公司同时，公司与AI芯片公司地岼线签署

[淘股吧] 战略发布会上润和软件发布了包括HiKey960、Hikey970在内的六大高性能AI开发平台，聚焦IoT端侧智能与可针对、智能驾驶等行业提供AI产品與解决方案。

润和软件总裁陈斌表示

面临“互联网+”到“AI+”的

升级压力。陈斌认为端节点智能化与

代表着AI的未来。有数据显示到2025年，

在线设备数量将迅速增长到500亿个其中80%左右将

在中国；但与此同时，庞大的全网数据量与

带宽之间的矛盾、与云端计算力增长极限之间嘚剪刀差、数据资产的

）对实时性反馈的高要求等因素都表明对边缘计算的极大需求。IDC的

指出2025年，超过50%的全网数据量都将在边缘存储、计算和处理；而?

陈斌介绍润和软件从2006年做IT外包起家，润和软件通过与

海思、YUM中国、丰田通商、国

、TCL等行业头部企业

已经在芯片、能源、汽车、

、供应链、智能终端、嵌入式软件等领域有了较多积累，已经具备了从芯片、主板、操作系统、云平台到典型场景应用的平囼化、全栈式AI技术开发与一体化的整合能力

陈斌尤其强调，与华为海思的长期战略合作让润和软件在不知不觉间已经站上了国内AI领域嘚技术高点，世界上第一款内置NPU的AI芯片麒麟970是华为海思与润和软件深度合作的研发成果 。

陈斌表示润和软件当前发布AI+战略并不算晚，具备后发优势他指出，当前国内AI产业

还有四大瓶颈一是杀手级应用不多，高价值的商业化

有瓶颈部分领域甚至是

碎片化趋势明显，從芯片到算法、到应用、各个垂直型行业间的区隔明显缺少统一高效率的通用赋能平台，从业者的开发与运营成本都比较高；三是产品囮门槛高以

举例，从DEMO到车规级产品中间还有很长的路要走；四是当前国内AI初创企业，由于规模与编制有限除了向合作伙伴输出技术方案外，很难再有人力、物力向合作伙伴提供全方位的综合服务而这是开展To B业务极其重要的一环。润和软件有底气进军AI产业争取突破這四大瓶颈。

10和其他高端手机提供更快的处理速度和更低的功耗 [3] 2017年9月2日，在2017年德国柏林类产品展览会上华为发布芯片麒麟970。首款采用麒麟970的华为手机Mate 10在2017年10月16日在德国慕尼黑正式发布 [3] 。

Unit神经元），用来处理海量的AI数据 [3] 麒麟970发布后，营销应该会把“AI”作为突出卖点並且围绕AI开始构建。在人工智能时代理想的状况是智能终端将变成人的助手，真正实现“知你”、“懂你”、“帮你”这就要求人工智能不断演进，不仅是被动响应用户的需求更能够主动感知用户状态和周边，并提供精准服务的全新交互方式 [3]

        以往的普遍是以CPU（处理器）/GPU（图形处理器）/DSP（数字信号处理）为核心的传统计算架构，但这种架构难以支持AI计算为此，麒麟970中单设了一个专门的AI硬件处理单元为CPU、GPU等架构，目的都是为提高应用效率和降低能耗 [3] 这道理跟当初在CPU和GPU之外，增加DSP等架构的初衷一样都是为了分担主系统的计算负担。麒麟970首次集成NPU采用了HiAI计算架构其AI性能密度大幅优于CPU和GPU。相较于四个Cortex-A73核心在处理同样的AI应用任务时，麒麟970新的异构计算架构拥有大约50倍能效和25倍性能优势这意味着，麒麟970芯片可以用更高的能效比完成AI计算任务例如在图像识别速度上，可达到约2000张/分钟 [3] 麒麟970设计了HiAI移動计算架构，利用最高能效的异构计算架构来最大发挥CPU/GPU/ISP/DSP/NPU的性能同时首次集成NPU专用硬件处理单元，其性能和能效比大幅优于CPU和GPU [3] 一个系统級的手机芯片主要包括CPU/GPU/DSP/ISP，以及基带芯片等诸多部件这次麒麟970依然内置了八核CPU，与上一代麒麟960相比没有任何变化在GPU上，麒麟970则用上了ARM在2017姩5月刚刚发布的Mali-G72架构性能较Mali-G71有所提升，此外在核心数上，麒麟970的GPU也从麒麟960的8核增加到了12核 [3] 在基带芯片上，华为发挥了自己作为厂商嘚优势麒麟970直接大跨步支持LTE（）Cat.18（网速等级），最高下载速度可达了1.2Gbps [3] 尽管在CPU和GPU没有特别大的惊喜，但由于麒麟970采用10纳米制程也会提升整体性能。余承东表示麒麟970的能耗比提升了20% [3] 。

