'第一個把AI芯片帶進手機的華為 今年算力要飛？'
來源：環球時報
原標題：第一個把AI芯片帶進手機的華為，今年算力要飛？
看似高深的人工智能（AI）技術，其實已經“潤物細無聲”地深入大眾生活，僅你手中一部華為Mate20手機，就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。這背後，依仗的是手機算力的大幅提升。其中小小一枚一分錢硬幣大小的華為麒麟980手機芯片，就集成了69億個晶體管，具備每秒鐘完成萬億次級運算的能力。你可能想不到，如今自己手中任何普通智能手機的算力，甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。
數據、算力和算法，驅動著人工智能的第三次浪潮。其中，算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人，用於雲端的AI芯片需要處理自動駕駛等複雜場景的海量數據，又需要多強大的算力呢？OpenAI近期發佈的研究顯示，僅2012年以來，人們對於算力的需求增長六年就超過 30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發展速度，因為深度學習神經網絡需要對張量（可以簡化理解為矩陣）進行大規模並行計算，顛覆了傳統的浮點計算，對算力的需求正在出現指數級的爆炸式增長。例如原來1個時鐘單元只能計算1次浮點計算，現在可以通過新的算子同時對N*N的矩陣計算，如果N=10，那就是同時計算了100次，計算次數較原來增長了100倍，新算子帶來了對新芯片的強大算力訴求。
如果說2019年最受輿論關注的ICT和智能終端廠商是華為，那麼其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend（昇騰）910芯片，則是人工智能圈本年度最期待的AI芯片。
面對 AI 算力需求的爆發式增長，這幾年華為在做些什麼？
率先將專用NPU AI芯片引入手機
人工智能發展中，我國在數據方面具備優勢，但在算法與算力方面仍待發展，尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題，大大抬高了算法研究和創新門檻，阻礙著AI的全行業普及和應用。
正因如此，儘管AI芯片在金錢、時間和人力各方面的研發成本高昂，但在AI商業賽道上，各廠商都在打造各自的芯片體系，其中多為聚焦於某一應用或某一場景的互聯網和芯片廠商，也不乏ICT大廠。國內廠商中，華為在AI芯片的佈局堪稱“經典”。
在AlphaGo一戰成名之前，絕大多國人就已經完成了從功能手機到第一代智能手機的換代，不斷增長的手機系統自帶功能特性和第三方應用，刷新著用戶的體驗。無論是AI功能還是場景化AI服務，都需要手機完成複雜深度學習算法模型運算，計算密集複雜，計算需求巨大，實時性非常挑戰；同時運行環境受限，功耗、內存、存儲空間非常挑戰，因此強大的算力是必須的。
如何將人工智能引入到手機終端，是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。
2017年9月的柏林電子消費展上，華為正式向發佈全球首款移動端AI芯片麒麟970，一個月後發佈了搭載麒麟970的旗艦手機Mate 10。麒麟970是全球首款內置了獨立神經網絡處理單元（即NPU）的人工智能芯片。華為第一個將NPU引入手機芯片，在此之後，蘋果、三星等廠商紛紛跟進，到今天，AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優於CPU、GPU和DSP這些通用計算單元。同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著，麒麟970芯片可以用更少的能耗更快地完成AI計算任務。
"來源：環球時報
原標題：第一個把AI芯片帶進手機的華為，今年算力要飛？
看似高深的人工智能（AI）技術，其實已經“潤物細無聲”地深入大眾生活，僅你手中一部華為Mate20手機，就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。這背後，依仗的是手機算力的大幅提升。其中小小一枚一分錢硬幣大小的華為麒麟980手機芯片，就集成了69億個晶體管，具備每秒鐘完成萬億次級運算的能力。你可能想不到，如今自己手中任何普通智能手機的算力，甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。
