华为AI战略：挑战谷歌或将陷入苦战

作者：陆樍2018-10-22 原发: 企业观察报

华为终于宣布正式布局人工智能。10月10日，华为轮值董事长徐直军在第三届HUAWEI CONNECT 2018（华为全联接大会）上宣布了华为AI战略以及全栈解决方案，其中包括全球首个覆盖全场景人工智能的昇腾（Ascend）系列IP 和芯片。这是华为第一次向外界系统展示其AI战略。

同时值得关注的是，华为此次发布了自主研发的基于达芬奇架构的自研云端AI芯片“昇腾（Ascend）”系列，首批推出7nm的昇腾910以及12nm的昇腾310两款产品。昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌和英伟达。

与同一级别的科技公司BAT相比，华为的AI发展战略显得姗姗来迟，但却引爆了外界的关注与好奇。据了解，作为国内ICT产业、集成电路领域的一个重要角色，华为这次公布的AI战略，以及自主研发的AI芯片令业内沸腾，甚至出现了“华为将在云端AI芯片领域干掉英伟达和谷歌”的说法。

但更多的专业人士在看好华为AI技术与布局的同时，也指出，华为的进入意味着AI落地的战役刚刚打响，一切尚未可知。唯一可以肯定的是，AI落地的时代正式来到。

华为的AI战略

华为此次重磅发布的“AI全栈”全场景解决方案到底是什么？根据徐直军的介绍，华为的AI发展战略包括五个方面：投资基础研究、打造全栈方案、投资开放生态和人才培养、解决方案增强、内部效率提升。其中，全栈全场景AI解决方案是重点内容。

全栈全场景AI解决方案中的“全场景”，指的是包括公有云、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。“全栈”是指包括芯片、芯片使能、训练和推理框架及应用使能在内的全堆栈方案。

这项技术如何落地应用？华为在发布会上了演示了AI落地三大场景，首先是海量重复性场景，比如图片/图像鉴定、单据审核等，重复的、目标明确的，但是海量的任务。AI应用在该类场景的核心价值是提升效率。

其次是专家经验型场景，很多行业由于关键专家稀缺，比如医疗行业，全国只有不到5000名达标的宫颈癌筛选专家，需要20年才能把全国适龄女性筛查一遍。采用AI辅助，可以提升效率5-10倍。

第三种是多域协同的场景，也是最复杂的场景。比如城市智慧交通系统、现代化制造等等。一个交通信号灯的控制，与时间、天气，车道、路网以及重大活动等等多个维度变量有关，靠人脑显然无法做出分析和判断。由于华为主打的是全场景AI，上述三种主要AI应用场景华为都有对应的解决方案。

徐文伟在发布会上列举了两个华为AI具体应用的案例：当前深圳机场每天航班起降超过1000架次，靠桥率约为70%左右，目标要提高到80%，每天客流量12万人。通过“+AI”，同时进行基础设施的智能化改造，从传统的甘特图手工安排计划到AI的自动化，靠桥率提升到80%。这10%的提升，意味着每年将有400万人，不用坐摆渡车去远机位。项目还结合人脸识别实现机场一站式通关，旅客排队时间将减少15%。

“这些都需要平台+AI+行业智慧+生态共同打造。华为首先是一家平台公司，通过端、管、云建立的开放平台，结合AI，与生态合作伙伴一起，使能各行各业的数字化转型。” 徐直军说：“我们计划通过“平台+AI+行业智慧+生态”赋能各行业，并且计划在3年发展100万AI开发者和合作伙伴。”

另外值得关注的是，华为此次发布了自主研发的基于达芬奇架构的自研云端AI芯片“昇腾（Ascend ）”系列，首批推出7nm的昇腾910以及12nm的昇腾310。

据了解，昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌和英伟达。昇腾910半精度（FP16）运算能力为256TFLOPS，比NVIDIA的Tesla V100要高一倍，整数精度（INT8）512TOPS，支持128通道全高清视频解码（H.264/265），最大功耗350W。

