開放AI算力

Ⅰ AI開放平台名被合作方注冊，華為陷商標爭奪戰，對華為有何影響

北京知識產權法院近日公布的一份判決顯示，因為其核心晶元上的移動計算架構HiAI被合作方搶注，華為在申請商標無效並沒有達到預期結果後，向法院起訴國家知識產權局，一審敗訴。HiAI是華為面向智能終端的AI能力開放平台，作為曾在麒麟970晶元上創新設計的移動計算架構，該系統目前已升級到HiAI 3.0，支持多終端共享AI算力。

亮風台商標被保留的商品類別，與華為申請無效掉的商品類別非常相近，都涉及AI科技類產品，雙方稍不注意就可能越界侵犯對方權益，容易導致糾紛產生。爭議商標流入市場，對爭議各方的發展並不利，也給商業秩序帶來不利影響。” 這樣分析來看對於華為來說影響是比較大的，希望可以盡快解決這個商標問題。

Ⅱ 給人工智慧提供算力的晶元有哪些類型

給人工智慧提供算力的晶元類型有gpu、fpga和ASIC等。

GPU，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器，與CU類似，只不過GPU是專為執行復雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。

FPGA能完成任何數字器件的功能的晶元，甚至是高性能CPU都可以用FPGA來實現。 Intel在2015年以161億美元收購了FPGA龍 Alter頭，其目的之一也是看中FPGA的專用計算能力在未來人工智慧領域的發展。

ASIC是指應特定用戶要求或特定電子系統的需要而設計、製造的集成電路。嚴格意義上來講，ASIC是一種專用晶元，與傳統的通用晶元有一定的差異。是為了某種特定的需求而專門定製的晶元。谷歌最近曝光的專用於人工智慧深度學習計算的TPU其實也是一款ASIC。

(2)開放AI算力擴展閱讀：

晶元又叫集成電路，按照功能不同可分為很多種，有負責電源電壓輸出控制的，有負責音頻視頻處理的，還有負責復雜運算處理的。演算法必須藉助晶元才能夠運行，而由於各個晶元在不同場景的計算能力不同，演算法的處理速度、能耗也就不同在人工智慧市場高速發展的今天，人們都在尋找更能讓深度學習演算法更快速、更低能耗執行的晶元。

Ⅲ 巨閘開放之後會怎樣解碼Mobile AI生態叢林

從晶元萌發到多款AI產品的面世，移動AI這個話題在今年年尾變成了手機產業的主旋律。

在與很多朋友交流時，大家都會不約而同提出這樣一個問題：假如華為Mate10等產品代表著移動AI的開端，那麼下一步手機到底會變成什麼樣子？

確實，AI專項處理能力和硬體基礎就像一座大廈的地基。Mate10等產品的出現僅僅是整個AI生態的開端，這之後AI會帶給消費者什麼驚喜，就要靠各種應用和技能開發者的奇思妙想來實現了。

在更早的時候，我們從技術邏輯上分析過這之後移動AI生態的可能面貌。而一段時間過後，我們又通過對華為手機AI領域的相關專家和負責人進行采訪，獲知了移動AI生態的新進程。

從很多我們耳熟能詳的應用進行AI化的消息來看，雲端一體化的AI能力很可能將快速醞釀出我們期待的殺手應用。

Mobile AI的能力就像一道剛剛開放的閘門，水流湧出不但帶來巨大的勢能沖擊，體驗沖撞，還將把此前不同的開發、消費與商業生態連接到一起。從這個角度看，手機的2018年，也許會成為一個令人激動的數字。

Mobile AI建立的生態圖

AI只是一種基礎能力，在基礎能力上能做出什麼花樣才是消費者最終期待的東西。根據華為方面的介紹，Mate10代表的移動AI產品和平台，總共會開放三重賦能應用開發者的能力，從晶元的能力釋放到HiAI架構帶來的AI計算庫與API，再到對主流機器學習平台的遷移，會從不同角度加持開發者，滿足不同應用進行AI化，以及針對移動AI體系開發新應用的需求。