數據、算力和算法，驅動著人工智能的第三次浪潮。其中，算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人，用於雲端的AI芯片需要處理自動駕駛等複雜場景的海量數據，又需要多強大的算力呢？OpenAI近期發佈的研究顯示，僅2012年以來，人們對於算力的需求增長六年就超過 30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發展速度，因為深度學習神經網絡需要對張量（可以簡化理解為矩陣）進行大規模並行計算，顛覆了傳統的浮點計算，對算力的需求正在出現指數級的爆炸式增長。例如原來1個時鐘單元只能計算1次浮點計算，現在可以通過新的算子同時對N*N的矩陣計算，如果N=10，那就是同時計算了100次，計算次數較原來增長了100倍，新算子帶來了對新芯片的強大算力訴求。
如果說2019年最受輿論關注的ICT和智能終端廠商是華為，那麼其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend（昇騰）910芯片，則是人工智能圈本年度最期待的AI芯片。
面對 AI 算力需求的爆發式增長，這幾年華為在做些什麼？
率先將專用NPU AI芯片引入手機
人工智能發展中，我國在數據方面具備優勢，但在算法與算力方面仍待發展，尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題，大大抬高了算法研究和創新門檻，阻礙著AI的全行業普及和應用。
正因如此，儘管AI芯片在金錢、時間和人力各方面的研發成本高昂，但在AI商業賽道上，各廠商都在打造各自的芯片體系，其中多為聚焦於某一應用或某一場景的互聯網和芯片廠商，也不乏ICT大廠。國內廠商中，華為在AI芯片的佈局堪稱“經典”。
在AlphaGo一戰成名之前，絕大多國人就已經完成了從功能手機到第一代智能手機的換代，不斷增長的手機系統自帶功能特性和第三方應用，刷新著用戶的體驗。無論是AI功能還是場景化AI服務，都需要手機完成複雜深度學習算法模型運算，計算密集複雜，計算需求巨大，實時性非常挑戰；同時運行環境受限，功耗、內存、存儲空間非常挑戰，因此強大的算力是必須的。
如何將人工智能引入到手機終端，是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。
2017年9月的柏林電子消費展上，華為正式向發佈全球首款移動端AI芯片麒麟970，一個月後發佈了搭載麒麟970的旗艦手機Mate 10。麒麟970是全球首款內置了獨立神經網絡處理單元（即NPU）的人工智能芯片。華為第一個將NPU引入手機芯片，在此之後，蘋果、三星等廠商紛紛跟進，到今天，AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優於CPU、GPU和DSP這些通用計算單元。同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著，麒麟970芯片可以用更少的能耗更快地完成AI計算任務。
在NPU的加持下，手機功能也會變得更加強大。例如使用語音功能時，AI會對當前語境和內容進行細緻的分析，從而實現高準確率的識別體驗，將語音識別的成功率提升到更高的級別。這樣一來，以智能助手為主語音功能就得以替代傳統的手工輸入，扮演更重要的角色，或許以後大街上見不到邊玩邊走“低頭族”，而是更多人對著手機“自言自語”了。
在用戶十分關心的拍照方面，AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器，在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬件優化、再配合人工智能的計算機視覺分析，便能自動分析畫面內的物體，並選擇當前最佳的拍照模式，甚至可以進行物體追蹤對焦和預測用戶拍照時機，提供前所未有的拍照體驗。
麒麟970的推出，成為傳統智能手機和未來AI手機的重要分水嶺，AI手機的發展也從單純的算法優化進入了硬件能力的真·人工智能比拼階段。