华为公布的AI战略，获得了业界较高的评价。多位业内人士和学者认为，其涉及的产品无论是从深度还是广度上看都是非常领先的。从深度来说，其AI相关产品生态包含了从应用接口ModelArt（用于客户的应用直接接入AI功能），中层深度学习软件框架MindSpore，软硬件接口层CANN，直到专用硬件Ascend系列，最终可以为终端和云端的应用赋能。

而其全场景战略中，公有云、私有云最高性能的AI芯片，性能达到256T FLOPS,是业界的2倍；边缘计算覆盖摄像头、PC等；超低功耗涉及1mw的蓝牙耳机、智能手机等，是业界唯一覆盖高、中、低全场景，算力跨越几千万倍的技术。“华为独创的达芬奇架构，高、中、低全场景统一架构，一次开发适用于所有场景的部署、迁移、协同，大大提升了软件的效率。”有学者表示。

有业内人士评论称，“华为的AI战线之深可谓是全球一流，仅有Google、百度等技术导向明显的互联网公司可以与之匹敌，Google拥有最流行的深度学习框架TensorFlow和芯片TPU，百度则拥有深度学习框架PaddlePaddle和芯片XPU。而诸如微软、亚马逊、腾讯等其他云服务领域厂商的战线深度，尤其是在硬件领域的投入决心，都远远不及华为。”

All in AI ：主动出击还是战略防御

对于华为此次的动作，熟悉华为的人将其形容为“正式大规模地向AI全面发力”。这是华为第一次向外界系统展示它的AI战略，但在此之前华为亦不断涉猎该领域。

华为的AI战略可以追溯到2016年，华为公司创始人任正非在华为诺亚方舟实验室座谈会上首次系统谈到了华为在人工智能领域的战略；2017年9月，华为发布了面向企业、政府的人工智能服务平台华为云EI；2018年4月，华为发布了面向智能终端的人工智能引擎HiAI。

有一种观点认为，此时发布AI发展战略更像是华为的一次战略防御。毕竟在顶级科技公司梯队，无论是BAT还是国外的谷歌、微软、Salesforce都早已发布了各自的AI发展战略。但徐直军并不认同这一说法。他看到的是进攻的机遇，徐直军将华为的AI发展战略形容为“令人兴奋的落差”。

徐直军说：“目前只有4% 的企业已经投资或部署了AI；只有约2% 零售商已经投资或部署了AI；只有约5% 部署的智慧城市中正在使用AI；2017年只有约10%的智能手机内置了AI；全球AI人才的供需比仅有1%。根据预测，到2025年，全球AI市场空间将达到3800亿美元，其中90%来自于企业市场。”

“AI在传统企业的落地，仍处于一个比较早期的阶段。华为进场，在技术积累上落后一点，但在做传统企业落地的时间点上，没什么问题。现在这个阶段，传统企业刚刚被教育、普及。现在去做AI，刚刚好。”爱分析首席分析师李喆表示。

梳理云计算、大数据的发展过程可以发现，每一项技术的落地都有一定的周期，例如2009-2010年，阿里巴巴开始布局云计算；2012-2013年在互联网企业圈，云计算火了起来；2016-2017年，云计算开始大规模进入金融、能源等传统行业。大数据也是如此，2011年从中国起步，2013-2015年作为概念被热炒，2016-2017年才开始真正落地，进入到传统行业。

“华为很少提概念性的东西，现在开始将AI提到战略地位，这说明AI开始进入落地时代。在传统企业，AI落地的程度和范围将进入一个加速的阶段。”李喆说。

另一方面，在AI领域，华为能否后来居上，超越BAT？这成为华为全面进军AI后，最令外界感兴趣的话题之一，然而这却不是一个容易回答的问题。英诺天使基金创始合伙人李竹认为，华为全栈全场景，实际上是利用AI完成了一个拼图，其核心还是华为在云和端的产品与服务积累，芯片方面是华为的亮点，这是领先BAT的地方。但是在云服务产品方面，与阿里、腾讯相比，华为还需要追赶。BAT在AI场景应用方面各有千秋，在各自选定的方向有局部优势。如果说形成一骑当先的局面，则尚需时日。