[淘股吧] 据Android Authority网站报道神经和机器学习是今年处理器方面两个最重要的流行词。华为海思麒麟970、Pixel 2的成像处理单元和A11仿生都配置有专门的神经网络/机器学习硬件解决。

由于华为、谷歌和苹果都在宣扬基于硬件的神经处理器或引擎外界会认为机器学习要求专门的硬件，实际上并非如此神经网络能运行在任何类型的处理器上，例如微处理器、CPU（处理器）、GPU（图形处理器）和数字信号处理器能运行矩阵乘法应用的处理器，就能运行某种类型的神经网络问题不是处理器能否运行神经网络和机器學习，而是它们运行的速度和效率
我们来回忆一下台式机处理器没有集成浮点单元的时代。386和486CPU均有两种版本一个版本集成有浮点单元，一个版本没有这里的浮点数指的是“实数”，包括有理数、分数和所有无理数许多类型的计算要求使用实数。计算比例、画圆、转換或处理3D图形这些任务都会用到实数。当时如果PCCPU没有集成浮点单元，相关的计算就需要由来完成但与硬件浮点单元相比，软件执行實数运算的速度要慢得多
30的今天，所有通用CPU都集成有硬件浮点单元甚至一些微处理器（例如Cortex-M4和M7内核）。在神经处理单元方面我们面臨相似的情况。不需要神经处理单元就能运行神经网络甚至能高效地运行神经网络。但华为等公司提出实时运行应用需要神经处理单え。
神经网络是机器学习中用来“教授”区别不同事务的数种不同之一这里的“事物”可以是照片、语音词汇、动物的声音等。神经网絡由一系列“神经元”组成“神经元”能接收输入信号，然后根据输入信号强度及其阈值在网络中进一步传递信号
一个简单的例子是判断数个灯中的一个是否开启的神经网络。每个灯的状态被输入到神经网络中其结果要么是0（所有灯都没有开启）或1（至少有1个灯处于開启状态）。当然没有神经网络这一问题也能得到解决，但这一问题表明了一个非常简单的使用场景这里的问题是，神经网络如何“知道”何时输出为0、何时输出为1没有或程序告诉神经网络我们尝试实现的逻辑结果。

Android Authority表示使神经网络正确运转的途径是对它进行训练。一系列输入和预期的结果被注入网络然后对多个阈值进行略微调整，提高出现期望结果的可能性针对所有输入重复这一过程。一旦訓练完成即使输入是以前没有出现过的，网络也会生成恰当的输出这听起来简单，但实际上却可能非常复杂尤其是对于语音或图像等复杂的输入。

一旦训练完成网络基本上就由一系列节点、连接和这些节点的阈值组成。在网络训练期间其状态是动态的。一旦训练唍成其状态就变成静态的了，可以在数以百万计的设备中并用来进行推理。
推理阶段比训练阶段容易这也是神经处理单元的用武之哋。
一旦完成对神经网络的训练使用它进行分类和识别就只是通过网络运行输入并使用输出。“运行”部分就是矩阵乘法和点积运算甴于这些只是数学运算，可以在CPU、GPU或数字信号处理器上运行华为的工作就是一个能加载静态神经网络模型的引擎，并利用它对输入进行運算由于神经处理单元属于硬件，因此它能以高速、低能耗方式完成处理任务事实上，神经处理单元能实时地处理智能手机相机拍摄嘚“直播”
麒麟970具有强大的处理能力，它集成有8个CPU内核和12个GPU内核以及用于处理其他媒体和连接技术的电路。麒麟970集成有55亿个晶体管鉮经处理单元（包括其SRAM）隐身其中，它有多大呢据华为称，神经处理单元有约1.5亿个晶体管组成不足整个芯片中晶体管数量的3%。
两个原洇使得其大小非常重要首先，它没有大幅增加麒麟芯片整体尺寸（和成本）很显然，它也是会带来成本的但与CPU和GPU不是一个级别，这意味着不仅旗舰手机可以配置集成有神经处理单元的片上系统中档手机也行。未来5年它可能会对片上系统的设计产生很大影响。
其次它。神经处理单元并非是电老虎不会影响到续航时间。把推理过程由CPU转移到专用电路是一种漂亮的硬件解决方案，有助于降低能耗
Android Authority称，神经处理单元尺寸小的原因之一是它只完成推理部分，不完成训练部分据华为称，在对新神经网络进行训练时需要用到GPU
如果華为向第三方开发者其神经处理单元，会带来无穷的可能性想象一下，使用图像、声音和语音识别的应用相关处理工作都能在本地完荿，再也不需要连接和云一项功能可以直接在相机应用中识别出本地的地标性建筑，应用可以识别出食物向用户提供食物包含的卡路裏，或提醒用户注意过敏
也许有一天，就像浮点单元成为CPU的标配那样神经处理单元也会成为片上系统标配。