2018年8月，同樣是在柏林電子消費展上，華為又發佈了全球首款7nm人工智能手機芯片——麒麟980。
1納米等於1毫微米（即十億分之一米），約為10個原子的長度。一根頭髮絲直徑約為0.1毫米，而7nm相當於頭髮絲的萬分之一，在不到1平方釐米的麒麟980內部有高達69億個晶體管。從芯片工藝上看，7nm相當於70個原子直徑，逼近了硅基半導體工藝的物理極限，麒麟980實現了在針尖上翩翩起舞。華為消費者業務CEO餘承東表示，麒麟980的7nm工藝是由超過1000多名半導體工程師組成的團隊歷時3年時間、經歷超過5000多次的工程驗證精心打磨的成果。
相對於麒麟970來說，麒麟980全面升級。以圖像識別速度為例，麒麟970可達到約2005張每分鐘，而麒麟980在移動端雙NPU強大算力加持下，實現每分鐘圖像識別4500張，識別速度相比上一代提升120%，遠高於業界同期水平。隨之而來的，是人臉識別、語音助手、AI拍照，及各類智能美拍P圖等APP在手機上的全面升級。
同時，面對更海量的用戶，麒麟710讓更多消費者享受到人工智能的樂趣。到了2019年，華為推出麒麟810芯片，這是華為第二款7nm工藝的手機芯片，也是華為首款自研達芬奇架構NPU的手機芯片，這意味著更多海量用戶享受到專用NPU帶來的旗艦級的AI體驗。
至此，華為完成第一輪在手機端的AI芯片佈局（麒麟970、麒麟980、麒麟710、麒麟810），手機產業也正式走入了AI時代。
“達芬奇”構建端邊雲算力大爆發基礎
AI賽道比拼，影響的絕不僅是手機端，邊緣側、雲側的硬件算力、數據算法等元素無一不處於白熱化的競賽之中，幾乎每天都有新的論文、新的產品問世。
如果說華為在芯片上的持續投入屬“居安思危”，顯示的是其遠見與決心。那麼，華為在人工智能領域的野心則更為宏大，這一次，華為不僅要覆蓋 雲、邊、端各種場景，還要形成從應用使能到系統到芯片的閉環。
2018年10月，華為在其全聯接大會上首次提出全棧全場景 AI 解決方案，華為輪值董事長徐直軍表示，“全場景，是指包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。全棧是技術功能視角，是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。”
其中，全棧AI的基礎，是一系列基於統一的達芬奇架構的AI芯片——從IoT到終端（如麒麟芯片的NPU）、到邊緣側再到雲。在會上，徐直軍還宣佈，“外界一直在傳華為在開發AI芯片，我要告訴大家，這是事實，我們今天發佈兩顆AI芯片：華為昇騰（Ascend）910和310。”此言一出，立刻在國內外人工智能圈子驚起波瀾——華為終於祭出了大招。
"來源：環球時報
原標題：第一個把AI芯片帶進手機的華為，今年算力要飛？
看似高深的人工智能（AI）技術，其實已經“潤物細無聲”地深入大眾生活，僅你手中一部華為Mate20手機，就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。這背後，依仗的是手機算力的大幅提升。其中小小一枚一分錢硬幣大小的華為麒麟980手機芯片，就集成了69億個晶體管，具備每秒鐘完成萬億次級運算的能力。你可能想不到，如今自己手中任何普通智能手機的算力，甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。
數據、算力和算法，驅動著人工智能的第三次浪潮。其中，算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人，用於雲端的AI芯片需要處理自動駕駛等複雜場景的海量數據，又需要多強大的算力呢？OpenAI近期發佈的研究顯示，僅2012年以來，人們對於算力的需求增長六年就超過 30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發展速度，因為深度學習神經網絡需要對張量（可以簡化理解為矩陣）進行大規模並行計算，顛覆了傳統的浮點計算，對算力的需求正在出現指數級的爆炸式增長。例如原來1個時鐘單元只能計算1次浮點計算，現在可以通過新的算子同時對N*N的矩陣計算，如果N=10，那就是同時計算了100次，計算次數較原來增長了100倍，新算子帶來了對新芯片的強大算力訴求。