李喆认为，BAT和华为分别代表两种不同的打法，如今AI落地的战役刚刚开打，一切尚未可知。唯一可以肯定的是，AI落地的时代正式来到。

“作为顶尖的互联网公司，BAT以搜索、电商或者游戏起家，做的都是高毛利的业务。从云和大数据的落地来看，阿里、腾讯自己做了公有云，而私有云，阿里、腾讯都在向外寻求合作伙伴，将实施交给合作伙伴去做，这是BAT的惯用套路；在人工智能领域，BAT以平台型产品切入，无论是阿里巴巴的ET大脑、腾讯的觅影，还是百度的Apollo（阿波罗），它们提供的都是一种通用能力，做的是适用面更广、更具通用性的平台。BAT不会去做，也不擅长做落地。具体的落地，是由平台上的开发者或者创业公司去帮它们实现的。”

李喆分析，与BAT相反，华为和政府、传统企业的关系比较强，并且具有比较强的落地能力，可以说BAT的弱点正是华为的强项。再加上AI业务并不是一个全新的业务，它和华为的老业务，比如华为云、物联网等都可以联动。因此对华为来说，AI是在原有业务上面的叠加，能够提升原有业务的价值。华为有成熟的业务体系和客户资源，做AI可以提升业务毛利率和产品竞争力，价值会更大。

能否挑战谷歌

“华为同时注重深度和广度的人工智能战略是以技术为基石的，而其技术栈中最具有挑战性，同时也是最具有区分度的就是底层芯片。”对于华为发布的AI战略，有半导体行业人士分析称。

目前世界上最热门的两种商用人工智能芯片架构分别掌握在两大巨头科技公司手中——英伟达(Nvidia)的GPU和谷歌（Google）的TPU。虽然目前华为与谷歌、英伟达在边缘计算解决方案领域并没有直接竞争，但是随着华为在云端布局加深，势必将会与两大巨头产生正面竞争。

如前述，华为此次发布了自主研发的基于达芬奇架构的自研云端AI芯片“昇腾（Ascend ）”系列。把华为的达芬奇架构与英伟达的GPU和谷歌的TPU作比较，多位技术分析员认为，单从性能上看，华为的达芬奇结构并不落下风。“华为达芬奇为卷积神经网络优化过的架构，相比GPU的计算效率要强不少。与Google的TPU相比，达芬奇架构则显得更加简单直接，能快速部署到多个不同算力等级的应用中。”

“但是，华为能否凭达芬奇架构与谷歌这样的公司在人工智能领域角逐竞争，最终比拼的还是综合生态，而非一两个特定应用上的性能对比。”有行业人士指出，为了能充分发挥可伸缩性强的优势，华为的AI芯片必须能尽快进入多个不同的应用领域，这也是华为将要面临的挑战。

多数行业人士的看法是，从公司基因来看，Google是一家技术驱动的互联网公司，Nvidia是芯片硬件公司，而华为则是设备提供商。Google一切业务的源头都是互联网，因此也希望把一切新扩展的业务规划到互联网的范畴中。Google属于第一批看到人工智能潜力的公司，在自己的业务中早早就用上了人工智能，并开发了全球最流行的深度学习框架TensorFlow。

当人工智能得到更多认可后， Google Cloud上开放了深度学习应用接口给用户使用，并且在发现人工智能计算需要新一代芯片后着手研发了TPU。对于Google来说，最关键的生态环节在于人工智能入口即TensorFlow，一旦TensorFlow成为人工智能的绝对主流框架，那么Google就将成为制订下一代人工智能标准化实施方案的主导者，这与当年Google把握了互联网搜索入口如出一辙。