在體系化AI生態加持下，最直接的變化就是各種移動應用都可以比較容易的進入AI矩陣。很多我們大家觸手可及，每天見面的手機應用，可能都會在你意想不到的角度「被AI掉」。

舉個最直接的例子，大家每天都在玩的抖音和快手。這兩個感覺特別大眾文化的APP，都已經加入了華為開發者聯盟，開始藉助終端AI的加持能力升級自己的產品。

是不是有點炸裂？或者說從來沒想像到快手可以和AI聯繫到一起吧？

但事實上卻是，快手這類直播與短視頻APP，突出的是畫面效果上釋放的瞬時震撼感。我們看到的很多臉部特效、背景特效、禮物特效等玩法，其實都需要利用AI演算法來實現更好的體驗升級和瞬時化貼合。

舉個例子，假如我們錄一個超快速動作的抖音或者快手視頻，然後希望進行一個視頻背景替換，把我們自己和某個大片放在一起。那麼利用傳統的演算法和雲端AI能力，往往會出現動作捕捉不充分，不能把快速運動的主角從原有背景里剪輯出來的尷尬。結果就是讓本來好玩的視頻變得充滿瑕疵。

而通過麒麟970的終端AI任務處理能力，演算法就可以完美捕捉到快速運動的人或者物體，從而施加貼合度極高的特效以及完整的背景替換效果。

據介紹，未來這類直播和短視頻應用中，用AI來替換主播的臉和身體，甚至聲音都不是什麼難事。想一想還有點驚悚…

從目前來看，有四類應用已經開始逐漸加入Mate10背後的AI產業生態：1短視頻應用，比如快手、抖音;2社交平台類應用，比如手機網路、QQ空間，藉助AI來提升圖片與視頻的搜索和識別效率;3翻譯類應用，藉助終端AI實現翻譯質量的提升和本地化效率;4美圖類和相機類應用，運用AI加持快速准確的美顏和環境美化效果。

當AI成為某種前提條件，明顯開發者的腦洞幅度會大大提升。而如此多的應用快速加入移動AI生態，或許不僅是注意到能帶給固有業務的提升，更重要的是看到了移動AI的叢林化生長可能。

生長、平台、商業森林：AI為何被關注？

眾多視頻、社交、翻譯類應用，甚至未來可能出現的游戲和電商，大量流量入口加入AI後會帶來怎樣的方向性改變呢？

換言之，當大家通過Mate10代表的移動AI能力開始新一輪賽跑，會在一段時間後把我們的手機變成什麼樣子？

從目前的AI體驗提升上看，這個問題已經有了幾種可能性較大的答案：

1.識別成為手機的主要能力。在采訪中我們了解到，接下來最大比例的手機AI能力會集中出現在識別上。比如說上面說過的對運動物體和背景的識別，對人臉的識別等等。未來，在大量的知識圖譜和計算機視覺技術成熟後，還很可能出現通過攝像頭理解周遭物理環境的能力。比如地圖上攝像頭實景指路、識別食物卡路里和營養單位、旅行中識別古跡來一段專業講解等等。這些能力的加入，直接把手機從記錄工具變成了輸出工具，帶來的應用想像力是全面迭代的。

2.視頻玩法的多樣性。通過終端AI處理能力的加持，手機可以與各種復雜的視頻計算與加持聯繫到一起，更多隻能在PC中實現的玩法將進入手機當中。視頻、直播和游戲類應用，將會把手機是否被AI加持過，給清晰的區分在消費者面前。

3.AR開始進入紀元。另一個生長空間，是AR重回視野。口袋妖怪那樣的現象級應用沒有持續發生，很大原因在於手機的算力無法支持更復雜的AR應用，而在移動AI前提下，手機AR對環境計算能力、復雜信息處理能力都將提升。AR將重新成為消費應用的主流，這也是2018的大概率事件。

幾個埠的集合式生長，正在催生一系列新的商業機遇空間。由於被提升的是基礎能力，如何在這些趨勢中找到自己的機遇，將會吸引越來越多的開發者，甚至知名移動平台加入AI的生態叢林。在這些生長空間背後，提供能力支持和開放架構的Mobile AI體系散發出巨大的平台商業想像力。

