改變千百個行業：華為Atlas AI全棧軟件平台揭秘
近日，在主題為「昇騰萬里，讓智能無所不及」的HAI2020昇騰AI新品全球發佈會上，華為正式發佈了Atlas AI全棧軟件平台。
更為值得關注的是，華為還打造封裝了華為在行業AI領域的基礎算法和經驗積累的行業SDK。
一、AI已成推動社會發展的關鍵引擎
近年來，隨着芯片算力的不斷提升和數據量的爆炸式增長，人工智能（AI）技術也得到了前所未有的高速發展。特別是在2016年， 谷歌AlphaGo人工智能成功戰勝圍棋世界冠軍李世石之後，AI技術開始受到了全世界的關注和重視。最新的數據顯示，目前全球已經有超過50多個國家將AI作為了國家戰略。
經過近些年的發展，以語音識別、語義識別、機器視覺等為代表的AI技術也已經成功實現商用，並且極大的推動了智能音箱、智能家居、安防監控等眾多市場的發展。
業界的數據也顯示，在語音識別、圖像識別、語義理解等方面，AI的這些單項能力已經開始超越人類。而「聽覺」、「視覺」和「語言能力」是人類應用最為廣泛的基礎能力，這也意味着，在人類日常生活和工作的很多方面，應用AI技術已經能夠比傳統的使用人工更具效率。
這也使得AI加速向各行各業進行滲透，成為了推動各行各業，乃至整個社會經濟發展的關鍵引擎。
根據普華永道分析數據指出，截至2030年，AI將為全球GDP帶來14%的增長，也就是15.7萬億美元（6.6萬億美元來自生產力的提高，9.1萬億美元來自相關消費/商業市場）。
二、全面釋放AI算力，Atlas AI全棧軟件平台發佈
為了應對持續增長的AI算力需求，華為已經推出了一系列的基於昇騰AI芯片的加速模塊、加速卡和服務器，比如Altas 300/300T加速卡、Altas 800推理服務器、Altas 800訓練服務器、全球最快的AI訓練集群Atlas 900等，並且實現了商用落地。
華為昇騰計算業務總裁許映童表示，華為Atlas系列硬件全面覆蓋了端邊雲全場景AI，構築了最強AI算力平台，可以滿足千行百業對於AI算力的需求。
而為了更好的幫助開發者充分釋放華為Atlas硬件平台的AI算力，降低開發成本，提升開發效率，華為推出了Atlas AI全棧軟件平台，包括CANN 3.0、
MindStudio 2.0、MindSpore和MindX 1.0四大軟件平台。
其中，CANN 3.0是支持全場景AI開發的芯片底層基礎軟件，也是獲取華為昇騰計算資源的入口，它具備軟硬件解耦的特徵，並且可後向兼容全系列華為硬件。開發者後續無需修改代碼，最多只需進行重新編譯，即可適應不同的算力和內存的變化。
許映童表示，CANN 3.0擁有三大創新：端邊雲全場景協同、AscendCL使能高效開發、釋放硬件澎湃算力。得益於CANN 3.0與底層硬件的高度適配，華為Atlas硬件在主流推理和訓練模型的性能實現了業界領先。
華為公布的實測數據顯示，在主流推理場景下，Atlas 300I單卡即可實時處理80路1080p、25FPS的高清視頻，領先業界兩倍。在訓練場景下的性能表現上，基於Atlas 800的性能也遠超業界同類產品，平均領先2.5倍。
而MindStudio 2.0則是華為為開發者打造的一套極簡易用的全流程開發工具，可高效完成端到端開發，讓開發者在算子開發、模型訓練、模型推理、應用開發、應用部署的全流程在一套開發工具上就可以實現，無需在不同工具上完成，可顯著降低開發門檻。
MindX 1.0是華為針對業務開發者推出的昇騰應用使能平台，包括了深度學習平台MindX DL、智能邊緣平台MindX Edge，優選模型庫ModelZoo和行業使能SDK。
其中，MindX DL深度學習平台聚焦數據中心設備與計算資源的統一管理與調度，支持快速開發商用深度學習系統。而MindX Edge智能邊緣平台則是一個輕量化的邊緣計算資源統一管理運維平台。這兩個平台結合之後，可以一鍵式部署多樣設備的邊雲協同推理業務，平台內存開銷僅256MB，CPU佔用率僅3％。