如果說2019年最受輿論關注的ICT和智能終端廠商是華為，那麼其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend（昇騰）910芯片，則是人工智能圈本年度最期待的AI芯片。
面對 AI 算力需求的爆發式增長，這幾年華為在做些什麼？
率先將專用NPU AI芯片引入手機
人工智能發展中，我國在數據方面具備優勢，但在算法與算力方面仍待發展，尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題，大大抬高了算法研究和創新門檻，阻礙著AI的全行業普及和應用。
正因如此，儘管AI芯片在金錢、時間和人力各方面的研發成本高昂，但在AI商業賽道上，各廠商都在打造各自的芯片體系，其中多為聚焦於某一應用或某一場景的互聯網和芯片廠商，也不乏ICT大廠。國內廠商中，華為在AI芯片的佈局堪稱“經典”。
在AlphaGo一戰成名之前，絕大多國人就已經完成了從功能手機到第一代智能手機的換代，不斷增長的手機系統自帶功能特性和第三方應用，刷新著用戶的體驗。無論是AI功能還是場景化AI服務，都需要手機完成複雜深度學習算法模型運算，計算密集複雜，計算需求巨大，實時性非常挑戰；同時運行環境受限，功耗、內存、存儲空間非常挑戰，因此強大的算力是必須的。
如何將人工智能引入到手機終端，是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。
2017年9月的柏林電子消費展上，華為正式向發佈全球首款移動端AI芯片麒麟970，一個月後發佈了搭載麒麟970的旗艦手機Mate 10。麒麟970是全球首款內置了獨立神經網絡處理單元（即NPU）的人工智能芯片。華為第一個將NPU引入手機芯片，在此之後，蘋果、三星等廠商紛紛跟進，到今天，AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優於CPU、GPU和DSP這些通用計算單元。同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著，麒麟970芯片可以用更少的能耗更快地完成AI計算任務。
在NPU的加持下，手機功能也會變得更加強大。例如使用語音功能時，AI會對當前語境和內容進行細緻的分析，從而實現高準確率的識別體驗，將語音識別的成功率提升到更高的級別。這樣一來，以智能助手為主語音功能就得以替代傳統的手工輸入，扮演更重要的角色，或許以後大街上見不到邊玩邊走“低頭族”，而是更多人對著手機“自言自語”了。
在用戶十分關心的拍照方面，AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器，在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬件優化、再配合人工智能的計算機視覺分析，便能自動分析畫面內的物體，並選擇當前最佳的拍照模式，甚至可以進行物體追蹤對焦和預測用戶拍照時機，提供前所未有的拍照體驗。
麒麟970的推出，成為傳統智能手機和未來AI手機的重要分水嶺，AI手機的發展也從單純的算法優化進入了硬件能力的真·人工智能比拼階段。
2018年8月，同樣是在柏林電子消費展上，華為又發佈了全球首款7nm人工智能手機芯片——麒麟980。
1納米等於1毫微米（即十億分之一米），約為10個原子的長度。一根頭髮絲直徑約為0.1毫米，而7nm相當於頭髮絲的萬分之一，在不到1平方釐米的麒麟980內部有高達69億個晶體管。從芯片工藝上看，7nm相當於70個原子直徑，逼近了硅基半導體工藝的物理極限，麒麟980實現了在針尖上翩翩起舞。華為消費者業務CEO餘承東表示，麒麟980的7nm工藝是由超過1000多名半導體工程師組成的團隊歷時3年時間、經歷超過5000多次的工程驗證精心打磨的成果。
相對於麒麟970來說，麒麟980全面升級。以圖像識別速度為例，麒麟970可達到約2005張每分鐘，而麒麟980在移動端雙NPU強大算力加持下，實現每分鐘圖像識別4500張，識別速度相比上一代提升120%，遠高於業界同期水平。隨之而來的，是人臉識別、語音助手、AI拍照，及各類智能美拍P圖等APP在手機上的全面升級。
同時，面對更海量的用戶，麒麟710讓更多消費者享受到人工智能的樂趣。到了2019年，華為推出麒麟810芯片，這是華為第二款7nm工藝的手機芯片，也是華為首款自研達芬奇架構NPU的手機芯片，這意味著更多海量用戶享受到專用NPU帶來的旗艦級的AI體驗。
