當前，AI的應(yīng)用正在從企業(yè)單個業(yè)務(wù)場景復制推廣到更多部門，從先行者的小范圍探索到行業(yè)企業(yè)的全面布局，與此同時，與AI相關(guān)的技術(shù)發(fā)展和演進速度也非常之快，新的AI算法不斷刷新已有紀錄，計算框架也不斷出現(xiàn)。在發(fā)展迅猛的趨勢之下，企業(yè)在探索和使用AI的過程中也遇到了非常多的困惑。

　　針對AI應(yīng)用當中的各種痛點，在2018全聯(lián)接大會上，華為公司正式發(fā)布全棧全場景AI解決方案，為客戶提供了從底層AI芯片、AI框架到應(yīng)用使能的能力；面向政府、企業(yè)與開發(fā)者，提供全棧AI解決方案華為云EI。未來，基于華為昇騰（Ascend）系列AI芯片及多核ARM芯片“鯤鵬920”，華為云將更加以優(yōu)質(zhì)的能效表現(xiàn)，幫助客戶進一步提升AI開發(fā)、數(shù)據(jù)處理的性價比與服務(wù)體驗。

　

　　華為云EI服務(wù)產(chǎn)品部總經(jīng)理賈永利發(fā)表主題演講

　　未來，隨著數(shù)據(jù)模型的增大、海量數(shù)據(jù)預(yù)處理能力要求的增加，全生命周期管理加速將變得更加重要，只有擁有端到端全棧的優(yōu)化能力，才能夠幫助用戶快速創(chuàng)建和部署模型，管理全生命周期 AI 工作流。華為云ModelArts一站式AI開發(fā)平臺應(yīng)運而生。

　　ModelArts從設(shè)計之初便著眼于不同層級的AI開發(fā)者，從數(shù)據(jù)科學家、算法工程師，甚至AI初學者，都可以通過統(tǒng)一的平臺對AI模型/工作流進行全生命周期管理。ModelArts可以幫助用戶進行包括AI開發(fā)和運行階段管理在內(nèi)的全生命周期管理，在數(shù)據(jù)處理、模型訓練、模型管理、模型部署、AI市場等各個環(huán)節(jié)提供更為快速有效的解決方案。接下來，華為云還將持續(xù)把華為2012實驗室、EI產(chǎn)品部等在內(nèi)的AI前沿的算法和理論研究，例如：小樣本訓練能力、半監(jiān)督學習能力、神經(jīng)網(wǎng)絡(luò)自動搜索能力等，逐步產(chǎn)品化，并開放給開發(fā)者。

　　具體來說，首先，數(shù)據(jù)處理在AI開發(fā)過程中極為關(guān)鍵，在項目中占得比例有時甚至超過進行訓練的時間，同時往往消耗大量成本進行標注，ModelArts系統(tǒng)化的對這個過程進行了設(shè)計，提供了數(shù)據(jù)集版本管理、半自動標注等多個功能，針對不同項目，該階段的人力消耗能夠節(jié)約50%-80%。

　　在模型訓練部分，ModelArts通過硬件、軟件和算法協(xié)同優(yōu)化來實現(xiàn)訓練加速。自研的深度學習框架——MoXing，可以自動將開發(fā)者的單機程序，轉(zhuǎn)化為大規(guī)模分布式訓練程序；提供超參的自動化調(diào)試優(yōu)化；提供神經(jīng)網(wǎng)絡(luò)自動化搜索能力，幫助開發(fā)者自動化實現(xiàn)模型訓練，大幅提升算法開發(fā)效率和訓練速度，節(jié)約訓練成本。

　　

　　ModelArts自研MoXing框架提供三個強大功能

　　而在模型管理方面，通過圖引擎統(tǒng)一管理開發(fā)流程元數(shù)據(jù)，自動實現(xiàn)工作流和版本演進關(guān)系可視化，進而實現(xiàn)模型溯源、精度追蹤；在模型部署方面，ModelArts可以一鍵將AI模型部署為在線推理服務(wù)或邊緣推理服務(wù)。面向邊緣推理場景，ModelArts可以自動對模型的適配進行優(yōu)化，比如神經(jīng)網(wǎng)絡(luò)蒸餾，模型的壓縮、枝剪等處理，讓AI模型能夠更好的適配邊緣部署環(huán)境。

　　賈永利表示，華為云EI通過在十余行業(yè)，大量的項目探索，總結(jié)了行業(yè)AI技術(shù)落地的關(guān)鍵路徑。他表示，AI行業(yè)落地的關(guān)鍵在于找準場景，華為云EI針對海量重復場景、專家經(jīng)驗場景及多域協(xié)同三類場景，致力于實現(xiàn)效率提升、專業(yè)傳承和突破極限，助力各行業(yè)智能化升級。