通過麒麟970的NPU原點，上升到平台構建和商業森林展開，似乎是一件合乎邏輯的事。所以Mate10代表的手機AI生態可能性，自然會得到廣泛的關注。

把手機變成普通消費者的AI之眼與AI之耳，也許是觸屏交互之後最大的一場移動終端變革。對於手機產業的影響，當然也不言而喻。

一個小預測：Mate10在2018連接起的河網效應

不難看出，完整的生態架構優勢，正在讓我們購買的手機不再是一個單品，而是眾多變化發生的起點。

換言之，消費者買到的並不是終端AI的完全體現，而是不斷進化和學習的AI應用基礎。從這個角度來看，移動AI在2018年最有可能產生的事態，是旗艦機相繼搭載移動AI晶元之後，應用的AI體驗開始為消費者關注和接受。隨後開發者陸續加入用AI來進行功能迭代的序列，從而激發深度學習等原本距離手機平台較遠的開發者加入到這個陣營中。

這個或許可以稱為平台與市場之間的河網效應：在AI終端處理能力這條河道挖通後，不同方向的應用與開發能力、技術能力的水源，將會匯聚到一起，從而組成更遼闊的水域。在消費者從這塊水域取水後，更多水利設施會加入其中，引導技術市場的發展。最終勾勒出新的移動AI畫面。

接下來較為可能的一件事，是通過HiAI架構，Mate10代表的產品將人工智慧開發、手機應用開發、視覺體驗升級開發，三大開發部類整合成一個整體。我們已經看到很多應用和開發者投入新的一體化開發格局當中，未來在感測系統、演算法和體驗優化技術的成熟下，整個生態群落將進一步完善。

在2018的AI終端大年裡，華為代表的Mobile AI與智慧手機戰略將可能迎來實質意義的迭代。有意思的是，在這個其他品牌缺乏終端AI能力的在這個市場間錯期里，智慧終端的上揚和競品在AI上技術能力不足，將為華為留下一個空窗。

國產手機開始挑戰IoS開發生態和蘋果品牌的先導地位，也許這就是最好的機會。

(文/腦極體)

Ⅳ 亂花漸欲迷人眼,AI如何才能真正落地

人工智慧歷史上經歷過數次沉浮，如今再次被引爆。

從政府、學術界、企業界、投資界到創業者們，無一不將人工智慧視為未來方向;而分析師和媒體從業者們的海量分析報道，更是讓人工智慧快速佔領了每一個普通人的視聽。

於是，正如歷史上每一個產業的興起，人工智慧在歌舞昇平的同時，也逐漸變得有些「亂花漸欲迷人眼」。

從積極的一面來看，人工智慧催生了大量新技術、新企業和新業態，為個人、企業、國家乃至全球提供了新的經濟增長點，甚至將驅動第四次技術革命，創造巨大的價值。

IDC預計，全球人工智慧支出到2020年將達到2758億人民幣，未來五年復合年增長率將超過50%。中國人工智慧技術支出將達到325億元，佔全球整體支出的12%。

從消極的一面來看，盡管人工智慧揭開了一個全新的時代，但也在不斷滋生著「泡沫」，吹捧有之，跟風有之，噱頭有之，近兩年，數十家中美AI創業企業密集倒閉，大量AI創業項目中途夭折，不免讓人感慨，人工智慧是否只是「看上去很美」？

那麼，人工智慧的未來到底會發展成怎樣？如何才能真正落地？如何才能實現規模商業化？盡管人工智慧的概念的提出已經有六十餘年，但理論、技術和應用、商業的結合並沒有太多前人的足跡。

故而，在人工智慧產業的發展中，「拓荒者」和「領頭羊」的角色就顯得尤為重要。

「場景驅動」是AI落地關鍵

在人工智慧的諸多玩家中，阿里巴巴已經正在努力成為這一角色。對於AI的未來，阿里已經有了清晰的認知，以及與眾不同的AI發展路徑。

12月20日，在雲棲大會·北京峰會上，阿里雲總裁胡曉明提出了「AI for Instries」(產業AI)的理念：人工智慧不應僅僅是實驗室里的、PPT里的「概念上的AI」，更應是「產業AI」。