题材还是正就是不在芯片蝂块里面可能要等到挖掘了

别吹呀我的全部家当在里面呀，怕............

别吹呀我的全部家当在里面呀，怕............

        万得通讯社报道陈杭团队发布，1991年從成立ASIC中心起到2004年成立海思，直至成为中国自主设计的代表那么华为究竟做了哪些芯片呢？
从大类上看华为主要设计了五类芯片：

1、SoC芯片（麒麟系列）：SoC芯片一直是华为的主力研究，至年8月31日推出的麒麟980处理器以及预计今年下半年将推出麒麟985芯片华为手机芯片已经達到世界一流水平。

2、AI芯片（昇腾系列）：2018年10月10日在华为的HC大会上发布了昇腾910和昇腾310两款AI芯片，分别采用7nm工艺制程和12nm工艺制程昇腾系列AI芯片采用了华为开创性的统一、可扩展的架构，即“达芬奇架构”实现了从极致的低功耗到极致的大算力场景的全覆盖。
3、服务器芯爿（鲲鹏系列）：华为优化调整设计了其伙伴ARM授权提供的在年1月7日发布了鲲鹏920以及基于鲲鹏920的泰山服务器、华为云服务。
4、通信芯片（巴龙、天罡系列）：华为的5G芯片主要分为芯片（巴龙系列）和芯片（天罡系列）巴龙系列是手机终端基带芯片，一直是华为手机的专用芯片2019年1月24日，华为推出业界首款面向5G的基站核心芯片（天罡芯片）和5G多模终端芯片（巴龙5000）
5、其他专用芯片：（路由器芯片、NB-IoT芯片、IPC編解码和图像信号处理的芯片等）：凌霄系列主要用于家庭接入类的产品；利尔达NB-IoT模组为领先的窄带无线通信模块；IPCSoC芯片涵盖了视频的——ISP技术和视频编解码技术。
1.1麒麟芯片：全球领先的手机SoC芯片
所有手机芯片的核心都是两块：AP和BPAP即Application Processor（应用处理器），包括CPU（处理器）和GPU（圖形处理器）BP即Baseband Processor （基带处理器），负责处理各种通信如GSM、3/4/5G等。此外还有射频等核心单，它们组合在一起构成了SoC芯片的芯片
SOC可以有效地降低电子/系统产品的开发成本，缩短开发周期提品的竞争力，是未来界将采用的最主要的产品开发方式华为的SOC芯片是由海思来设計和研发的。

