1月14日，2019深圳機器人創新與發展論壇上，來自華為公司企業業務全球marketing副總裁李俊朋先生為我們帶來主題為《華為全棧全場景AI架構和應用》的主題演講。

華為全棧全場景AI架構和應用

李俊朋，現任華為企業業務全球Marketing副總裁。擁有十幾年ICT領域工作經驗（包括近10年國際市場經驗），擔任跨國系統部VP，區域VP等多個重要職位。2018年起擔任華為企業業務全球Marketing副總裁，負責企業業務市場管理，以及人工智能等新ICT領域Marketing工作。

▲華為公司企業業務全球marketing副總裁 李俊朋

大家好，前面的各位教授和各位專家講得非常好，非常深入，我代表華為企業市場來給大家做應用方面的匯報，我匯報分為兩個部分：華為全棧全場景AI架構與方案、華為AI應用案例。

我們講的AI偏技術和產業比較多，還有一大部分是偏應用的，AI應用到哪些領域，給企業帶來哪些價值，這也是非常重要的方向，所以，我今天的講解包含這兩部分的內容。希望華為的AI架構和應用案例，能為做AI產業的企業家們提供例子，為產業做大提供方向借鑒。

首先，我們華為對企業做了一個分析，基于業界的一些報告，對各行業AI的發展情況有個大致的了解。我們可以看到圖的右上角的幾個行業，這幾個行業代表了數字化程度比較高的行業，也就是說數字化轉型做得比較成熟的企業，同時它在AI的應用程度和深度也比較好。同時以BAT為代表的一些代表企業，還有一些銀行等等，這些企業AI應用方面也做得比較深入。目前高速發展還有一些領域，比如零售、機場，還有一些電力、教育、化工這些產業都會逐漸在AI上增加一些應用。我們目前看到一些數字，企業總體只有4%在應用AI，以零售為例，僅2%，相信未來會有一些增長。各大國都在發布AI戰略，我相信這里面的人工智能制造戰略，比如說我們國家新一代人工智能三年行動計劃，以五年為周期，從2020年開始到2030年有兩個五年計劃對AI進行大力的扶持，其次美國、日本對AI戰略重視程度也很高，在AI的整個發展里面我們做了一些分析，中國排名第二，不管是企業數量、投資金額、AI人才和專利等相關數量來說，中國排第二，美國排第一，這里面相對來說，靠前的是中國和歐美，其次是日本。

從華為的視角來看，AI發展和面臨的挑戰還很多。為了把AI從實驗室加快應用到工業等領域，我們認為需要推動在以下十個方面進行改變：

第一，從訓練時間上來說，過去訓練一個AI可能需要數日或者數月，現在很多產品，包括邊緣和智能設備，僅需要幾分鐘或者幾秒鐘就能訓練起來。

第二，以前算力稀缺且昂貴，現在是經濟的。

第三，過去AI主要體現在云上面，有少量是在邊緣。現在開始看到一個趨勢，就是端的智能化會大大加速，從聯接的方面是無所不在的聯接，從智能方面是無所不及的智能，這是兩個核心支柱。

第四，算法向數據高效、能源高效、安全可解釋發展。

第五，沒有人工就沒有智能，原來是人工做數據標注的，現在我們可以通過自動化和半自動化工具完成。

第六，模擬系統考試優秀向工業級工作優秀轉變，美國大學的教授，他提了一點，我們有一些模型和算法做出來以后，在實驗室或者在比賽里面是比較厲害的，得了高分數，但是在實際場景里面的分值會大幅下滑，從模型優秀到工業級優秀需要努力。

第七，現在算法非實時更新，以后要做到實時的更新。

第八，當前AI與其他技術聯接不充分，主要指一些物聯網的技術。

第九，AI當前是一項高級技能專家的工作，我們希望通過一站式平臺，將高要求的一個專家系統變成一個普通工程師也可以用的，這點非常重要。

最后一點需要改變的是數據科學家的稀缺，我們希望通過學術界產業界全體努力，數據科學家、領域專家，以及數據科學工程師可以協同起來，致力于AI的發展。

接下來是華為AI發展戰略，其實剛才媒體也問了我一些問題，這里系統講一下：

第一，投資的領域，在計算機視覺處理等方面，華為將進行長期的技術研究投入。

第二，打造全棧方案。這個全棧方案已經講了，面向未來的趨勢，我們解決向邊緣和端的延伸，從過去只在云一個范圍的計算，變成到未來從云到整個邊緣和終端的端到端的一個方案。

第三，AI人才培養。華為加入了業界主要AI產業聯盟，也做了一些自己的貢獻，同時我們還和一些科研機構、高校的合作，比如中科院、中科大，以及加州伯克利分校等進行合作和人才培養。未來三年，華為公司計劃投入十億人民幣來推動AI人才的培養。最后兩點，華為打算把AI用到什么地方，其實有兩個層面：