至此，華為完成第一輪在手機端的AI芯片佈局（麒麟970、麒麟980、麒麟710、麒麟810），手機產業也正式走入了AI時代。
“達芬奇”構建端邊雲算力大爆發基礎
AI賽道比拼，影響的絕不僅是手機端，邊緣側、雲側的硬件算力、數據算法等元素無一不處於白熱化的競賽之中，幾乎每天都有新的論文、新的產品問世。
如果說華為在芯片上的持續投入屬“居安思危”，顯示的是其遠見與決心。那麼，華為在人工智能領域的野心則更為宏大，這一次，華為不僅要覆蓋 雲、邊、端各種場景，還要形成從應用使能到系統到芯片的閉環。
2018年10月，華為在其全聯接大會上首次提出全棧全場景 AI 解決方案，華為輪值董事長徐直軍表示，“全場景，是指包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。全棧是技術功能視角，是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。”
其中，全棧AI的基礎，是一系列基於統一的達芬奇架構的AI芯片——從IoT到終端（如麒麟芯片的NPU）、到邊緣側再到雲。在會上，徐直軍還宣佈，“外界一直在傳華為在開發AI芯片，我要告訴大家，這是事實，我們今天發佈兩顆AI芯片：華為昇騰（Ascend）910和310。”此言一出，立刻在國內外人工智能圈子驚起波瀾——華為終於祭出了大招。
達芬奇架構針對AI運算特徵而設計，以高性能3D Cube計算引擎為基礎，實現了算力和能效的大幅提升。從雲、邊緣、端獨立的和協同的AI實際需求出發，從極致低功耗，到極致大算力的AI場景，為雲、邊、端之間的算法協同、遷移、部署、升級和運維，提供了統一架構底層核心支撐，大大降低了人工智能算法開發和迭代的門檻，降低企業人工智能部署和商用成本。
目前，昇騰（Ascend）芯片家族中的昇騰310已經落地商用。基於昇騰310，華為陸續發佈了包括Atlas 200、Atlas 300、Atlas 500、Atlas 800等產品，已被廣泛應用於安防、金融、醫療、交通、電力、汽車等行業，涉及攝像機、無人機、機器人、智能小站、MDC（Mobile Data Center）等產品形態。並提供基於昇騰310的AI雲服務，比如華為雲圖像分析類服務、OCR服務、視頻智能分析服務等超過50款API已經基於昇騰310，日均調用量超過1億次。另有大量企業客戶正在藉助昇騰310芯片自己開發算法服務。
"來源：環球時報
原標題：第一個把AI芯片帶進手機的華為，今年算力要飛？
看似高深的人工智能（AI）技術，其實已經“潤物細無聲”地深入大眾生活，僅你手中一部華為Mate20手機，就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。這背後，依仗的是手機算力的大幅提升。其中小小一枚一分錢硬幣大小的華為麒麟980手機芯片，就集成了69億個晶體管，具備每秒鐘完成萬億次級運算的能力。你可能想不到，如今自己手中任何普通智能手機的算力，甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。
數據、算力和算法，驅動著人工智能的第三次浪潮。其中，算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人，用於雲端的AI芯片需要處理自動駕駛等複雜場景的海量數據，又需要多強大的算力呢？OpenAI近期發佈的研究顯示，僅2012年以來，人們對於算力的需求增長六年就超過 30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發展速度，因為深度學習神經網絡需要對張量（可以簡化理解為矩陣）進行大規模並行計算，顛覆了傳統的浮點計算，對算力的需求正在出現指數級的爆炸式增長。例如原來1個時鐘單元只能計算1次浮點計算，現在可以通過新的算子同時對N*N的矩陣計算，如果N=10，那就是同時計算了100次，計算次數較原來增長了100倍，新算子帶來了對新芯片的強大算力訴求。
如果說2019年最受輿論關注的ICT和智能終端廠商是華為，那麼其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend（昇騰）910芯片，則是人工智能圈本年度最期待的AI芯片。