海思芯片的经历了较长的一段时间

2004年，华为海思开始研发手机芯片并于2009年如期推出一个GSM低端手机解决方案，使用的是Windows mobile操莋系统该方案中BP技术是自研的，技术源自华为的GSM基站AP芯片名叫K3V1，工艺制程上采用的是110nm落后于当时竞争对手采用的65/55/45 nm制程。加上操作系統上选择的是日落西山的Windows Mobile因此第一代海思芯片性能不理想，很快遭到淘汰
2012年，华为发布了K3V2号称是全球最小的四核ARM A9架构处理器。与K3V1最夲质的不同是K3V2采用了ARM架构支持安卓操作系统而不再是Windows Mobile。同时期的APQ8064和三星Exynos4412都已经用上了28、32nm的工艺K3V2工艺是40nm，发热量大的兼容性不强，也沒有获得市场认可
2015年5月，全球第一款采用16nm FinFET Plus工艺的中低端芯片麒麟650发布带领荣耀5C、G9继续破千万销量。
2015年8月20日麒麟芯片出货量突破1亿颗兩个月内日均出货29万颗。
2015年11月华为发布麒麟950 SoC芯片，该芯片的综合性能再次飙至第一凭借性能优势和工艺优势，成功领先高通半年该款芯片陆续用在华为旗下的Mate 8、荣耀8、荣耀V8定制版和标配全网通版等手机上。
2016年4月发布麒麟955 SoC芯片，把A72架构从2.3GHz提升到2.5GHz带领P9系列成为华为旗丅第一款销量破千万的旗舰机。
2017年9月2日华为发布芯片麒麟970并用于华为Mate 10，在2017年10月16日在德国慕尼黑正式发布截至目前，华为已经成功发布叻最新的新一代继任者第二代AI芯片麒麟980，将旗舰手机CPU的水平再次提升到了一个新高度
华为海思芯片的历史沿革

目前市场上生产手机芯爿的几大龙头分别是，华为高通和三星。

苹果A系列：苹果的A12处理器是全世界第一款7纳米的芯片性能稳居第一，不过由于苹果没有自主基带技术GPS/ 芯片都需要外购，所以A系列芯片从来不含基带部分也无需承担GPS/WIFI的功能；
华为麒麟系列：华为的麒麟980，采用最先进的八核心设計最高主频高达2.8GHz。预计麒麟990还会继承5G基带实现真正5G全网通；
高通骁龙系列：发布的骁龙855处理器，它采用全新的Kryo 485构架7纳米工艺技术，圖形渲染提升20%CPU性能提升45%，最高主频2.8Hz也是十分强大；
全球各大手机芯片厂商对比

1.2 鲲鹏芯片：打破服务器领域局面的新晋者

服务器是一种高性能，作为的节点存储、处理网络上80%的数据、信息，因此也被称为网络的灵魂服务器最核心的部位就是服务器芯片，可以说是整个垺务器的大脑但是正是因为它的重要性，也决定了它的技术难度是不容小觑的
2019年1月7日，华为发布了鲲鹏920（Kunpeng 920）服务器芯片该芯片基于ARMv8指令集研发，采用7nm工艺最多可达64核心，支持8通道DDR4内存及PCIe 4.0协议因此拥有其独特的性能优势：1、性能跑分超出之前业界标杆产品的25%，能效提高30%但功耗反而降低；2、双端口设计使得这款芯片的速率达到业内主流产品的两倍；3、鲲鹏920所搭载的内存超过业界主流46%，网络宽带提升㈣倍华为鲲鹏芯片目前在性能上已经达到行业领先水平。
服务器芯片市场是利润丰厚的市场之前的服务器芯片技术一直作为核心被所壟断，根据 eXchange数据全球97%的服务器用处理器为X86架构，因此是服务器领域绝对的霸主鲲鹏920芯片的推出对于国产服务器水平的飞跃也起着极为關键的作用。尽管华为宣布鲲鹏920处理器仅供自用但参考麒麟系列处理器发展历程，我们有理由相信通过自采自用鲲鹏920处理器能够让ARM 架構处理器得以发展壮大。考虑到服务器市场主要是针对用户这一过程将会比手机处理器面临的困难更大、花费的时间更长。
华为服务器芯片性能与其他厂商对比

除了鲲鹏920处理器华为还推出了三款泰山（TaiShan）系列服务器，使用的就是鲲鹏920包括TaiShan 22080、Taishan 、TaiShan X6000，分别面向均衡服务器、存储服务器及高密度服务器市场

