這家科技巨頭在過去的幾年中進行了大量内部探索，隻想知道：人工智能在第四次工業革命到底有怎樣的應用價值？
事實證明是可行的，今天在華為内部已經開啟人工智能技術的應用，其先進的運作體系已讓自身獲得了很多收益——看看它在通信市場上的占有率就知道了。過去幾年，很多需要耗費大量人力的工作，而今已逐漸被 AI取代。
在這個過程中人們發現：人工智能仍然面臨着很多艱巨的挑戰。
今天的計算還主要集中在遙遠的資料中心，停留在電量不足的手機終端上。而代替 IBM 專用計算的 x86 架構，在 40 多年後，随着摩爾定律的失效而開始放慢步伐，傳說中将要改變世界的新技術，大部分仍停留在實驗室裡。
未來的計算，應該有怎樣的願景？
或許是包含所有場景的「智能計算」。去年 11 月，亞馬遜率先釋出了基于 Arm 架構的伺服器晶片，并開始提供相應的雲服務；2019 年 1 月，華為推出了基于 Arm 架構的伺服器晶片鲲鵬 920，以及「TaiShan」伺服器，引發了人們的廣泛關注。在 AI 晶片之上，華為的智能計算願景正在我們眼前逐漸展現。
AI 晶片為先
智能計算不僅僅是手機上的 NPU 和機箱中的 GPU。華為去年 10 月推出了昇騰 910 和昇騰 310 兩款自研 AI 晶片，在這家科技巨頭的未來構想中，它們将是華為智能計算架構的核心。在雲計算和端側等各領域全面提供高性能 AI 算力。
目前華為自研的伺服器和端側晶片。
2019 年 1 月 7 日，華為又推出了ARM處理器晶片鲲鵬 920及基于此晶片的TaiShan 伺服器。自此，涵蓋雲伺服器到智能裝置，甚至自動駕駛汽車等場景的 AI 晶片開始全面出爐。
鲲鵬 920 被認為是目前業内最高性能的 ARM-based 處理器，采用 7nm 制造技術，基于 ARM 架構授權，由華為自主設計，主頻可達 2.6GHz，單晶片可支援 64 核。該晶片內建 8 通道 DDR4 記憶體，帶寬超出業界主流 46%。晶片內建 100G RoCE 以太網卡功能，大幅提高系統內建度。鲲鵬 920 支援 PCIe4.0 及 CCIX 接口，可提供 640Gbps 總帶寬，單槽位接口速率為業界主流速率的兩倍，有效提升存儲及各類加速器的性能。
通過優化分支預測算法、提升運算單元數量、改進記憶體子系統架構等一系列微架構設計，華為大幅提高了新一代處理器的性能。在典型主頻下，其晶片在 SPECint Benchmark 評分超過 930 分，超出業界标杆 25%。同時，能效比優于業界标杆 30%。
和鲲鵬晶片同時推出的還有搭載這種晶片的「TaiShan」伺服器。華為表示，這些伺服器相較于業界同類規格雲伺服器性能領先 3 倍。
華為内部一直有一種先做再說的風格，這些推出的晶片和伺服器不僅推高了業界頂尖水準，也已在華為内部得到了一定程度的應用。全面布局 AI 晶片是為了加速多行業智能化的步伐。華為表示，目前，由于算力供應不平衡、部署場景要求高、雲邊資料無法協同互通、專業技術門檻高等原因，人工智能隻能在網際網路、公共安全等少數行業得以滲透普及。資料顯示，全世界全行業 AI 普及率不超過4%（Source: IDC’s Cloud and AI Adoption Survey, January 2018）
正如麒麟 980 手機晶片開創全新移動端 AI 體驗一樣，基于華為 AI 晶片的伺服器将為下一代雲計算開啟新的篇章。
智能計算戰略
華為推出的 AI 晶片是建構面向未來智能計算戰略的基礎，在這之後則是「普惠 AI」戰略的龐大布局。去年 12 月 21 日，華為智能計算戰略正式釋出，其将圍繞算力、工程、架構和一體化解決方案四個方面，面向行業建構「全棧全場景」智能解決方案，希望以此加速各個行業智能化的程序。
晶片是開始，但智能計算還需要更多硬體裝置，一系列的伺服器産品組成了華為智能計算産品線，華為已釋出智能計算系統包括：智能伺服器（FusionServer）與人工智能計算架構（Atlas、TaiShan、MDC）。