胡曉明表示，「產業AI」的提出，是基於阿里巴巴對人工智慧的三個判斷：

「第一，必須要有場景驅動，我們在解決什麼問題，為這個社會的成本降低了多少，效率提高了多少;第二，在人工智慧背後是否是有足夠的數據來驅動AI能力的提升;第三，是否有足夠的計算能力支撐我們的演算法、深度學習;只有三個場景同時具備的前提下，人工智慧才會有價值」。

阿里將「場景驅動」放在了首位，這正是阿里「產業AI」戰略的核心，也是阿里獨特的AI發展路徑，更是阿里能夠將AI實現落地的獨家秘笈。

和很多企業和機構的做法不同，阿里的AI旅程並不是從實驗室中的研究和討論開始，而是反其道行之，從基礎業務部門開始推動，讓AI從日常場景中「長出來」。

例如，手機淘寶中能夠讓用戶通過拍照的方式實現「以圖搜圖」的「拍立淘」功能，就是源於電商場景，之後通過解決一個個的技術問題，最終形成成熟的AI解決方案。

電商平台為阿里提供了AI生長的優良土壤。大量消費者普遍的、或者個性化的需求造就了不同的應用場景;海量數據為AI提供了充足的「原料」;而阿里雲強大的計算能力則成為了AI實現的加速器。三要素齊備，阿里得以讓人工智慧快速發揮出價值。

事實證明，阿里選擇的這條「自下而上」、「從場景中來」、「再到場景中去」的產業AI路徑方向正確，並行之有效，推動了AI技術在行業應用場景中的真正落地。

「雙11」當天，機器人客服「阿里小蜜」承擔了95%的客服咨詢;機器智能推薦系統生成了超過567億個專屬貨架;AI設計師「魯班」在雙11期間設計了4.1億張商品海報;而阿里華北數據中心運維機器人接替了運維人員30%的重復性工作。

不僅在零售領域，阿里「產業AI」布局已經覆蓋城市、金融、司法、農業、教育、航空、工業、安全、環境、醫療十大垂直領域，並已相繼開花結果，目標以AI技術對垂直產業進行全局重塑。

例如，在金融領域，阿里通過雲計算和智能演算法，將南京銀行申請貸款過程中的人工視頻驗證減少54%;在工業領域，阿里雲ET工業大腦幫助天合光能將電池A品率提升7%;在智慧城市領域，阿里雲ET城市大腦在杭州接管了128個路口的紅綠燈，通過對視頻等數據的全量分析來優化道路運營速度和效率，在試點區域的道路上通行時間減少了15.3%。

在胡曉明看來，過去每一次產業革命都是技術與產業的深度融合，從而引發經濟和社會變革，AI也不例外。未來AI要深入各行各業，去解決生活、生產和社會環境中遇到的棘手問題，這樣才能引領真正的產業革命。

通過「產業AI」布局，阿里正在這條「產業與AI深度結合」的路上漸行漸遠。

「ET大腦」讓行業共享AI紅利

一年前，阿里雲發布了人工智慧ET，全面整合了阿里巴巴的語音、圖像、人臉、自然語言理解等能力。在12月20日的雲棲大會·北京峰會上，阿里雲正式推出整合城市管理、工業優化、輔助醫療、環境治理、航空調度等全局能力為一體的ET大腦，將ET從單點的技能升級為具備全局智能的ET大腦，全面布局產業AI。

ET大腦LOGO

據阿里雲機器智能首席科學家閔萬里介紹，ET大腦的核心能力是「量子拓撲」，其誕生主線要追溯到1905年愛因斯坦發布的關於布朗運動的論文：「從一個巨大的網路上，怎麼樣從這些傳播的表象上找到它最核心的路徑？而這一點恰恰是ET大腦最核心的一個能力，也是與眾不同的能力。」