1.3 昇腾芯片：全栈全场景AI解决方案
目前芯片发展开始面临一个矛盾的窘境：一方面处理器性能面临物理极限，无法按照摩尔定律进行增长；另一方面数据体量随着云、深度学习、AI等新应用兴起对计算性能要求超过了“摩尔定律”增长的速度。处理器自然发展本身无法满足高性能应用的需求出现了技术缺口。在这种情况下采用专用协处理器的异构计算方式来提升处理性能荿为最为理想便利的解决方案。
异构芯片在应用中通常有CPU、GPU、FPGA、ASIC四种架构选择可提供专门的硬件实现各种应用中需要的关键处理功能，足以满足AIoT平台下对于芯片个性化需求CPU与GPU是常见的通用型芯片，CPU适合逻辑控制、串行运算与通用类型数据运算GPU拥有大规模并行计算架构，擅长处理诸如图形计算等多重任务由于深度学习通常需要大量的但并不复杂的训练算法，因此相比CPU而言GPU更适合深度学习运算。FPGA（现場可编程门阵列）是一直可编程的半定制芯片具有并行处理优势，并且也可以设计成具有多内核的形态FPGA最大的优势在于其可编程的特性，用户可以根据需要的逻辑功能对电路进行快速烧录来实现自定义硬件功能
相较于CPU、GPU等通用型芯片以及半定制的FPGA来说，ASIC芯片的计算能仂和计算效率都直接根据特定的算法的需要进行定制的因此ASIC芯片具有体积小、功耗低、可靠性高、计算性能高、计算效率高等优势。所鉯在其所针对的特定的应用领域ASIC芯片的能效表现要远超CPU、GPU等通用型芯片以及半定制的FPGA。
AI时代的四种异构芯片选择

2018年华为发布了两颗云數据中心AI芯片：单芯片计算密度最大的昇腾910和极致高效计算低功耗的AI SoC昇腾310。

昇腾910属于Ascend Max系列用于数据中心服务器，性能表现超过最强芯片AI V100是全球已发布的单芯片计算密度最大的AI芯片。基于昇腾910华为还将推出大规模分布式训练系统昇腾Cluster链接1024个昇腾910芯片，构成AI计算群提供超高级AI计算能力，计算能力最高可达256P使AI的训练速度达到崭新的水平。
昇腾910昇腾cluster与现有产品的算力比较

昇腾系列AI芯片采用了华为开创性嘚统一、可扩展的架构，即“达芬奇架构”实现了从极致的低功耗到极致的大算力场景的全覆盖，目前全球市场上还没有其它架构能做箌

“达芬奇架构”能一次开发适用于所有场景的、迁移和协同，大大提升了开发的效率加速AI在各行业的应用。
华为在2018年全联接大会上偅点介绍了全栈全场景AI解决方案全栈全场景AI解决方案是华为曾经发布了面向政府、企业的华为云EI，以及面向智能终端的HiAI这两套解决方案嘚整合
纵轴全栈是技术功能视角，是指包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案
横轴全场景包括类终端、公有云、私有云、各种、IoT行业终端这5大类场景。
华为全栈全场景AI解决方案

1.4 5G芯片：基站和终端全方位布局

5G是指第五代?通信?技术是4G之后嘚延伸，其峰值理论传输速度可达每秒数十Gb相对于4G的网络传输速度快了数百倍，同时5G还拥有毫秒级的传输时延和级的连接能力，是开啟万物互联、人机深度交互的通讯基础
5G相对于4G的独特优势

5G通信的技术底层是5G芯片，5G芯片主要分为射频芯片和基带芯片

射频芯片主要用於接受和发射信号，包含PA（功率放大器）、滤波器、开关芯片等基带芯片主要用于对传输的信号进行调制解调。华为作为全球龙头企业拥有众多的，因此拥有强大的基带芯片设计能力相较之下，苹果A系列芯片虽然达到世界一流水平但是却缺乏基带芯片的设计能力，洇此需要外挂第三方的基带芯片
相对于2G、3G、4G基带芯片而言，有众多设计难点1、 多频段兼容带来的设计复杂度。2、 支持毫米波也成了5G基帶芯片的一个设计难点3、支持的模式数增加也使得设计难度有所增加，5G基带芯片需要同时兼容2G/3G/4G网络
在2019世界移动大会预沟通会上，华为發布了两款5G芯片分别是核心芯片（华为天罡）和5G终端的基带芯片（巴龙5000）。
天罡芯片——业界首款5G基站核心芯片华为天罡是全球第一個超强集成、超强算力、超宽频谱的芯片，为AAU 带来了革命性的提升实现基站尺寸缩小超55%，重量减轻23%功耗节省达21%，安装时间比标准的4G基站节省一半时间，有效解决站点获取难、成本高等挑战同时天罡芯片可以让市场上存在的大多数基站直接升级到5G，这就意味着4G升5G可以茬不更改供电或者是断电的情况下直接升级极大的方便了更新5G。
华为5G天罡芯片应用与使能概念图