面對 AI 算力需求的爆發式增長，這幾年華為在做些什麼？
率先將專用NPU AI芯片引入手機
人工智能發展中，我國在數據方面具備優勢，但在算法與算力方面仍待發展，尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題，大大抬高了算法研究和創新門檻，阻礙著AI的全行業普及和應用。
正因如此，儘管AI芯片在金錢、時間和人力各方面的研發成本高昂，但在AI商業賽道上，各廠商都在打造各自的芯片體系，其中多為聚焦於某一應用或某一場景的互聯網和芯片廠商，也不乏ICT大廠。國內廠商中，華為在AI芯片的佈局堪稱“經典”。
在AlphaGo一戰成名之前，絕大多國人就已經完成了從功能手機到第一代智能手機的換代，不斷增長的手機系統自帶功能特性和第三方應用，刷新著用戶的體驗。無論是AI功能還是場景化AI服務，都需要手機完成複雜深度學習算法模型運算，計算密集複雜，計算需求巨大，實時性非常挑戰；同時運行環境受限，功耗、內存、存儲空間非常挑戰，因此強大的算力是必須的。
如何將人工智能引入到手機終端，是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。
2017年9月的柏林電子消費展上，華為正式向發佈全球首款移動端AI芯片麒麟970，一個月後發佈了搭載麒麟970的旗艦手機Mate 10。麒麟970是全球首款內置了獨立神經網絡處理單元（即NPU）的人工智能芯片。華為第一個將NPU引入手機芯片，在此之後，蘋果、三星等廠商紛紛跟進，到今天，AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優於CPU、GPU和DSP這些通用計算單元。同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著，麒麟970芯片可以用更少的能耗更快地完成AI計算任務。
在NPU的加持下，手機功能也會變得更加強大。例如使用語音功能時，AI會對當前語境和內容進行細緻的分析，從而實現高準確率的識別體驗，將語音識別的成功率提升到更高的級別。這樣一來，以智能助手為主語音功能就得以替代傳統的手工輸入，扮演更重要的角色，或許以後大街上見不到邊玩邊走“低頭族”，而是更多人對著手機“自言自語”了。
在用戶十分關心的拍照方面，AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器，在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬件優化、再配合人工智能的計算機視覺分析，便能自動分析畫面內的物體，並選擇當前最佳的拍照模式，甚至可以進行物體追蹤對焦和預測用戶拍照時機，提供前所未有的拍照體驗。
麒麟970的推出，成為傳統智能手機和未來AI手機的重要分水嶺，AI手機的發展也從單純的算法優化進入了硬件能力的真·人工智能比拼階段。
2018年8月，同樣是在柏林電子消費展上，華為又發佈了全球首款7nm人工智能手機芯片——麒麟980。
1納米等於1毫微米（即十億分之一米），約為10個原子的長度。一根頭髮絲直徑約為0.1毫米，而7nm相當於頭髮絲的萬分之一，在不到1平方釐米的麒麟980內部有高達69億個晶體管。從芯片工藝上看，7nm相當於70個原子直徑，逼近了硅基半導體工藝的物理極限，麒麟980實現了在針尖上翩翩起舞。華為消費者業務CEO餘承東表示，麒麟980的7nm工藝是由超過1000多名半導體工程師組成的團隊歷時3年時間、經歷超過5000多次的工程驗證精心打磨的成果。
相對於麒麟970來說，麒麟980全面升級。以圖像識別速度為例，麒麟970可達到約2005張每分鐘，而麒麟980在移動端雙NPU強大算力加持下，實現每分鐘圖像識別4500張，識別速度相比上一代提升120%，遠高於業界同期水平。隨之而來的，是人臉識別、語音助手、AI拍照，及各類智能美拍P圖等APP在手機上的全面升級。
同時，面對更海量的用戶，麒麟710讓更多消費者享受到人工智能的樂趣。到了2019年，華為推出麒麟810芯片，這是華為第二款7nm工藝的手機芯片，也是華為首款自研達芬奇架構NPU的手機芯片，這意味著更多海量用戶享受到專用NPU帶來的旗艦級的AI體驗。
至此，華為完成第一輪在手機端的AI芯片佈局（麒麟970、麒麟980、麒麟710、麒麟810），手機產業也正式走入了AI時代。