閔萬里表示，相較於其他AI產品，阿里雲ET大腦將AI技術、雲計算大數據能力與垂直領域行業知識相結合，基於類腦神經元網路物理架構及模糊認知反演理論，實現從單點智能到多體智能的技術跨越，打造出具備多維感知、全局洞察、實時決策、持續進化等類腦認知能力的超級智能體。

ET大腦的發布，意味著阿里雲的AI能力已經從單點技術進化到面向垂直行業的全局能力，在過去的一年中，ET大腦在城市、工業、醫療等領域獲得大量實踐，量變引發質變，進而能夠升級為各行業的「大腦」。閔萬里表示，ET大腦將被設定為一個開放的生態，讓創業公司、開發者和行業公司一起來分享技術的紅利。

除了ET大腦，阿里雲在雲棲大會·北京峰會上還發布了ET航空大腦，用運籌優化、機器學習等人工智慧方法分配停機位，預計每天調度1700架次航班，幫助乘客節省5000個小時，大大提高航班中轉效率，從而降低延誤率。

據閔萬里介紹，為機場提供停機位的智能調度只是ET航空大腦的功能之一，航空大腦還希望深入航空的其他場景。此前，阿里雲天池平台曾聯合廈門航空、白雲機場啟動智慧航空AI大賽，向全球工程師發出邀請，用智能演算法解決航空場景下的問題。未來，ET航空大腦將繼續為航班智能恢復、機場地勤人員調度、航空公司航線規劃等提供人工智慧解決方案，打造智慧航空。

在雲棲大會·北京峰會上，阿里雲還宣布推出具備智能風控、千人千面、關系網路、智能客服等能力的智能決策金融方案——ET金融大腦。

據阿里雲金融事業部總經理徐敏介紹，ET金融大腦可輔助銀行、證券、保險等金融機構實現對貸款、徵信、保險等業務的智能決策及風控監管，可大幅降低資損率，提高信用卡等預測准確率，促進金融機構在互聯網消費金融、中小微企業金融服務等普惠金融方面的探索。

如今，ET金融大腦已經在南京銀行、浙商銀行、廣發銀行等金融機構得到應用，在智能風控、「千人千面」的金融服務、開拓「新金融」商業模式中大顯身手。

推落地促生態，讓AI「普惠」大眾

從《終結者》、《黑客帝國》到《西部世界》，人類表達了對於人工智慧的隱憂，未來，人工智慧是否將代替人類？MIT人類動力學實驗室主任、《智慧社會》的作者Alex Pentland曾經指出，其實我們要憂慮的並非是全球化人工智慧本身，而是它的幕後操縱者。

人工智慧是人類創造的工具。如今，業界更樂於將人工智慧定位於「增強智能」，其目標不是為了代替人類，而是增強人類的能力，為人類生產生活服務。故而，人工智慧不應被封閉在實驗室之中，而是要與人類生產生活緊密結合，普惠大眾。

阿里所提倡的「產業AI」，正是一種將其AI能力開放，普惠大眾的做法。阿里AI能力相繼在城市、工業、汽車、零售、金融、家居、航空等領域落地，在破解行業難題的同時，也切實為普通消費者的生活帶來了改變，讓消費者切實能夠從AI中獲益。

阿里也正在通過開放合作，讓AI能力惠及更多的行業和消費者。

在雲棲大會·北京峰會上，阿里雲和中國電信在安全領域展開合作，雙方將於明年共同推出定製化DDoS防護服務，為中小企業提供普惠安全;新華書店攜手阿里雲，布局智慧書店，在消費側與顧客建立緊密連接，打造全新的「悅讀生活」理念，滿足消費者多元化、個性化的需求。

同時，阿里雲同隆平高科、中信雲宣布達成戰略合作，計劃將ET大腦推進到農業領域，主要用於篩選育種、基建數據化、農事管理、基地選址及農作物生產預測。阿里雲與寶馬中國正式對外宣布，雙方將基於物聯網，為寶馬車主提供從家到車的一站式無縫連接的遠程服務，實現查詢汽車實時狀態以及遠程式控制制車輛的智能生活。