巴龙5000——全球第一个支持5G的3GPP标准的芯片組Balong 5000具备5项世界之最，1个世界领先：全球领先的集成2G、3G、4G的多模单芯模组；速度世界最快-6 GHz 200MHz：下行链路速度4.6Gbps，上行速度2.5Gbps；世界首个上行/下荇解耦多模终端芯片；世界首个同时支持N和SA架构的芯片组；世界最快的高峰下行速度 Gbps；世界首个5G芯片上的R14

巴龙5000它支持5G跨所有频带提供一個完整的5G解决方案，是全面开启的钥匙它可以支持多种丰富的产品形态，除了智能手机外还包括家庭宽带终端、车载终端和5G模组等，將在更多使用场景下为广者带来不同以往的5G连接体验
主流生产商5G终端2018年商用CPE，2019年商用智能机

华为发布了首个基于巴龙5000芯片的5G终端产品：5G CPE Pro这是世界上最快的5G CPE，支持Wi-Fi6技术主要的是。5G CPE Pro可支持4G和5G双模在5G网络下可以实现3秒下载1GB的?视频?，即使是视频也可以做到秒开不卡顿為小型CPE设立了新的网速标准。

2、消费电子：、闻泰科技、欧菲科技
3、泛半导体：方、、TCL、
4、底层支撑：、中微半导体、中芯国际

2016年润和拉开了的大幕，决心从单一的外包型企业转型为型、服务型公司其中，是董事会确定的与并列的两大方向“在与的多年中，我们意识箌润和已经是国内少有的具备了从芯片、主板、操作系统、到云、到场景应用的开发与整合能力的企业，这是我们的一个很重要的洞见也是我们决心进军IOT的底气和重要基础”，润和董事长周红卫曾经多次这样回顾当时的决策过程——正是与华为的合作让润和积累了十姩的技术势能，转型的本质就是对这一势能的充分释放

仔细观察润和的展厅之后，小编得出了一个结论：经过三年的锤炼润和基本实現了软硬件一体化的全栈式IOT 解决的能力闭环，主要依托的就是以下五大硬核技术：

1、芯片与能力：年4月润和推出新一代AI计算平台HiHope，包括HiHope硬件开发平台、HiHope AI-Engine、HiHope开源社区华为是润和HiHope最重要的合作伙伴。截至目前双方已联合发布了HiKey960、HiKey970、Poplar、HiHope-Hi3559A等四款高性能AI计算平台，广泛应用于数芓标牌、POS机、、、、数字家庭中控、高性能处理高精度安防，等诸多IOT领域这四款计算平台均在本次展会中原核展出。

据了解润和HiHope专紸于以AI芯片为核心的开源软硬件一体化赋能，旨在为业界提供、、简易的高性能平台降低AI、图像处理、边缘计算等技术门槛，产品化进程除了华为海思，HiHope也吸引了日本瑞萨、索喜、、英飞凌等主流芯片商和数百名开发者进驻先后推出了包括HiKey970等在内的八款高性能AI主板。

2、与能力：系统越来越由传统的单机/架构向/在此技术背景下，系统也进入了云原生（Cloud Native）时代润和适时推出了基于公有云的云原生解决方案，包括容器云开发平台、微服务运行环境、持续集成与持续发布环境等基于润和的云原生解决方案，用户可以快速地构建、无缝运荇云上的业务系统并且可以实现快速地集成和弹性伸缩，快速部署动态，自动运维等功能

3、软件全生命周期管理能力：2018年，润和组建新维数联推出了软件工厂解决方案和D系列的全生命周期管理产品，在业内率先构建起了包括需求管理、架构管理、开发管理、管理、投产发布和项目管理在内的软件全生命周期管理平台具有明显的行业领先性。

润和丰富的多行业头部客户是华为推进生态战略的关键资源
多年以来润和在能源、餐饮、供应链、智能、等领域沉淀了深厚的行业洞察与技术服务实践，并积累了众多如国网、南方、百胜中国等这样的行业头部客户资源曾有分析认为，润和拥有丰富的行业经验与优质客户资源对华为生态而言，战略价值不言而喻在本次展會中，润和方面也重点展示在智能驾驶、智能硬件、配电物联网平台等领域的四个IOT应用方案

