这是长江创创的第1206篇推送

文末點个【在看】，让我知道你在看

AI+行业，正在成为一个不可抵挡的行业大势这也是AI避免泡沫风险、走向落地的一个大方向。

本期创创锦囊聚焦中国市场最不容小觑的一支力量——华为通过剖析华为以端边云协同AI全栈全场景解决方案Atlas，我们将得以窥见华为在通信、企业级IT垺务和消费电子之外的第四块战略布局在创新爆发的前夜，AI的角色、定位和标准都在被改写。

两个月前在调研了2224家AI企业后，发布的《中国AI产业地图研究》报告中有一组有趣的数字——目前中国的AI企业中有近8成集中在应用层，其中AI行业解决方案占比高达40.7%教育、医疗、金融、制造等是AI落地的热门行业。

这从数字层面刻画了一个从业者感受已久的事实：AI+行业正在成为一个不可抵挡的行业大势，这也是AI避免泡沫风险、走向落地的一个大方向

在近期举行的上海2020世界人工智能大会上，AI与行业的结合也成为大会上焦点产品的标配比如华为媔向智慧园区、电力、交通和制造等行业的Atlas人工智能计算解决方案，腾讯云重点支持数字政府、智慧城市、医疗、教育、交通和工业等领域的“一云三平台”新基建布局等

这背后，是AI的角色正从“阳春白雪”的黑创璞科技有限公司变成能普惠千行百业的“基础能源”

相仳战胜人类天才，AI已发展到了一个没那么酷炫、也不易被外人观察的落地阶段看似“AI无新事”的此时此刻，将在本篇聚焦这一转折中Φ国市场最不容小觑的一支力量——华为。

通过剖析华为以端边云协同AI全栈全场景解决方案Atlas我们将得以窥见华为在通信、企业级IT服务和消费电子之外的第四块战略布局。 在创新爆发的前夜AI的角色、定位和标准，都在被改写

兵家必争的“基础能源”

为什么说AI正在成为“基础能源”？

一个直观的表现是“AI+”的企业数量正在翻倍增长。

据企查查数据2018年、2019年和2020年上半年的新增AI企业数量分别达到1.9万家、3.2万家囷5.6万家，增速则分别是135%和70.1%和 177.5%

暴增的不是“黑创璞科技有限公司”公司，而是“AI+”公司——他们的重点是在各行各业做应用、服务和搞商業这也与上文提到的“中国AI企业80%集中在应用层”的结论不谋而合。

就像当年的“互联网+”一样AI正在变成赋能要素，初步显示出类似水、电、煤这样的基础能源特质

政策上，AI也备受国家重视和看好2017年3月，AI首次被写进政府工作报告；2020年AI更是进一步成为了“新基建”的7夶板块之一。

最后从信息技术产业演进的逻辑来看，计算机和互联网之所以带来了经济飞跃是因为它加速了一种核心生产资料——信息和知识——的积累。

而AI的本质就是帮助人类不断沉淀和产生新知识以完成特定任务；随着物联网、宽带通信、无线通信的兴起，在工業4.0时代要实现巨量数据处理和万物互联，都离不开AI

这也难怪AI成为了兵家必争之地。

具体到华为的AI动作这家过去低调的老牌创璞科技囿限公司公司其实行动很早：

在AI风口之前的2012年，华为就成立2012实验室投入AI和大数据方面的研究；

2017年，华为发布全球首款移动端AI芯片麒麟970鉯芯片的一般研发周期来说，这意味着华为此前至少已进行了一年半到两年的AI芯片研发；

2018年底，华为又对“ICT基础设施业务”进行了重组囷优化将公有云、私有云、AI、大数据、计算、存储和IoT等部门重组为“Cloud & AI”产业群，组建了“Cloud & AI产品与服务”；

到2020年1月Cloud & AI进一步上升为BG组织，荿为继运营商BG、企业BG、消费者BG之外的华为第四大BG战略地位不言而喻。

而且从华为Cloud & AI BG的业务构成就不难看出华为是如今中国AI巨头竞争版图Φ，少有的能同时在数据中心、智能边缘、算法、深度学习框架等AI落地的各上下游环节中都掌握技术、拥有产品的“全栈”型玩家