此外，MindX 1.0還整合了按場景和框架分類的優選模型庫ModelZoo，這也是支撐MindX DL和MindX Edge兩大深度學習平台的關鍵。目前，ModelZoo已提供20多個按場景和框架的高性能模型，下半年將增加到50個以上。
「硬件是AI的基礎，軟件才是AI的未來！華為昇騰已經突破了硬件的瓶頸，Atlas AI全棧軟件平台將會進一步讓AI算力從硬件當中釋放出來，服務千行百業。」華為昇騰計算業務總裁許映童表示：「極簡易用，讓AI計算無處不在；極致性能，讓AI計算觸手可及。這是就是我們的願景！」
三、華為Atlas AI行業SDK賦能千行百業
而在使能AI應用融入千行百業的路上，華為昇騰還走的更遠。為了讓華為Atlas AI能夠更好的賦能各行各業，華為推出了Atlas行業使能SDK。
據介紹，華為Atlas行業使能SDK主要設計目標就是為了解決客戶所面臨的痛點和難點：1. 提升開發效率，提供通用業務模塊，聚焦用戶核心組件，提供完整的業務流程，用戶快速修改適配，提供精簡、抽象的功能組件，降低遷移難度；2. 提升業務性能，提供高性能編程框架，提供優化後的芯片功能模快，用戶無需深度優化；3. 降低學習成本，高度抽象的硬件能力，減少暴露底層API；4. 提升可擴展性，業務模塊化，支持靈活擴展，模塊功能精簡，業務間快速復用。
由於行業使能SDK需要凝聚豐富的行業知識、結合AI的實踐經驗，因此，需要各行各業的成功企業來與華為一起來推動。不過，在此之前，華為已經基於自身的行業經驗和實踐，推出了兩大行業AI應用軟件開發套件（SDK）：mxVison和mxManufacture，賦能視頻分析行業和製造行業。
通常，視頻分析應用程序開發周期較長，中等複雜度app開發需要>10人月。而華為的mxVision SDK得益於API設計簡單，高度抽象，插件化開發模式，擺脫了多進程、多線程通信的複雜邏輯，並且在SDK中提供了大量可配置插件，使得視頻分析應用程序的開發量可以減少90%之多。
目前，華為松山湖基於Atlas的智能製造方案，已經在華為計算產品的生產線實現用「Atlas」製造「Atlas」，讓AI貫穿製造的每個環節，在完成標籤缺陷檢測、螺釘缺失等實現「秒級檢測」，將質檢準確率由之前的傳統機器視覺質檢的90%提升至99.9%，質檢人員效率提升3倍。
目前視覺技術已經在工業場景應用的非常廣泛，生產線上除了標準設備以外，還有跟產品工藝強相關的視覺或者是應用場景。但是，這些隨着產品的工藝越來越複雜，然後檢測精細程度的越來越高，在這過程中就會給視覺帶來非常大的挑戰。
華為工業自動化視覺實驗室主任吳佳芸博士表示：「通過部署我們的製造業智能化解決方案，能夠給工廠生產帶來三大類的收益：第一，改變人工目檢，降低人工質檢員的工作強度，同時把不可量化的經驗變成可量化的標準；第二，可以提升設備的性能，不需要人工反覆的調參數，推動生產設備的良率提升；第三，可以增加產線的柔性，即適應性。」
「比如，產線上組裝的物料來自不同供應商，而不同供應商他對物料的打磨工藝有差異，人眼看不出來，但實際上在成像過程中會出現，一個產品成像很清晰、自然，到下一個產品可能就會出現過曝，因為它感光度不一樣。這個時候，有了AI解決方案，可以通過暗光恢復，我們降低光源的成像亮度，通過AI算法把圖像增強到正常的可檢測的成像質量。再比如，在一個400平方毫米的場景中，去識別定位3.5毫米 x 3.5毫米的二維碼，怎麼才能讓算法和魯棒性提升，去更好的適應場景？我們需要把工業編碼的規則，翻譯成我們視覺的特徵，再結合紋理，這樣將我們的算法與工業的知識經驗結合，才能夠解決實際的問題。」吳佳芸博士舉例說到。
「AI已在華為工廠實現工位級、線體級、車間級的規模應用」，據華為工業自動化視覺實驗室主任吳佳芸在大會現場透露，目前華為工廠80+產線已應用了覆蓋服務器、5G、終端等產品。這些規模應用的經驗積累也都會封裝到製造行業SDK里。
值得期待的是，視覺+製造行業SDK將在2020年10月正式對外上線。
