1. <dl id="tkv5f"></dl>
    <dl id="tkv5f"></dl>
    <dl id="tkv5f"><ins id="tkv5f"></ins></dl>

    1. 2018-10-11 03:14 新智元
      華為大轉型!AI戰略重磅發布,兩顆AI芯片問世,算力超谷歌英偉達!
      核心觀點
      • 10月10日,上海世博館,華為全聯接大會,華為副董事長、輪值董事長徐直軍重磅發布了華為的AI戰略和全棧解決方案,總結一句話:云管端各層面發力AI。
      • 但距離亞馬遜、微軟和谷歌——同樣擁有自研云端和終端AI芯片、有云計算服務,以及有智能終端的公司,市值分別為全球第二、第三和第四——仍然有一定的距離。
      • 徐直軍稱,昇騰910是目前單芯片計算密度最大的芯片,計算力遠超谷歌及英偉達,而昇騰310芯片的最大功耗僅8W,是極致高效計算低功耗AI芯片,兩款芯片預計明年第二季度正式上市。

        AI戰略重磅發布,兩顆AI芯片問世,算力超谷歌英偉達!

      華為,AI芯片,谷歌,轉型,大會,抓金股

        在華為全聯接大會2018現場,華為副董事長、輪值董事長徐直軍正式宣布華為的全棧全場景AI解決方案,同時發布兩款AI芯片,華為昇騰910和昇騰310,昇騰910是目前單芯片計算密度最大的芯片,計算力遠超谷歌及英偉達,而昇騰310芯片的最大功耗僅8W,是極致高效計算低功耗AI芯片。

        華為大轉型,智能紀降臨!

        10月10日,上海世博館,華為全聯接大會,華為副董事長、輪值董事長徐直軍重磅發布了華為的AI戰略和全棧解決方案,總結一句話:云管端各層面發力AI。

        其中兩項重要的發布:

        這是華為面向AI的華麗轉身。

        徐直軍在大會上提出,華為眼中的AI需要做出10大改變:

        1、模型訓練從需要數日、數月到只需幾分鐘、幾秒鐘

        2、算力稀缺且昂貴變得充裕且經濟

        3、AI無處不在,任何場景適用,而且尊重和保護用戶隱私

        4、未來,算法變得數據高效、能耗高效

        5、在數據挖掘、獲取、標注等系列領域,AI變得自動化/半自動化

        6、面向實際應用,實現工業級AI,“工作優秀”

        7、模型更新未來實現閉環系統,保證企業應用

        8、AI要協同云、物聯網、邊緣計算、區塊鏈,發揮更大價值

        9、平臺支持,提供一站式平臺,成為所有ICT人員的基礎技能

        10、從當前數據科學家稀缺的狀態,變為數據科學家、領域專家、數據科學工程師相互協作,解決AI人才稀缺問題

        為了實現上述十大改變,華為發布了AI戰略是:

        1、強力投資基礎研究

        在計算視覺、自然語言處理、決策推理等領域構筑數據高效(更少的數據需求)、能耗高效(更低的算力和能耗)、安全可信、自動自治地機器學習基礎能力

        2、打造全棧AI解決方案

        打造面向云、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案,提供充裕的、經濟的算力資源,簡單易用、高效率、全流程的AI平臺

        3、投資開放生態和人才培養

        面向全球、持續與學術界、產業界和行業伙伴廣泛合作。

        4、解決方案增強

        把AI思維和技術引入現有產品和服務,實現更大價值、更強競爭力

        5、內部效率提升

        應用AI優化內部管理,對準海量作業場景,大幅度提升內部運營效率和質量

        華為預測,到2025年全球個人智能終端將達到400億,企業和機構的人工智能利用率將達到86%,數據利用率將達到80%,智能將像空氣一樣存在。

        于是,繼谷歌、百度、騰訊等巨頭之后,華為也成為高調全面轉型并擁抱AI的企業。

      華為,AI芯片,谷歌,轉型,大會,抓金股

        每年投入10億美元,自研云端AI芯片橫空出世

        華為HC大會又稱華為全聯接大會,是每年華為最重要的活動。

        徐直軍在會上說,業界一直有謠傳,華為在打造云端AI芯片。現在,他正式證實這一消息。

        徐直軍宣布,一直以來華為都在研發AI芯片,在此正式發布兩款AI芯片:昇騰910和昇騰310。

        徐直軍稱,昇騰910是目前單芯片計算密度最大的芯片,計算力遠超谷歌及英偉達,而昇騰310芯片的最大功耗僅8W,是極致高效計算低功耗AI芯片,兩款芯片預計明年第二季度正式上市。