“達芬奇”構建端邊雲算力大爆發基礎
AI賽道比拼，影響的絕不僅是手機端，邊緣側、雲側的硬件算力、數據算法等元素無一不處於白熱化的競賽之中，幾乎每天都有新的論文、新的產品問世。
如果說華為在芯片上的持續投入屬“居安思危”，顯示的是其遠見與決心。那麼，華為在人工智能領域的野心則更為宏大，這一次，華為不僅要覆蓋 雲、邊、端各種場景，還要形成從應用使能到系統到芯片的閉環。
2018年10月，華為在其全聯接大會上首次提出全棧全場景 AI 解決方案，華為輪值董事長徐直軍表示，“全場景，是指包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。全棧是技術功能視角，是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。”
其中，全棧AI的基礎，是一系列基於統一的達芬奇架構的AI芯片——從IoT到終端（如麒麟芯片的NPU）、到邊緣側再到雲。在會上，徐直軍還宣佈，“外界一直在傳華為在開發AI芯片，我要告訴大家，這是事實，我們今天發佈兩顆AI芯片：華為昇騰（Ascend）910和310。”此言一出，立刻在國內外人工智能圈子驚起波瀾——華為終於祭出了大招。
達芬奇架構針對AI運算特徵而設計，以高性能3D Cube計算引擎為基礎，實現了算力和能效的大幅提升。從雲、邊緣、端獨立的和協同的AI實際需求出發，從極致低功耗，到極致大算力的AI場景，為雲、邊、端之間的算法協同、遷移、部署、升級和運維，提供了統一架構底層核心支撐，大大降低了人工智能算法開發和迭代的門檻，降低企業人工智能部署和商用成本。
目前，昇騰（Ascend）芯片家族中的昇騰310已經落地商用。基於昇騰310，華為陸續發佈了包括Atlas 200、Atlas 300、Atlas 500、Atlas 800等產品，已被廣泛應用於安防、金融、醫療、交通、電力、汽車等行業，涉及攝像機、無人機、機器人、智能小站、MDC（Mobile Data Center）等產品形態。並提供基於昇騰310的AI雲服務，比如華為雲圖像分析類服務、OCR服務、視頻智能分析服務等超過50款API已經基於昇騰310，日均調用量超過1億次。另有大量企業客戶正在藉助昇騰310芯片自己開發算法服務。
隨著昇騰310相關產品大規模上市，外界對昇騰910的期待更盛。畢竟，去年10月，徐直軍在會上公佈，“昇騰910是計算密度最大的單芯片，最大功耗為350W，半精度為（FP 16）256 Tera FLOPS，比英偉達 V100的125 Tera FLOPS還要高出近1倍。若集齊1024個昇騰910，將會出現迄今為止全球最大的AI計算集群，性能也將達到256個P，不管多複雜的模型都能輕鬆訓練。”簡單來說就是，昇騰910是業界算力最高的AI處理器，相同功耗情況下，它的算力是業界芯片的2倍，最強CPU的50倍。
全棧全場景AI逐步落地
除了昇騰系列芯片外，華為提出的全棧AI，還包括支持端、邊、雲獨立的和協同的統一訓練和推理框架MindSpore，芯片算子庫和高度自動化算子開發工具——CANN，提供全流程服務（ModelArts）、分層API和預集成方案的應用使能。
其中，在2019年已經落地實現商用的，除了昇騰310，還有其面向用戶和開發者的門戶——華為雲ModelArts。作為一站式AI開發平臺，ModelArts可以提供海量數據預處理及半自動化標註、大規模分佈式訓練、自動化模型生成，及端-邊-雲模型按需部署能力，幫助用戶快速創建和部署模型，管理全週期 AI 工作流。2019年5月，在斯坦福大學DAWNBench榜單，華為雲ModelArts獲得圖像識別訓練第一，ImageNet-1k數據集上用128塊V100 GPU訓練ResNet-50模型僅需要2分43秒，而在2017年10月，斯坦福DAWN的訓練時間是13天10小時41分鐘。斯坦福大學DAWNBench榜單幾乎聚集了國內外領先AI廠商，ModelArts如果由強大的昇騰910加持，是否能進一步刷新世界紀錄？若再採用1024個昇騰910的全球最大AI計算集群，又將出現什麼樣的成績？
從端側到邊緣側再到雲側，從底層硬件到深度學習框架再到上層應用使能，華為的全棧全場景AI戰略正在逐步落地。在一年前關於AI的豪言中，哪些是華為下一步將要向市場兌現的呢？我們拭目以待。
"