一、案例分析

1．AI供需矛盾

近年，随着機器學習的興起，國内外湧現一大批AI創業公司，如商湯、曠視等AI獨角獸，傳統IT領域的企業也在積極發展AI業務。AI行業的蓬勃發展徹底改變了IT行業，但AI算力卻無法滿足企業和消費者日益增長的需求。AI行業面臨着這些共同的痛點，亟需解決：

 AI算力供應嚴重不平衡，稀缺而且昂貴，AI計算需要使用大量GPU等硬件，成本居高不下，訓練神經網絡時間長，運算單價高。

 多數傳統行業對部署的場景要求高，環境惡劣多變。

 雲端服務器、邊緣設備的計算數據無法相互溝通。

 專業技術要求門檻高，專業人才短缺，這一點從招聘網站各大公司争相高薪招攬AI人才與專家就可以看出。

2．服務器端部署

要解決AI算力問題，首先要解決的是AI在服務器端的部署問題。如果采用x86服務器，用戶面臨着成本高的困擾，而ARM服務器卻隻能在部分場景發揮其低功耗的優勢與價值。

華為智能計算除了繼續與英特爾合作推出更智能的x86服務器外，将重點打造基于ARM的TaiShan系列服務器與基于昇騰芯片的Atlas人工智能計算平台。在專業的智能醫療領域，華為的智能計算也能大顯身手。相比傳統x86計算平台，Atlas加速雲平台能大幅縮短基因測序時間，提升計算效率，降低端到端綜合成本。

圖1 人工智能計算平台

ARM架構是華為智能計算的重要一環，為何華為看好ARM服務器的未來？在移動端等使用場景下，ARM服務器的效果比x86更好，更能發揮出它低能耗的特性。對于處理多樣化的計算任務，找到适合的架構才是更重要的。比如，手機普遍使用的ARM芯片，當開發者在雲端進行遊戲應用開發時，ARM架構對比x86架構将表現更優。伴随應用場景的拓寬，進一步推動了ARM服務器生态的良性循環。華為智能計算業務部早前在媒體采訪中表示，亞馬遜AWS已經在雲上部署ARM，這樣導緻很多開源的軟件，現在主動地在進行ARM的遷移，ARM服務器的生态會越來越豐富。

3．普惠智能計算

Atlas人工智能計算平台則是華為智能計算的另外一個重要組成部分。與通用計算不同，華為智能計算的差異在于全棧全場景，讓客戶能用上、用得起AI技術。降低人工智能使用的門檻，實現行業智能化再造，建設AI生态。

此外，華為雲的加入是華為智能計算的另一個不可或缺的部分。從某種角度來說，華為雲其實一直行進在這條路上，智能計算雖然是華為新提出的戰略，但是華為雲之前早有基礎，早在2017年，華為就推出了Atlas人工智能計算平台。此外，華為在客戶端部署的AI服務器與華為的通訊技術，更好地幫助客戶實現雲邊協同和無縫的網絡覆蓋，達到數據協同和互通目的，覆蓋各種應用場景。

二、案例思考

回想IT廠商過去走過的這些路，或許可以用狄更斯的那句“這是最好的時代，也是最壞的時代”來概括。

1. 科技帶來便捷與安全。銀行和電信運營商已經使用智能計算部署包括文字識别、語音助手在内的多項AI技術，幫助用戶進行自助服務。在醫院、幼兒園等應用場景中，華為提供Atlas 500智能小站智能看護解決方案，與攝像頭相連，即使發現異常情況并發出警報。智能計算不僅普惠行業，也在普惠我們每個人的生活。華為的願景是通過芯片來提升算力，通過工程能力進行部署，雲計算和邊緣計算協同實現數據互通，降低人工智能使用的門檻，普惠AI，實現行業智能化再造，建設AI生态。

2. 緊跟IT時代步伐。自互聯網泡沫破滅後，整個IT産業已經逐漸複蘇超越了泡沫前的全盛時代。在這幾年裡，所有的IT廠商都在嘗試變革，戴爾已經鎖定企業級IT解決方案，通過一系列小規模收購和組織結構調整來适應市場的變化，而曾經的軟件廠商甲骨文正在嘗試打造企業級IT應用商店。作為IT産業裡的最強音，英特爾和微軟看似沒有發生什麼巨大變化，但事實上也受到了這場變革的深刻影響。在這場IT大變革中，快速的市場變化讓你發現你的對手似乎不再是其他廠商，而是這個時代，它迫使你必須走在前面，否則就會被快速抛棄，無論你是誰。

19級計算機科學與技術三班 趙淩雲