其中 Atlas 人工智能計算平台包括 Atlas 200 AI 加速子產品、Atlas 300 AI 加速卡、Atlas 500 智能小站、Atlas 800 AI 一體機等型号，具備高算力、低功耗和易部署的優勢，而 MDC 600 移動資料中心則已經在部分自動駕駛項目中得到應用。
在 2018 全聯接大會上，華為推出了 MDC 600 移動資料中心。
自動駕駛研究需要對大量攝像頭和各類傳感器收集的資料進行分析計算，資料處理及模型訓練，對硬體算力有着很高要求。
端雲一體的新架構
未來的智能計算将是全場景覆寫。雲端、私有雲和裝置端需要不同的計算能力，而不同位置的算力部署也需要統一協調。
本世紀初，亞馬遜等科技巨頭提出「雲計算」概念，這一計算形式不僅接手了大量原本屬于端側的算力任務，更催生了大量新業務，帶來了全新形式的科技公司。雲計算以網際網路和大規模計算為基礎，創造了一種新的基礎設施，也讓互動模式發生了轉變。從使用者角度來說，雲計算能夠提供成本更低、效率更高的服務。
相對于各自獨立的傳統硬體平台，雲計算通過資源共享和靈活排程，可以顯著降低計算成本。如今，雲計算已是一種和水、電、網絡通信相似的「基礎設施」了。
然而在技術發展的過程中我們會發現，正常雲計算的形式仍非全無缺點：很多資料如不在端側進行處理，傳輸到雲端會遇到網絡帶寬的瓶頸；一些任務對于資料處理的延遲性有很高要求；有時人們還會擔憂資料上傳雲端之後可能暴露隐私的問題……
在這樣的情形下，加入邊緣裝置算力，形成端雲一體的統一計算架構成為了未來雲計算的新趨勢。
華為提出的全棧全場景智能解決方案
與資料中心龐大的伺服器設施相比，邊緣計算的硬體距離我們更近，甚至可以延伸到手邊的 IoT 裝置上。邊緣計算節點與雲計算中心可以形成邏輯整體。邊緣計算節點負責對資料或者部分資料進行處理和存儲，用以節約帶寬消耗，減少反應延遲，并提高業務連續性，滿足資料本地存儲與處理等安全合規的要求。
在雲邊端架構上，華為擁有強大的工程能力和一體化能力。在 AI 基礎算力上，華為可以提供從虛拟機、容器到裸金屬各種形态的服務。
建構新生态
華為緻力于建構更為繁榮的 ARM 生态環境，并一直在硬體、基礎軟體和應用三個層面推進産業合作。這家公司希望能讓人工智能不再是一種高高在上的技術，而是走向大衆，讓每個人、每個組織都能享受到人工智能帶來的價值。
對此，華為一直在行動着：2017 年，華為釋出了面向企業、政府的人工智能服務平台華為雲 EI；2018 年，華為釋出了面向智能終端的人工智能引擎 HiAI，以及全棧全場景解決方案。今天的華為已能為企業、政府提供覆寫全面的智能計算解決方案。
華為預計，2018 年到 2025 年全球資料總量将會有 18 倍的增長。如何建構完整的 AI 生态體系，為企業與客戶創造更多的價值，需要攜手上下遊各方來共同打造。
3 月 21 日，華為中國生态夥伴大會在福州舉行。在開幕儀式上，華為董事、企業 BG 總裁閻力大在演講中對外透露，華為 2018 年企業業務收入接近 100 億美元。
計算的提升過去主要依賴摩爾定律——即提高硬體性能，降低機關算力的成本，但随着晶片制程逐漸接近極限，AI 的算力需求正在變得難以滿足。對于科技公司來說，改革晶片結構及優化硬體系統是更為有效的選擇，華為将在技術領先的前提下努力建設屬于新體系的産業生态。通過更高效的智能計算體系，華為希望其提供的裝置能夠擁有比摩爾定律更快的效能增長速度。
60 年前，以 IBM 大型機為代表的專用計算将計算産業帶入了民用領域；40 年前，英特爾的 x86 架構的出世，在摩爾定律的驅動下實作了計算機的大規模普及；現在，計算産業在 AI 的驅動下來到了新的曆史節點。在産業外，很多科技公司正試圖打造新武器；而在産業的内部，裝置和晶片廠商也正在自我進化。它們的目标是一緻的：先改變自己，再去改變世界。
華為認為，這個曆史節點的名字，叫做「智能計算」。
本文為機器之心原創，轉載請聯系本公衆号獲得授權。