      華為,AI芯片,谷歌,轉型,大會,抓金股

        【華為昇騰910】

        架構:達芬奇

        半精度(FP16):256TeraFLOPS

        整數精度(INT8):512TeraOPS

        128通道全高清視頻解碼器-H.264/265

        最大功耗:350W

        7nm

      華為,AI芯片,谷歌,轉型,大會,抓金股

        【華為昇騰310】

        架構:達芬奇

        半精度(FP16):8TeraFLOPS

        整數精度(INT8):16TeraOPS

        16通道全高清視頻解碼器-H.264/265

        1通道全高清視頻解碼器-H.264/265

        最大功耗:8W

        12nmFFC

      華為,AI芯片,谷歌,轉型,大會,抓金股

        今年7月,TheInformation首先曝光了華為的“達芬奇計劃(D計劃)”,這項計劃的內容包括為數據中心開發新的華為AI芯片,能夠支持云中的語音和圖像識別等應用,這被認為是華為涉足競爭激烈的人工智能市場的第一關。

        知情人士透露,華為已經生產出了新AI芯片的商業樣品,這款芯片有望發揮與英偉達芯片類似的作用。

        芯片也有了潛在客戶。過去幾個月,華為高管一直在向微軟推薦,期望后者在其云計算服務Azure中國部分使用這款芯片。據知情人士透露,有專門的華為工程師正在研發芯片上運行的軟件,以達到微軟的標準。工程師們還在新的華為芯片上運行微軟的算法,如Bing搜索引擎的語音識別軟件,以進行測試。

        徐直軍執行領導“達芬奇計劃”,他同時也是華為輪值董事長、華為旗下IC設計公司海思董事長。同時,在華為總部的月度會議上,也有一大幫負責研發的高管們通常會討論它們與AI相關的具體工作,并報告各自的進展情況。

      華為,AI芯片,谷歌,轉型,大會,抓金股

        徐直軍現場展示昇騰310

        在兩年前,華為高管之一郭平表示,公司每年至少拿出10億美元的研發預算,用于與數據中心相關的投入。

        推深度學習開源框架,打通跨平臺開發體系

        只有芯片提供算力還不夠,重要的是構建開發者生態。

        華為走了大膽的一步。

        盡管有谷歌TensorFlow、FacebookPyTorch以及百度的PaddlePaddle在前,華為想要打造一整套軟硬件統一框架,從底層算法到應用,從訓練到部署,從云端到終端完全打通,大有一統江湖的野心。

      華為,AI芯片,谷歌,轉型,大會,抓金股

        如果這次華為全連接大會上的動作一一實現,那將是華為近年來在AI上的最大動作,也是華為繼從面向運營商到面向移動互聯轉型后的一次最大轉型,意義重大。

        在押寶移動互聯網之前,華為是一家面向運營商的B端企業,隨著消費者BG的設立,華為從ToB的基因中浴火重生,把手機業務做到了出貨量全球第二。

      華為,AI芯片,谷歌,轉型,大會,抓金股

        2018年第二季度智能手機出貨量(圖據IDC)

        這次自研數據中心AI芯片、推出一整套開發者框架,可謂是華為在AI時代的一個重要轉折點,如果轉型成功,華為將建立起從底層算力到框架再到應用層、硬件終端全方位的生態體系,一個巨大的AI超級新星正在快速進化。

        事實證明,擁有自研AI技術、芯片和開發者生態的公司,是成功的公司。

        因此,轉型AI,是華為必然的選擇。2018財富世界500強中,華為排名72位。但距離亞馬遜、微軟和谷歌——同樣擁有自研云端和終端AI芯片、有云計算服務,以及有智能終端的公司,市值分別為全球第二、第三和第四——仍然有一定的距離。

        那么,華為的優勢在哪里?

        華為把人工智能定位為一個通用技術,希望把AI和華為的產品和解決方案融合起來,構建全棧、全場景的人工智能解決方案。

        除了為自身企業構筑技術護城河,華為的AI芯片和整套開發者框架這些重磅產品將影響到產業格局,進一步降低行業使用AI的門檻,華為云BU總裁鄭葉來把這種趨勢總結為“普惠AI”,讓AI應用于各行各業的行業實踐,讓AI高而不貴,讓大家用得起、用得好、用得放心。

        愛奇藝

      香港马会067开奖号码

      1. <dl id="tkv5f"></dl>
        <dl id="tkv5f"></dl>
        <dl id="tkv5f"><ins id="tkv5f"></ins></dl>

          1. <dl id="tkv5f"></dl>
            <dl id="tkv5f"></dl>
            <dl id="tkv5f"><ins id="tkv5f"></ins></dl>