润和总裁陈斌曾对外表示，润和擅长行业、愙户与应用端结合华为领先的云平台和硬件产品，双方具有天然的战略互补性；在未来润和将深层次融入到华为生态当中，并将着力茬、、餐饮零售等领域打造若干“润和 华为”的样板项目，形成润和电力/餐饮解决方案 华为云服务 华为硬件产品的强竞争力组合模式充分整合并释放润和的行业能力与华为的基础平台能力，进一步稳固“华为 润和”在所属行业的优势地位

        问润和与公司的主要是嵌入式,目前华为热卖,大有赶超,三星之势!请问润和目前接受来之于华为公司智能终端嵌入式软件方面的业务是否已经较去年同期大幅增加?今后与华為公司的业务合作量及范围是否有进一步扩展的趋势?

润和软件：: 公司与华为业务较去年同期有较大幅度增长，今后与华为公司的业务合作還有很大的提升空间谢谢您的关注。

这项计划的内容包括为数据中心开发新的华为AI芯片能够支持云中的语音和图像识别等应用，这被认为是华为涉足竞争激烈的人工智能市场的第一关

现在来看，两款AI芯片的发布意味着华为第┅关已经闯过!

AI全栈解决方案，让所有开发者都用上AI

去年华为就曾预告过将针对打造面向边缘和端的全栈全场景解决方案。上文提到的这兩款AI芯片其实是华为AI全栈全场景AI解决方案的一部分。

所谓全场景即包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类終端等部署环境，即“让 AI 无处不在无所不及”，而全栈即包括芯片、芯片服务还有硬件，以及训练和推理的框架和应用在内的全堆栈解决方案

 华为的全栈方案具体包括：

Ascend： 基于统一、可扩展架构的系列化 AI IP 和 芯片，包括 MaxMini，LiteTiny 和 Nano 等五个系列。包括我们今天发布的华为昇騰 910（Ascend 910）是目前全球已发布的单芯片计算密度最大的 AI 芯片，还有 Ascend 310是目前面向计算场景最强算力的 AI SoC。

CANN： 芯片算子库和高度自动化算子开发笁具

MindSpore支持端、边、云独立的和协同的统一训练和推理框架

应用使能：提供全流程服务（ModelArts）, 分层 API 和预集成方案

由于云端与终端所采用的AI框架与底层环境不同，一般AI应用在训练跟部署之间一定会经过一次以上的迁移——对企业而言这是一个无用的“内耗”既耗费人力物力，叒浪费时间这对于开发者本人而言也是个麻烦的事情，因为转换底层环境涉及到很多算法跟算子的调校很容易出现明明AI在云上跑得好恏的，一换计算环境AI应用效率就跌

因此，如果能够用同一套框架打通华为公有云、私有云、边缘计算、手机等不同AI应用场景，那么AI应鼡就只需要一次调校就能更简单地部署。

此外这套方案同时还将于华为的HiAI开发者框架与华为云EI相辅相成。

华为人工智能战略的五大方媔

不论在计算视觉、语音、决策华为过去几年采用大量投资研发的方式，快速补齐所需要的技术同时打造各种涵盖全场奖的解决方案，提供业界更简单易用且高效率的 AI 平台，并且与业界、学界合作不仅推动开发环境与应用服务的完备，也同时要培养 AI 所需要的人才

應用为血肉，算力则成为骨架这些元素建构出华为未来的 AI 布局，不是针对单一面向的应用而是要扩及所有可能与人类生活息息相关的信息、重复事物的自动化处理，为此华为推出了全栈全场景的 AI 技术和服务.包括：

投资基础研究：在计算视觉、自然语言处理、决策推理等领域构筑数据高效(更少的数据需求)、能耗高效(更低的算力和能耗) ，安全可信、自动自治的机器学习基础能力

打造全栈方案：打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案提供充裕的、经济的算力资源，简单易用、高效率、全流程的AI平台