除了將AI技術和行業深入結合，普惠大眾，阿里還在積極參與人工智慧生態的建設和人才的培養，推動人工智慧在中國的加速落地。

在雲棲大會·北京峰會上，阿里雲聯合掌通家園、貝聊、智慧樹、小蟻科技、得圖等廠商發布了「AI視覺守護聯盟」，希望將人工智慧、視頻技術和工業、農業、教育等行業深度結合。

阿里雲深度融入了國家大數據戰略，包括深度參與兩個由政府發起的大數據國家工程實驗室;阿里雲「天池」大數據平台已經聚集了超過11萬名開發者;阿里亦已和307所中國大學開啟了普惠計劃，將雲計算、大數據、人工智慧等新技術帶進高校，培養人才。

綜上，中國人工智慧的發展和落地，既需要「拓荒者」和「領頭羊」，也需要整個生態的繁榮和健康發展。在這個過程中，阿里及其所布局的「產業AI」，都扮演了關鍵的角色。

Ⅳ 華為正式發布最強算力AI處理器升騰910，谷歌等「友商」會如何看待

2019年8月23號下午，華為深圳總部，發布了勝利最強的a處理器升騰910，並且推出了全場景的AI計算框架。

華為公司的輪子董事長徐直軍說，華為已完成全站全場景AI解決方案的構建，今後將推出更多的AI處理器，提供更充裕，更經濟更適配的AI算力。

不過這倒給了他一個很好的借口。他一直大叫狼來了，狼來了。不過這兩天我沒有看到他的反應。估計最震驚的就該是他！

Ⅵ 我們公司是做人工智慧的，怎樣跟十次方的算力平台合作呢

人工智慧和算力關系匪淺。推動人工智慧發展的動力就是演算法、數據、算力這三個，這三要素缺一不可，都是人工智慧取得如此成就的必備條件。
而對於算力這方面，我們知道有了數據之後，是需要進行訓練，而且還是不斷地訓練。因為只是把訓練集從頭到尾訓練一遍網路是學不好的，就像和小孩說一個道理，一遍肯定學不會，當然除了過目不忘的神童。而且除了訓練，AI實際需要運行在硬體上，也需要推理，這些都需要算力支撐。
所以說人工智慧是必須要有算力，並且隨著現在越來越智能的發展，還需要更多更強的算力。

Ⅶ 華為發布全球最快 AI 運算集群 Atlas900，會對 AI 領域帶來什麼變化

9月18日，華為發布一款重量級的產品——Atlas 900，這款產品匯聚了華為幾十年的技術沉澱，是當前全球最快的AI訓練集群，由數千顆升騰處理器組成。在衡量AI計算能力的金標准ResNet-50模型訓練中，Atlas 900隻用了59.8秒就完成了訓練，這比原來的世界記錄還快了10秒。

「ImageNet-1k 數據集」 包含 128 萬張圖片，精度為 75.9%，在同等精度下，其他兩家業界主流廠家測試成績分別是 70.2s 和 76.8s，Atlas 900 AI 訓練集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的強大算力，可廣泛應用於科學研究和商業創新。比如天文探索、石油勘探等領域，都需要進行龐大的數據計算和處理，原來可能花費好幾個月的工作，現在交給 Atlas 900，就是幾秒鍾的事情。Atlas 900 集成的數千顆升騰處理器，正是前段時間正式商用的升騰 910。

Ⅷ AI時代計算能力如何分配

從技術層面來說，A11仿生處理器內含的「神經網路引擎（neuralengine）」是其AI功能實現的基礎，盡管目前還沒有更加詳盡的官方技術解析發布，但根據已知的信息來看，「神經網路引擎（neuralengine）」就是將部分需要實時響應的「人工智慧」相關功能（如語音識別、人臉識別等等）進行加速，讓其在手機端達成高效的計算，進而提升「人工智慧」相關功能的用戶體驗，呈現出更高等級的「人工智慧」功能。

Ⅸ AI算力平台的算力怎麼評估

單CPU 的發展已經不能滿足實際應用的需求，AI 時代必須要依靠並行計算。目前，並行計算的主流架構是異構並行計算平台。如果您需要算力方面的服務，可以去十次方了解下。