第一，內部效率的提升。華為業務遍布全球100多個國家，我們整個供應鏈和合同的處理，包括我們員工的很多內部事務將逐步用AI來處理，把一些大量重復人工勞動給剪掉，這是內部；對外是解決方案的增強，所有方案面向企業，我是代表企業來說，所有企業的解決方案和產品都會把AI的能力注入進去，為客戶帶來更多的價值。

我們來看一下華為的全棧全場景的解決方案。從場景上來說，我們的愿景是全場景的布局，包括公有云、私有云，邊緣計算，以及各種行業物聯網終端和消費者終端等部署環境。包括手機和智能可穿戴設備，從場景來說是全場景的。全棧方面，由下至上也是包含全場景的技術，現在業界炒得比較熱的是我們的AI昇騰芯片，今年已發布兩個芯片，一是昇騰310，另外是一個是昇騰910，此外，還有三個比較重要的地方，第一個就是CAAN就是基于神經網絡開發的芯片算子開發庫，再上一層就是端邊云統一的訓練和推理框架，這個我們今年也會出現，我們叫Mind spore，上面是我們一站式開發平臺ModelArts，可以為開發者提供從數據標注、建模、訓練及AI應用開發的全流程的服務，過去只有少量的專家才可以開發AI，現在普通程序員就可以進行輕松實現。這里面大概介紹一下華為昇騰AI芯片，包括310和910，昇騰310是面向邊緣計算的場景非常適合的AI SoC，提供極致高效計算和低功耗，單芯片算力， 高達16TOPS，功耗僅8W；910是全球已發布的單芯片計算密度最大的芯片，用在分布式大規模訓練場景，從左到右是從藍牙耳機到智能手表，再到邊緣計算，各種型號的芯片都有，我們以TOPS/W單位能效這個指標來衡量芯片性能，比如說我們在上海HC大會的時候，使用華為昇騰310，與業界同類芯片進行一個蝴蝶圖片識別性能的對比，昇騰310的處理速度快了很多。華為昇騰AI芯片是基于華為自己的達芬奇架構，達芬奇架構有幾個特點：一是可擴展計算，芯片的計算單元是可以縱向擴展的；二是可擴展內存，這個與計算機馮諾依曼架構不太一樣的；三是片上擴展，基于LSU可以擴展。除此之外，我們昇騰系列芯片的算力和功耗涵蓋了非常大的范圍，適合端到端的應用，我們看算力的范圍是1000萬倍；功耗方面，從藍牙耳機到昇騰910的覆蓋范圍20萬倍的差別，從1毫瓦到200毫瓦的范圍都有，這些范圍基于達芬奇架構能提供用戶的便利是什么呢？就是只需要一次軟件開發，就可以橫跨端邊云進行部署，很少有其他廠家的芯片架構可以覆蓋這么大的范圍，因此，無論是算法的遷移還是搬運，就會快非常多，一次AI開發可以覆蓋多數的場景。

這里是MindSpore，我們看看和業界的不同，有一個循環，循環以后是從云推送到邊緣和端的，一方面是依賴推送網絡；另一方面跟芯片的統一架構是相關的，統一架構下可以實現比較快的推送，同時在協作訓練和推理方面，從端到邊緣，到云的反饋也會更容易、更快處理。這是MindSpore框架的特點。另外，我們介紹下，更快的、普惠的開發平臺，什么叫普惠呢？一些零代碼基礎的初級開發師或者中級工程師都可以在這個平臺上進行開發，這個平臺上華為有自己核心的分布式數據庫，這個與以前是不同的，可以實現：

第一，可以結合大數據技術進行數據自動篩選和標注。

第二，針對AI結構化數據的存儲，可以直接面向AI應用儲存數據，在數據處理和AI開發效率方面都有極大的提升。最近，我們在斯坦福DAWN Bench權威基準的圖像識別訓練測試排名中，華為云 ModelArts用時10分28秒，拿下最新全球第一，比亞馬遜節省44%時間（同樣條件下，亞馬遜在Fast.ai測試的最好成績是18分鐘）。

以上是華為公司全棧全場景AI架構和方案的介紹。

▲華為公司企業業務全球marketing副總裁 李俊朋

第二部分更為重要，AI能用到什么樣的企業場景，如何切實幫助企業提升生產效率和智能化水平，我這里基于華為的一些經驗進行分享。主要包括比較大的行業，比如說金融、交通、安防、物流、園區等五大場景的AI應用實踐。