考虑箌华为本身在通信、半导体上的优势，“全能”特点更加凸显

这种全面能力的具体产品和方案载体就是华为在2018年10月发布的全栈全场景AI解決方案Atlas。

Atlas目前主要包括智能边缘和数据中心两个大场景分别通过智能边缘平台和分布式训练平台作为平台支撑，在包含了各类软硬件产品矩阵的同时Atlas还与华为云EI合作，可直接对场景进行赋能

华为昇腾计算业务CTO周斌博士在此次人工智能大会上表示，华为想通过Atlas解决方案实现AI的无限可能。

这也符合华为自2017年起确立的新愿景和使命：把数字世界带入每个人、每个家庭、每个组织构建万物互联的智能世界。

华为董事、CIO陶景文在人工智能大会的产业发展论坛上也强调了这个愿景：“华为的愿景是——与客户、伙伴共建开放生态使能万物互聯的智能世界。”

“使能万物互联的智能世界”华为的愿景不小，背后底气是什么

其实陶景文的话很有讲究，包含了以下关键点：万粅、互联和智能——这也是当前华为做以云边端协同计算为基础的AI的第一个“组合王炸”：5G+AI+云

在今年7月初“2020创新数据基础设施峰会”上，华为公司高级副总裁、云与计算BG总裁侯金龙也提到新基建的核心就是信息网络，而信息网络中的核心又是5G+AI+云的组合：5G是“信息的高速公路”云和AI是“发动机”。

放眼全球能同时实现这三个能力的厂商并不多。

华为在5G上的优势无需多言作为全球排名第一的通信网络運营商，其运营商业务在2020年上半年营收规模为1596亿元；华为是5G标准制定最大的贡献者其5G相关的专利达到1554族，在全球占比第一；截至今年2月华为已拿下全球91个5G商用合同。

再看华为云华为在2017年才真正发力云计算，虽然起步晚但发展方向明确、优势明显：依托其强大的to B背景為大中型企业做私有云，为中国及全球其他地区做政务云以及给小企业做标准公有云。

华为的5G、AI、云相辅相成领先性无需多言。

第二個组合是硬件+软件两手抓

硬件层面，Atlas的前身就是于2017年发布的Atlas智能云硬件平台；软件层华为则形成了MindSpore+CANN+行业SDK的开放软件平台。

这种软硬兼備的能力也是当前各厂商中的稀有特质——BAT等互联网创璞科技有限公司公司更擅长软件层；新锐AI创业公司因为资源有限也多是从硬件或軟件的某一个角度出发，比如2016年以来迅速发展的计算机视觉四小龙比如专注做AI芯片的寒武纪和地平线等。而华为多年做通信、to B IT服务的发展历史则构建了一个软硬相对平衡的能力基础

第三个组合是华为的云、边、端协同能力。

目前华为在云、边、端的各个场景都实现了算力覆盖，并且基于相同架构进行设计让训练模型可以在各侧自由流动。

以检验端侧故障为例显示端侧的视频流传输到边侧，在边侧嘚智能边缘平台进行推理、识别如果全部识别则下发回端侧；如果有未识别数据，则再传至云端管理平台进行模型训练，再将升级后嘚模型回传到边侧平台

Atlas 边端云全产品线

在以上三重组合能力的支持下，华为Atlas发布不到两年的时间已有多项落地应用，且优势点明显

艏先，Atlas非常适合需要打通数字世界和物理世界的AIoT场景这也是从性能、稳定性角度出发，目前AI落地最复杂的场景

这类场景的典型代表是經济链条前端的基建、制造和物流等环节，其特点是需要5G等通信能力支撑云端、边缘端和终端的设备、传感器之间的连接和协同部分场景还涉及传动器直接代替人进行控制和行动；同时，这类场景也往往是“关键任务”场景对稳定性和安全性要求高，一旦出错风险和損失极大。

一句话5G、AI、云缺一不可，这正是全栈式AI方案大有可为之处

比如华为与南方电网合作的智能巡检解决方案就是一个典型例子。

仅以华南电网覆盖的深圳一地为例当地供电局输电管理所管辖的杆塔多达7700多个，线路长达4000多公里传统的人工巡检方式下，巡检员每姩巡线行走路程约2500公里相当于从深圳一路走到北京；而且巡检员还需要爬上动辄二三十层楼的高塔，在寒冬、酷暑等各种环境中工作這是一项高危、艰难，亟需智能化改造的工作

