华为AI再升级：推出全球最快AI训练集群Atlas 900

9月18日，第四届HUAWEI CONNECT 2010（华为全联接大会）如期而至。虽然华为是通信界的标杆，但是2018年以来，AI开始成为大会主角，全联接大会也成为华为对外展示AI生态系统的重要窗口。

2019年以来，华为一直处在风口浪尖，而AI、5G等核心业务的演进从未停止。华为轮值董事长胡厚崑在开场演讲中说道：“过去半年多来，华为顶着巨大的压力过来的。现在华为的状态确实不错，就像今天上海的天气，秋高气爽，云淡风轻。你们的支持给了我们动力，华为不会让你们失望的。”

继去年首次发布了AI芯片和AI战略后，2019年华为进一步升级了AI能力。

会上，华为首次发布计算战略，基于架构创新、投资全场景处理器族、有所为有所不为的商业策略、构建开放生态进行布局。同时，华为重磅发布了全球最快AI训练集群Atlas 900，加速科学研究与商业创新的智能化进程。

在华为看来，计算产业新的大航海时代由此开启。

1、华为的计算战略是什么？

在两年前，华为发布了新的愿景：构建万物互联的智能世界。华为认为智能世界有三个特征，就是万物感知、万物互联、万物智能，要支撑这样一个智能世界，有两个关键的技术需要持续创新和投资：联接和计算。

“大家印象中的华为一直是做联接的，在过去三十多年里，从有线到无线，从2G、3G、4G，到今天热门的5G，华为已经取得了一些成绩。”胡厚崑说道：“然而华为并不只是一家做联接的公司。在我们看来，要支撑未来的智能世界，联接和计算缺一不可。”

他进一步表示：“事实上，联接和计算这两大技术，就象一对孪生兄弟，相互促进、协同发展。可以说，在未来的智能世界里，联接到哪里，计算就到哪里，哪里有计算，哪里就有联接。”

众所周知，计算又是AI发展要素，而5G和AI，就类似于4G和互联网的关系。因此，可以看到华为对智能世界的野心颇大，当然，华为还是聚焦在普惠、基础的设施。

那么未来的计算时代有什么特点和困难？华为由如何布局？

华为认为，在计算的智能时代有三个重要特征。第一个特征，需要超强的算力；第二个特征，计算和智能将会无处不在，而不仅仅是分布在中心侧；第三个特征，端边云之间需要高效的协同。

根据Gartner的数据，预计到2023年，计算产业的规模将超过2万亿美元。这样的大蓝海中，当然也有不少困难，胡厚崑就提及，计算架构、算力、面向不同场景的处理器、更好的网络条件等都是挑战。

为此，华为主要从四个方面来布局。

其一是架构的创新，也就是华为自研的达芬奇架构。胡厚崑表示，算力已经成为稀缺资源，高度依赖处理器的能效，摩尔定律走到极限的情况下，需要创新来释放算力。从华为的业务布局上，已经分布在终端网络云服务上，华为业务本身也需要获得新的架构，更好地覆盖端边云的全场景。

其二是投资全场景处理器，具体包括支持通用计算的鲲鹏系列，支持AI的昇腾系列，支持智能终端的麒麟系列，以及支持智慧屏的鸿鹄系列。

其三是商业策略，有所为有所不为。华为不准备独立销售处理器，而以云服务的方式进行提供。包括硬件开放，例如服务器的主板、AI的模板、板卡对外开放；坚持软件开源，操作系统、数据库、AI的计算框架对合作伙伴开放；此外，华为不做应用，但是会投入专门的团队和工具帮助合作伙伴做好应用的迁移。

其四是构建开放生态，华为推进沃土计划，将继续投资15亿美元，希望开发者从130万的规模扩展到500万。

2、全球最快的AI训练集群

目前，华为的全栈全场景AI战略正在落地。比如华为昇腾AI处理器陆续发布，也宣布了开源框架，云服务上有训练和推理服务。搭载昇腾310的Atlas系列产品已经对外了，昇腾910也已经运用到华为服务器上。

今天，华为新发布AI产品——Atlas 900，华为表示，这款产品汇聚了华为几十年的技术积累，是当前全球最快的AI训练集群，由数千颗昇腾处理器组成。

在衡量AI计算能力的金标准ResNet-50模型训练中，Atlas 900只用了59.8秒就完成了训练，这比原来的世界记录还快了10秒。“这是什么概念？相当于短跑冠军跑完终点，喝完一瓶水才等到第二名。”胡厚崑说道。

据了解，mageNet/ResNet-50（在 ImageNet 数据集上训练 ResNet-50 分类器）作为训练性能的基准。ImageNet 和 ResNet-50 是最流行的用作大规模分布式深度学习基准的数据集和深度神经网络之一。

那么，该AI集群如何应用？

胡厚崑表示，Atlas 900的强大算力可广泛应用于科学研究和商业创新。“比如天文探索、石油勘探等领域，都需要进行庞大的数据计算和处理，原来可能花费好几个月的工作，现在交给Atlas 900，就是几秒钟的事情。”

例如，在天文探索方面，华为联合上海天文台与SKA共同合作，天文研究高度依赖于海量的数据分析和计算，离不开超强的算力支持。

比如一张南半球的星空图，这张图上有20万颗星星，用人眼是看不见这么多星星的，这些画面来自于SKA射电望远镜的数据。

当前条件下，天文学家要从这20万颗星星中，找出某种特征的星体，相当困难，需要169天的工作量。用上Atlas 900，只用10秒，就从20万颗星星中检索出了相应特征的星体。