首先，講下AI在金融領域的應用，一是圖象識別，圖象識別應用于銀行取款的例子比較多，比如人臉識別轉賬這些已經有實際應用；二是自然語言的處理。舉兩個例子，廣大的互聯網領域有大量的文本數據，文本數據有企業、政府招投標的公告，這些公告可以通過自然語言處理技術進行一些AI自動化分析，分析哪些企業中標，從而發現對公業務的商機。還有一部分是針對企業和個人的風險的分析，比如說，有一些法院的判決書出來，可以通過自動分析系統，分析某某企業或者某某人存在風險的，針對這些對象的貸款業務可以進行更好的風險規避。目前招行已經在這方面有實踐。

第二個場景是交通，我們去年與深圳交警聯合創新，獲得世界智慧城市博覽會第一名的大獎。通過創新實踐，深圳交通的死亡率以及交通堵塞時間，相比過去有明顯的下降。我們來看下小視頻，AI輔助執法，通過智能攝像頭捕捉司機開車期間危險動作，比如開車玩手機，不系安全帶，吸煙等都會被智能攝像頭捕捉到，并主動上傳違法圖片至交警系統并告警，整個過程是自動完成的。這帶來什么樣的好處呢？第一個好處是，執法效率的提升，過去交警每個月需要比對900萬張照片，現在需要只比對400萬張照片，為什么呢？因為50%篩選工作通過AI來完成了，從而提高了執法的效率。另外一個案例就是Traffic GO，我們在華為坂田基地附近選擇了一些路口，坂田1.5平方公里的范圍內車輛出入非常多，因為光華為員工的車輛都有一萬多輛，造成的擁堵非常厲害。Traffic GO上線后，以前是車看燈，現在是燈看車結合智能攝像頭等多種監控手段，哪些路口車流量比較大可以分析出來，相應路口的綠燈時長就更長些，方便車流量大的路口快速疏導。我們算了一下，能提升15%的早晚高峰通行速度，大概可以節省大家10分鐘的上班時間。這樣，省出來的時間可以快速睡個懶覺，這對廣大的上班族來說是非常寶貴的10分鐘。在機場實踐方面，深圳機場在積極探索未來機場的AI極致體驗，比方說提升靠橋率，結合AI，靠橋率可以提升10%。我們知道深圳機場每天起降的航班實在太多了，每天有1000個航班起降，運營壓力非常大。提升10%意味著每天100個航班的乘客可以不需要乘坐擺渡車，節省的時間是相當寶貴的。這里智能助導航也可以提升飛機靠橋的效率。

再有就是安防領域的人工智能應用，SDC軟件定義攝像機，用了華為升騰310芯片，可以同時捕捉包括人、車、物在內的200個對象，比普通攝像頭提升了10倍，不管是汽車或者人或物，智能攝像頭可以把識別到的標志物進行實時的結構化處理，結構化以后存到系統里面，一旦發現異常可以把照片和視頻實時提取出來給交警。在園區智能方面，我們與萬科未來之城聯合創新的智能系統，這里有個小視頻，可以看到，如果不戴安全帽是無法進入工地的，這也只是園區其中一個智能的場景。另外，就是與九州通醫藥流通公司，有了AI智能規劃以后，揀貨員在倉庫揀貨行走的步數從30000步減少到20000，效率提升近30%，從而也帶動裝箱效率和物流效率的提升。零售方面已經進入智能新時代，有些城市已經有了無人超市，整個購物過程，不需要售貨員、收銀員，從進入無人超市選購商品到離開，系統自助識別扣款，整個過程無需人工干預。這里面涉及整個智能系統的參與才能實現。最后是醫療+AI的例子，華為與一些醫學院針對病理的篩選做聯合創新。因為病理專家的稀缺，根據預測全國宮頸癌病理的篩選完成需要20年的時間，但借助采用AI方式，效率可以提升5到10倍，這是非常可觀的，病理醫生可以騰出時間專注于更復雜的醫學研究。最近，華為醫療影像團隊在超聲圖像分割與測量領域取得技術突破，在胎兒超聲影像頭圍測量比賽(HC18)上以1.89mm的平均絕對誤差取得第一。

最后講一下華為的愿景和目標，我們的目標不是自己做AI，而是堅持“平臺+AI+生態”的戰略，在推動產業共識、探索產業增值、繁榮應用生態方面做出應有的貢獻。

▲華為公司企業業務全球marketing副總裁 李俊朋接受媒體采訪

同時，我們希望在AI生態非常復雜的情況下，為企業打造一個平臺，跟企業一起合作把AI做出來，應用到該應用的場景里去，把生態做好。同時，未來三年我們計劃發展100萬個開發者，投入10億人民幣用于AI人才培養。今天的演講到此結束，華為致力把數字世界帶入每個人、每個家庭、每個組織，實現萬物互聯的智能世界，謝謝大家！