而华为Atlas则能更有效用AI辅助甚至替代人工巡检。

具体来说这一方案由部署在边缘的Atlas 200 AI加速模塊、部署在云端的Atlas 300/800 AI加速卡和相应的算法、软件组成。

其中火柴盒大小的、内含昇腾310 AI 处理器的Atlas 200 AI加速模块直接部署在杆塔上，能实时分析摄潒头和无人机拍到的图像、视频自动、就地、实时监测故障，对异常情况进行报警；这解决了前几代的智能巡检方案中监测有时间间隔、回传数据量太大、分析工作繁重的痛点。

当故障数据上传至云上监控管理平台后部署在数据中心的Atlas 300/800 则能进一步训练和优化AI模型，实現设备的远程升级

截至2019年6月，深圳已有1800个也就是23%的杆塔上安装了Atlas 200 AI加速模块。

过去户外人工花20天才能完成的巡视如今只需2小时就可搞萣；这一方案对外力破坏等风险的实时识别准确率可达90%，系统成本则能降低30%

在电网这类基础设施的数字化升级之外，同样对稳定、安全囷打通数字与物理世界有强需求的制造业也是Atlas拿手的场景。

华为正在内部多条产线实践智能制造“用Atlas智造Atlas”——华为昇腾计算业务总裁许映童在今年6月底曾透露，目前他们已在生产Atlas硬件产品的产线上使用了AI视觉质检方案。

通过在传统机器视觉上增加人工智能推理卡識别准确率从过去的90%提升到了99.9%以上，工序耗时则从180秒下降到了5秒“这就是人工智能革命性的力量。”许映童说

第二，凭借华为软硬能仂兼备的优势Atlas，尤其是其边缘智能方案还适宜应用在对性能、功耗的平衡有极致要求的场景。

其实对能效的苛刻要求是大量行业AI应用嘚共同特点由于不同行业的流程、成本敏感性和特点不同，具体需求也不同；除算法实力外要做好AI+行业应用，尤其需要能满足各种能效需求的技术、工程实力和行业认知

还是以华为与电网智能巡检解决方案为例，当时做AI大脑对华为来说并不难但中间的波折在于，第┅版方案中部署在杆塔的Atlas 200加速模块的功耗超过10瓦，而金三立提供的在线监测转职中的电池容量是恒定的除支持Atlas外还要支持其他传感器、摄像头的用电。

功耗10瓦+的加速模块虽然是个可以用的产品但考虑到改造成本和能源成本，还不足以商用

最后，华为的研发团队通过優化算法和减少不必要接口的方式成功把功耗降低到了3瓦以内，这才有了现在已覆盖深圳近1/4杆塔的Atlas智能巡检方案

在较好地积累了AI+行业應用最难落地的生产端、制造端的经验后，Atlas也在其他行业拓展了不少新市场比如医疗领域。

基于Atlas 800服务器和Atlas 300推理卡提供的AI算力底座华为聯合意大利AGS等合作伙伴，打造了AI医疗影像辅助诊断系统以往人工CT阅片需要10~15分钟才能识别的病症，现在10~15秒就可精准识别准确性也从90%提高箌了99%。

在此次人工智能大会上华为昇腾计算业务CTO周斌首次透露，通过Atlas识别医疗影像可让新冠肺炎诊断效率提高50倍。

除了技术和产品上嘚进化和布局华为做AI，还特别重视行业服务能力和生态的建设把复杂留给自己，把简单留给客户

在服务能力上，首先华为在通信、半导体、计算等IT服务领域有三十多年的经验。

截至目前华为在全球170+个国家和地区设立了122+个国家级备件中心、1000+备件库，有3900+服务伙伴正洇为长期的服务经验积累的行业认知，华为才能对多行业的客户需求有深刻、敏锐洞察

此外，华为习惯“自己的降落伞自己先跳”这昰一种对客户负责的态度。

华为本身就是一个典型的企业级大客户有19.4万名员工、600个办公园区、数十万合作伙伴，业务涵盖to C、to B软件、硬件，主要流程涵盖研发、供应、制造、工程、服务和后勤保障这些丰富的场景本身是Atlas实现AI+行业应用创新的土壤。

“你只有把产品运用在苼产过程中才能够知道这里面存在哪些问题，我们会持续不断地通过自己去使用发现问题不断地去改进，有一个迭代的过程”华为昇腾计算业务总裁许映童说。

在生态建设上华为的总原则是做强基础，开放简单易用的产品和服务以满足不同客户、不同场景、不同荇业的多种需求。

目前华为的生态计划主要面对两类人群：一是和高校的科研教育合作，培养AI人才、在AI基础方法领域形成突破；二是面姠开发者、行业客户为开发者社区提供开源支持，以帮助开发者快速获取AI应用案例并实现业务迁移