　　在典型的海量重復場景——物流行業(yè)，每年貨物破損不計其數(shù)，多數(shù)由于人為操作不當所導致。針對物流貨物的運輸、安檢場景，華為云EI利用了視覺技術(shù)，幫助德邦快遞實現(xiàn)了全面的自動化檢測，節(jié)省了大量的時間成本和人力成本，有效減少了貨物損耗。在此之前，德邦快遞利用13,000路視頻，使用人工觀看，每人每天最多4倍速度觀看8路攝像頭，人力消耗預(yù)計達400人以上。

　　針對多域協(xié)同場景，華為云幫助某機場解決航班靠橋率、旅客靠橋率、步行距離、地服消耗、滑行沖突率多等問題，實現(xiàn)核心指標靠橋率較人工提升了 5%，沖突率較人工降低10%，全面提升了指揮員工作效率和機場運行效率。而被優(yōu)化機場全年由于停機位分配等原因，需要搭乘擺渡車的旅客數(shù)量，減少了250萬。

　　在任何行業(yè)里，專家都是非常寶貴且稀少的資源，在醫(yī)療領(lǐng)域更是如此，這也為專家經(jīng)驗場景提供了最為適合落地的基礎(chǔ)。在大會現(xiàn)場，金域醫(yī)學CIO李映華，就金域醫(yī)學與華為云EI在醫(yī)療領(lǐng)域的創(chuàng)新成果進行了分享。他介紹道，目前金域醫(yī)學與華為云已經(jīng)圍繞大數(shù)據(jù)、AI等多個方面開展了合作，例如借助深度學習等AI技術(shù)對海量病理切片及專家標注數(shù)據(jù)進行學習、訓練，所產(chǎn)生的深度神經(jīng)網(wǎng)絡(luò)模型將可以輔助病理醫(yī)生更加高效、及時、準確地對患者的病理切片進行診斷。在雙方目前的合作當中，基于金域醫(yī)學高年資細胞病理醫(yī)生的專業(yè)標注以及華為云EI視覺團隊的高效率、高質(zhì)量的網(wǎng)絡(luò)模型構(gòu)建與訓練，項目已取得了階段性的突破，宮頸癌細胞學AI輔助篩查的敏感度超過99%，可媲美專家水平。

　　無論對于哪個行業(yè)，在AI落地過程中開發(fā)者都是一個關(guān)鍵要素。面向合作伙伴，華為云EI提供了市場營銷策劃、解決方案使能、聯(lián)合創(chuàng)新Lab等多種支持計劃，使能合作伙伴繁榮AI開發(fā)能力。

　　面向開發(fā)者、高校和科研機構(gòu)，華為在2018全聯(lián)接大會發(fā)布了沃土AI開發(fā)者使能計劃。通過沃土AI開發(fā)者使能計劃，搭建一個技術(shù)交流、人才培養(yǎng)、機遇共創(chuàng)的通道。

　　另外，開發(fā)者還可以借助ModelArts快速開展創(chuàng)新活動。以上海交通大學為例，借助ModelArts，學生在短時間內(nèi)將傳統(tǒng)競賽賽車，改造為具備AI能力的自動駕駛賽車。改造后的賽車可以對紅綠燈、障礙物、車道等環(huán)境進行識別，并且能夠?qū)μ囟�目標進行跟隨。

　　同時，通過端云協(xié)同AI應(yīng)用開發(fā)平臺HiLens，用戶可以更加方便管理海量的終端類設(shè)備，與ModelArts無縫互通。例如，深圳海雀科技通過HiLens開發(fā)的AI技能，將AI模型下發(fā)至其研發(fā)的家庭安防攝像頭，讓原本普通的攝像頭變得更加智能。

　　不僅AI開發(fā)過程變得更高效快捷，華為云還希望以更好的AI技術(shù)和生態(tài)，助力更多的企業(yè)和開發(fā)者更好地利用和分享他們的AI能力，從而構(gòu)建更全的生態(tài)系統(tǒng)。開發(fā)者可以通過2019年3月最新發(fā)布的ModelArts的AI市場將AI模型、數(shù)據(jù)集進行共享和發(fā)布，也可以從市場獲取基礎(chǔ)數(shù)據(jù)集、模型進行更進一步的開發(fā)。此外，Atlas200開發(fā)者套件、HiLens wit深度學習攝像機等開發(fā)者套件也即將在5月份正式商用。

　　目前，華為云正持續(xù)AI場景化落地應(yīng)用，繼續(xù)在“云+AI”進行探索與實踐，助力把數(shù)字世界帶入每個人、每個家庭、每個組織，從而構(gòu)建萬物互聯(lián)的智能世界。