào)度和管理。

除此之外，還提供端邊云協(xié)同、統(tǒng)一運維、全棧服務(wù)等能力，這就使得Atlas 900在全球范圍內(nèi)具備競爭力。

而這，就是華為在硬件方面的暴力速度。

但在擁有了這樣的速度之后，用來做什么，也是一個值得思考的問題。

華為AI發(fā)力HPC，Why？

此次大會中，華為昇騰計算業(yè)務(wù)CTO周斌的一番演講，道出了問題的答案。

「我們處在爆炸式創(chuàng)新前夜」，這是周斌首先拋出來的一個觀點。

以數(shù)據(jù)量為例，從今年的44ZB，預(yù)計到2025年，便會增長到180ZB；智能互聯(lián)網(wǎng)設(shè)備將從340億增長到1500億；計算中心AI的工作量將從現(xiàn)在的小于10%，增長到80%……

雖然高性能計算（HPC）在處理海量數(shù)據(jù)問題時，能夠帶來一定的優(yōu)勢，但面對如此爆炸性增長，還是遠遠不夠。

新增的大量數(shù)據(jù)、接入設(shè)備，對計算帶來了空前的挑戰(zhàn)。

對此，周斌在現(xiàn)場拋出了他的觀察：

AI和HPC的融合，是未來發(fā)展的一大趨勢。
AI改變傳統(tǒng)HPC計算的求解方法。

例如，2018年入圍「Gordon Bell」決賽的6個應(yīng)用中，有半數(shù)用AI+HPC融合的應(yīng)用示范。

再者，在高性能計算領(lǐng)域著名榜單Top500中，近30%系統(tǒng)擁有加速卡/協(xié)處理器。換言之，越來越多的系統(tǒng)配有大量低精度算術(shù)邏輯單元，用來支撐人工智能計算能力需求。

尤其榜單前十名都使用AI計算的能力。

并且，「AI+HPC」已經(jīng)在眾多領(lǐng)域嶄露頭角：

• 在全球氣象領(lǐng)域，美國國家大氣研究中心(NCAR) 用CNN網(wǎng)絡(luò)預(yù)測冰雹概率, 用82000個不同的風(fēng)暴樣本訓(xùn)練后，測試32000個已知的風(fēng)暴樣本，冰雹預(yù)測準確率達88%。
• 在監(jiān)控地球脈動方面，美國國家航空航天局 (NASA) 開發(fā)出通過深度學(xué)習(xí)網(wǎng)絡(luò) DeepSat，用于實現(xiàn)衛(wèi)星圖像分類和分割。
• 在醫(yī)學(xué)領(lǐng)域，佛羅里達大學(xué)和北卡羅來納大學(xué)結(jié)合使用深度學(xué)習(xí)，開發(fā)出一種神經(jīng)網(wǎng)絡(luò)引擎，該引擎能夠以超低成本生成計算快速的高精度分子模擬，用于藥物研發(fā)。

而這些工作、研究，若是仍舊采用傳統(tǒng)HPC手段來處理，不僅成本上會有大量的消耗，效率方面也會大打折扣。

一言蔽之，「AI+HPC，讓一切皆可計算」。

這也正是華為發(fā)力HPC的原因，以Atlas 900為代表的「華為速度」也逐漸在此生根發(fā)芽。

然而，Atlas 900的速度，也只是華為AI暴力速度的冰山一角。

如何評價華為AI的速度？

暴力美學(xué)，為何可以這樣評價。

其實，回顧一下華為AI這兩年的發(fā)展，便可知其一二。

首先，是于技術(shù)。

華為Atlas人工智能計算解決方案，可以說是近年來華為在AI技術(shù)發(fā)展中的集大成者。

從2018年首次提出，到現(xiàn)在僅僅2年時間，發(fā)展到了「云邊端」全場景布局，而且在互聯(lián)網(wǎng)、金融、能源、制造等眾多領(lǐng)域?qū)崿F(xiàn)了落地。

再以「昇騰AI全棧」為例：

• AI算子開發(fā)方面，「異構(gòu)計算架構(gòu)CANN」在兩年時間里迭代到了3.0版本。
• AI模型開發(fā)方面，全場景AI計算框架MindSpore在今年3月份正式開源，僅6個月后，便發(fā)布1.0版本。
• AI應(yīng)用開發(fā)方面，MindX 1.0極簡易用的特性，能滿足那些沒有深度開發(fā)能力的開發(fā)者；以及ModelArts也已步入了3.0時代，從訓(xùn)練數(shù)據(jù)到模型落地一站式打通。
• 全流程開發(fā)工具鏈 MindStudio2.0，涵蓋了算子開發(fā)、模型訓(xùn)練、模型推理、應(yīng)用開發(fā)和應(yīng)用部署。

當然，以昇騰為基礎(chǔ)的AI全棧，也已成型。

而它們的搭建，僅僅才2年時間。

其次，產(chǎn)業(yè)維度，一組數(shù)據(jù)就能說明問題。

以鯤鵬、昇騰為基礎(chǔ)的發(fā)展過程中，已經(jīng)涵蓋了30萬開發(fā)者、1000+合作伙伴、3000+解決方案認證，并且還在以每月，甚至是每周的速度在迭代更新。

以如此速度在AI產(chǎn)業(yè)大步向前行進，道路的坎坷程度可想而知，而華為卻說到做到。

以及，于人才、開發(fā)者和高校。

華為已經(jīng)在70+所高校開設(shè)了AI課程，積累了10萬+開發(fā)者進行AI開發(fā)，凝聚出了120多個行業(yè)智能化轉(zhuǎn)型解決方案。

今年，華為也會在推進AI技術(shù)研發(fā)的同時，再度加碼生態(tài)培育——投入2億美元發(fā)展計算產(chǎn)業(yè)生態(tài)。

所以這種「暴力美學(xué)」，也會更快讓高校和產(chǎn)業(yè)用得上、用得起、用得好~