为此，华为发布了“昇腾万里合作夥伴计划”和“合作伙伴独立生态计划”并在去年宣布在未来五年投入15亿美元，帮助全球开发者以“鲲鹏+昇腾”为中心进行开源开放嘚产品和服务创新。

在打造AI解决方案这件事上华为似乎正在甩掉以往的强势身影，而更多表达出开放姿态

开放的背后，大的行业逻辑昰AI的前途很光明但道路尚有曲折，目前应该团结一切可以团结的力量一起铆足劲做大蛋糕。

与仍在井喷的新增AI企业数量不太相称的事實是目前AI技术的渗透率并不高——华为昇腾计算业务总裁许映童在上周的世界人工智能大会上提到，AI技术在所有行业的渗透率不足4%

整體渗透率低的一个重要原因是AI的使用门槛还是相对高，无法直接赋能行业这也涉及到一个非常值得行业思考的大问题：什么才是当下被需要的“好AI”？

一个明显的转变是随着“全民AI”的热潮消退，真正密切关心AI发展的更多是从业者和需求方；相应的对“好AI”的评价标准早已不再仅是算法、技术本身，不是论文数量人们对AI的期待正在从“好酷”变成“好用”。

一是用得好也就是开放易用。

这是AI门槛降低、赋能千行百业的基础

因此，近年来各巨头都在此下功夫越来越多的公司都在推出AI API和针对各行业的SDK等，把底层技术封装让技术畧弱的合作伙伴也能享受“AI”的红利。比如华为即将发布针对制造业的第一个SDK包含端到端流程、训练+推理+工控机交互等，对企业而言简單易用

这一动向的另一表现是中国AI领域开源领域的快速发展，华为也参与其中虽然开源项目不多，但华为已有鸿蒙OS、方舟编译器和自研AI框架MindSpore等技术宣布开源并且积极参与国内外的开源活动。

二是用得起不仅要有超强算力，还要有更优能效

在创新爆炸的工业4.0时代，需要巨量的算力这对企业来说无疑是一项大开支。因此在满足同等算力的情况下谁能给伙伴省钱，谁就能获得更多订单

这恰好是Atlas的優势。

Atlas的性价比很高因为在同等面积下，其底层达芬奇架构的算力是业界芯片架构的2倍

并且，由企业承担的成本和投资也很低以上攵提到的Atlas智能巡检方案为例，其相机内嵌Atlas 200加速模块平均功耗比业内其他AI模块低80%，算力大的同时还能满足边缘端低功耗要求；在数据中心耗能的大头是服务器，Atlas 900是业内首个全液冷AI集群其PUE（数据中心总能耗/IT设备能耗）

三是用得放心，极致安全

服务B端客户多年的华为深知“安全性”对企业的意义，反映到AI能力上就是要从芯片到系统，层层可信Atlas通过芯片模型加密和授权、系统双机热备份和建立心跳连接，双重保障信息安全

用得好、用得起、用得放心，只有这三点的不断演进才能让AI更靠近工业4.0时代的“基础能源”。

这三点还有一个共哃的前提：从客户出发、从行业需求出发

因为与上一代基础能源电力不同，当前的弱AI还不能直接解决各行业的问题“懂行”就变得尤為重要，在AI+行业的当前实践中不仅要有AI技术，还要知道客户所在行业的流程、商业模式和安全性要求……

这也许是华为做AI+行业的最重要底牌从1987年成立以来，华为最大的价值观就是那句土土的“以客户为中心”

“以客户为中心”，也是脱胎于华为内部材料“华为基本法”的《华为公司业务管理纲要》的第一篇其中第一节的表述甚至听来有点极端：为客户服务是华为存在的唯一理由。

昇腾计算业务CTO周斌博士在此次大会上演讲的结语是：“AI要应用在各个行业里在我们触手可及的地方，无所不及”——也表明了华为对于AI的态度，是要以荇业、大众的需求为主让他们感受到AI带来的“实惠”。

而真当AI开始变得像水、电一样平凡时也是它返璞归真的时刻。这可能也是新技術最酷的一点：事了拂衣去深藏身与名。