Nvidia则是底层芯片硬件公司，最关注的是GPU是否能卖得足够好，CuDNN和TensroRT可以认为是GPU在人工智能时代的驱动程序，但却不是Nvidia的主要盈利点，而Nvidia更不会去做人工智能时代入口之类的尝试，而是会更倾向于把自己定义为“人工智能计算的赋能者。

据此，业内人士分析，相比Google和Nvidia，华为事实上在一个更中间的位置，因为华为是一个解决方案提供商，最终是为了解决客户的需求，因此其解决方案中既要包含硬件又要包含软件。华为在底层硬件和上层软件接口上都有与Nvidia和Google重合竞争的部分。

如前所述，Google的TensorFlow是手中的一张王牌，凭着TensorFlow的开放性以及社区建设，目前TensorFlow已经能完美支持多种不同的硬件平台。而华为的MindSpore配合CANN则更像是面对自家芯片做的定制化解决方案，性能卓越，但是开放性却可能会成为一个挑战。另一方面，在硬件层面，达芬奇如果想彻底战胜Nvidia的GPU或许还需要在芯片架构上更进一步，如果无法对GPU有数量级的性能优势，最终恐怕还是会陷入苦战。

搅动国内芯片产业

多位业界人士认为，这次华为大举进军AI芯片，是AI芯片领域的一个重要事件。最初的系统厂商如IBM、SUN等的系统都是包含了自研芯片，直到以Intel为代表的标准化处理器芯片崛起，以及计算市场利润变薄后这些系统公司才逐渐放弃自研芯片而转而采用Intel的标准化处理器芯片；而AI市场目前看来潜力巨大，不同场景差异化大而且对于芯片效率有很高的需求，这也就为系统厂商重新开始自研芯片提供了足够的动力。“我们认为华为这次自研AI芯片是系统厂商自研芯片趋势的延续。”

外界看来，在华为之前，已经有Google、Facebook、亚马逊、阿里巴巴、百度等诸多互联网系统厂商开始了AI芯片研发，而华为作为中国芯片研发能力最强的系统厂商，进入AI芯片领域可谓是理所当然，因为对于系统厂商来说拥有了自研芯片才能拥有真正的核心竞争力。

英诺天使基金创始合伙人李竹表示：“华为这次进军AI芯片将会引发更多系统厂商进入AI芯片领域，估计海康、大华、旷视、商汤、依图等都有自研芯片或者与其他芯片公司合作研发自己专属的定制化芯片的商业动力。我们预计在不久的将来会看到更多系统厂商发布自己的芯片。反之，缺乏自研芯片能力的系统厂商的生存空间将会受到挤压，要么逐渐消失，要么找到新的商业模式。”

而在爱分析首席分析师李喆看来，对于AI芯片初创公司来说，由于AI芯片细分市场多，差异化大，华为的AI芯片更有可能发挥鲶鱼效应，激励这些AI芯片初创公司去寻找华为无暇顾及的细分市场，例如功耗小于1W的超低功耗市场等。

“我们必须看到不少AI芯片初创公司实际上也是系统厂商，其AI芯片也是主要供自己的系统使用，如Rokid等。对于这类自研AI芯片的初创系统厂商来说，华为施加的竞争压力会更大，因为华为实际上走了和这些厂商一样的道路，本来这些初创公司系统中的亮点是自研芯片，但是现在相对于同样拥有自研芯片的华为来说这个就不再成为亮点了。对于这些厂商，如何找到属于自己的差异化市场避开华为的锋芒就成了目前亟待解决的问题。”李喆说。

多位技术分析员表示，实际上，华为的Ascend系列AI芯片也并非不可战胜，其架构如前所述并非属于常人无法想象的黑科技，而更像是一款经过仔细工程优化的AI加速器。因此AI芯片公司如果拥有下一代技术，即使与华为在云端正面竞争也有胜算。