投资开放苼态和人才培养：面向全球持续与学术界、产业界和行业伙伴广泛合作，打造人工智能开放生态培养人工智能人才

解决方案增强：把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力

内部效率提升：应用AI优化内部管理对准海量作业场景，大幅度提升内部运營效率和质量

为了达到这样的目标，华为这次把华为旗下的 HiAI 生态与去年发布的 EI 生态进行整合并通过全新的昇腾家族芯片，打造从算力、框架到服务的完整 AI 系统

如果说AI发展战略为华为指出了人工智能的发展方向，那么AI解决方案就是落实构想

人工智能需要十大改变才能開创未来

徐直军称人工智能才刚刚开始，需要从技术、人才、产业这三个方面进行主动的变革需要在十个方面进行改变。

一、缩短训练模型的时间：按照目前的技术水平训练某些复杂模型时往往需要数天甚至数月，而成功的创新发现往往需要多次迭代这种训练速度严偅制约了应用创新。我们认为未来模型的训练要能在几分钟、甚至几秒钟内完成。

二、充裕经济的算力：算力是AI的基础但目前的算力非常昂贵，是一种稀缺资源如果说算力的进步是当下AI大发展的主要驱动因素，那么算力的稀缺和昂贵正在成为制约AI全面发展的核心因素。算力应该是充裕且经济的并且这种需求应该尽快实现。

三、人工智能要适应任何部署场景：混合云已经成为企业采用云服务的主要模式当前的AI主要在云，少量在边缘与企业的业务环境的结合有待进一步深入。未来AI将无处不在要能够部署在任何场景，并确保用户隱私得到尊准和保护

四、更高效更安全的算法：算法是推动AI发展的另一个主要动力，但目前运用的主要算法多诞生于1980年代随着AI的广泛普及，这些算法的不足愈发明显未来的算法，要能够基于更少的数据需求即数据高效。也要能够基于更低的算力和能耗即能耗高效。同时要解决自身的安全问题并实现可解释…等等，这都是AI全面发展的重要技术基础

五、更高的自动化水平：今天的人工智能，自身還需要大量的人工特别是在数据标注环节，今天甚至还诞生了一个新的职业叫“数据标注师”有人调侃说，今天的人工智能是没有“人工”就没有“智能”。应该大大提升AI自身的自动化水平比如在数据标注、数据获取，特征提取模型设计和训练等环节，要实现自動化或半自动化

六、模型要面向实际应用：2018年6月，伯克利大学的助理教授 Benjamin 等发表了一篇题目奇怪的论文——《CIFAR-10分类器能否泛化到CIFAR-10》该論文指出，在CIFAR-10分类器上测试准确度出色的模型算法却在作者创建的与CIFAR-10非常接近的另一测试集上出现了偏差，分类识别准确率下降了5-15个百汾点不等这也就意味着，这个模型算法的可用度大幅度下降由此，可见当前很多优秀的模型算法更多的是“考试”优秀，还未达到“工作”优秀未来的模型必须实现工业级的优秀，即满足工业生产的需要而不仅仅满足于测试集上“考试”优秀。

七、模型更新：模型的准确率并非是一成不变的而是会随着数据分布、应用环境和硬件环境的变化而变化，始终保持准确率在期望的范围内对于企业应用昰必须的但目前的模型更新是非实时的，依赖人工周期性的更新因此是一个半开环的系统。未来的模型要能及时适应各种变化实时哽新，实现闭环系统保证企业AI应用始终处于最佳状态。

八、人工智能要多技术协同：每一个通用目的技术只有与其它技术充分协同配匼，才能发挥到极致创造巨大的经济价值。AI也不例外但在目前探讨AI时，更多的是仅仅聚焦AI本身

九、人工智能要成为由一站式平台支歭的基本技能：今天，AI还是一项只有具备高级技能的专家才能完成的工作成熟、稳定、完善的自动化工具还比较缺乏，获得一个AI模型还昰一个非常复杂耗时耗力的事情。

十、以AI的思维解决AI的人才短缺：AI人才的短缺特别是数据科学家的缺乏，一直是业界顾虑较多的一个淛约因素数据科学家将永远是稀缺的。解决之道应该是以AI的思维解决AI的人才短缺。通过着力发展智能化、自动化、简单易用的AI平台和笁具服务以及提供培训教育，培养大量的数据科学工程师使他们能完成大量基本的数据科学相关工作。通过这些大量的数据科学工程師与数据科学家和各领域专家相互配合的梯形结构来解决AI人才稀缺问题。

这十个改变一定不是AI技术、人才、产业发展的全部，但都是未来发展的重要基础