最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

华为担纲建设基础软硬件国家新一代AI开放创新平台

[复制链接]
跳转到指定楼层
楼主
发表于 2019-9-18 11:26:32 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
凭借领先的全栈全场景AI能力,华为入选国家新一代人工智能开放创新平台。
8月29日,科技部在2019世界人工智能大会宣布,将依托华为建设基础软硬件国家新一代人工智能开放创新平台,面向各行业、初创公司、高校和科研机构等的AI应用与研究,以云服务和产品软硬件组合的方式,提供全流程、普惠的基础平台类服务。
人工智能的发展,将深刻改变各行各业。数据显示,未来十年,AI的主场在行业。到2025年,全球AI市场空间将达到3800亿美元,其中90%来自于企业市场。尽管大量行业企业拥有本行业积累的数据,但是缺乏与之配套的人工智能软硬件,短时间无法快速构建相应的能力与资源,迫切需要人工智能场景下的基础平台服务和行业场景服务。
基础软硬件平台是人工智能的基础技术和通用技术,众多行业人工智能发展都必须高度依赖基础软硬件平台,基础软硬件平台也是人工智能时代国家在世界科技的战略制高点。
华为是目前国内唯一具备全栈全场景AI能力的厂商,基础软硬件国家人工智能开放创新平台将依托华为自研的芯片、板卡、基础算子库、基础框架软件,进行全栈优化,并提供全流程的、开放的基础平台类服务;使能云、边、端等各个场景、各个领域的应用创新;让各行各业、广大科研机构可以专注于自己的行业知识、研究领域,从而助力各行各业、广大科研机构来构建自己的AI应用与系统,共同实现万物互联的智能世界。
华为人工智能基础软硬件平台,总体分为AI基础硬件层、AI基础软件层,AI开发服务层。主要包括:
• 基础硬件平台:基于达芬奇芯片架构,覆盖云、边、端的Ascend(昇腾)系列IP和芯片、Atlas系列板卡、AI服务器等智能计算硬件。
• 基础软件平台:基础算子库、全场景AI计算框架MindSpore等。
• 开发服务层:华为云ModelArts为所有服务开发提供统一入口。
同时,平台兼容工业界已有AI计算框架,整合已有AI开源软件、工具等系统,并支持已有AI计算硬件资源。
与人工智能基础软硬件平台相对应的,是华为全栈全场景AI解决方案。2018年10月,华为发布AI战略以及全栈全场景AI解决方案。其中,华为AI解决方案(portfolio)的全场景,是指包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境。而全栈是技术功能视角,是指包括Ascend昇腾系列IP和芯片、芯片使能CANN、AI计算框架MindSpore和应用使能ModelArts在内的全堆栈方案。
8月23日,华为正式发布算力最强的AI处理器Ascend 910(昇腾910),同时推出全场景AI计算框架MindSpore。华为公司轮值董事长徐直军在发布会上表示:昇腾910、MindSpore的推出,标志着华为已完成全栈全场景AI解决方案(Portfolio)的构建,也标志着华为AI战略的执行进入了新的阶段。
据悉,国家新一代人工智能开放创新平台建设将聚焦四大重点任务,即开展细分领域的技术创新,促进成果扩散与转化应用,提供开放共享服务,引导中小微企业和行业开发者创新创业
面向行业,截至2019年Q1,华为云可提供59种人工智能服务、159项功能,已在城市、制造、物流、互联网、医疗、园区等10大行业的300+个项目进行探索,助力众多企业构建人工智能核心能力。面向开发者,华为云ModelArts全流程模型生产服务打通了从数据处理-模型开发-模型训练-模型部署的AI全链条,可将生产所需的所有服务一站式提供。截至目前,ModelArts已经拥有开发者超过3万,日均训练作业任务超过4000个,32000小时。同时,华为与各企业、高校、科研机构共同合作,并发布沃土AI使能计划,培养AI人才,繁荣AI生态。
成为基础软硬件国家AI开放创新平台,意味着华为已完成了全栈全场景AI解决方案的构建,并准备好对外开放使能。华为期待与伙伴更加深入、广泛的合作,让AI无所不及,把数字世界带入每个人、每个家庭、每个组织。

楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-31 20:23

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表