华为发布计算视觉计划，全面落地全栈全场景AI解决方案

AI人工智能到底有什么用？今天相每个人都有自己的答案。 比如我儿子在学围棋，他在围棋APP上可以和其他小朋友对战，也可以和人工智能下，他的理解是，人工智能好厉害，很难下过它。

对于企业或公共事业单位来说，人工智能更像一个帮手。南开大学李涛教授主要从事眼底图像智能计算的研究，因为视网膜血管是人体唯一活体可见的血管组织，医生可以用它来了解人体其他脏器的情况，比如高血压病人眼底可见视网膜动静脉硬化，糖尿病病人眼底可见毛细血管瘤。所以，借助图像智能计算，我们就能够实现人工智能辅助诊疗，为患者带来福音。

很明显，人工智能会改变我们自身，改变我们的未来，改变整个世界。

算力和算法的平衡

南开大学李涛教授在眼底图像智能计算的研究是和华为合作的。李涛在3月28日，华为开发者大会2020（Cloud）的第二天，与众多开发者分享了他是如何利用基于华为昇腾AI处理器的华为Atlas 200 DK以及Atlas 200 DK开发者套件，来进行人工智能创新实践的。

我们知道，人工智能的实践离不开算力、算法和数据。华为Atlas 200 DK的优势在于终端侧的低功耗与强大算力的平衡。而整个华为Atlas系列的优势，更在于算法和数据结合后的性能调优。 据华为开发者赖长铃介绍说，Atlas的性能优化过程中主要包含瓶颈分析、模型算子、内存优化、硬件编 解码、流程编排等5个步骤。其中，模型算子优化和流程编排是目前开发者最关注、最常用的。 以面部识别为例，基于Atlas 300单卡在调优前可以实现40路的高清视频的流畅运行，如果把视频接入数量从40提升到48路，视频就出现了卡顿的现象，达不到实时处理的要求。

华为诺亚方舟实验室计算视觉首席科学家、IEEE Fellow田奇教授

要解决性能问题，开发者需要从计算瓶颈、Io瓶颈和内存瓶颈等角度进行分析调优。赖长铃从模型算子优化的角度进行调优，因为模型推理耗时应控制在13毫秒以内，而48路视频推理时长在调优前采样发现，时长达到15毫秒，因此赖长铃通过MindStudio，发现mul乘法算式使用的是vector单元，没有充分发挥出硬件的计算能力。

这里的优化思路是用Cube上完成同样功能的算子来替换mul乘法算子。那么上次在模型中的功能是什么？使用MindStudio的模型转换工具。导入tiny模型，关闭量化设置aipp选择模型的输入为RGB，就可以很方便地完成模型转换。试运行效果视频流畅，这样就完成了48路视频实时检测的优化。

用Atlas生产Atlas

实际上，Atlas 200更多是用于端侧提升AI能力解决行业难题，比如智能输电线路的可视化巡检，利用太阳能供电、无线通讯、智能分析特性， 巧妙解决了人工巡检山路崎岖、高空走线等危险系数极高，困扰业界10多年的行业难题。

Atlas 200在这一解决方案中引入太阳能供电和极致低功耗设计，设备做到了20天无光照条件下的持续运行。有了Atlas 200支撑的可视化一体机部署在高压铁塔上，可实时监测输电线路状态，及时告警，相比人工巡检效率提升80 倍。

在监测频度上，传统方案只能做到1小时监测一次，导致1小时内发生的事故是无法预警的。借助 Atlas 200模块的AI分析能力，做到了1分钟监测一次，实现准实时分析诸如外飘物、机械入侵、线路破损等隐患， 保障社会的用电安全。

而Atlas 300主要用于边缘侧，比如上提到的40路高清视频的实时检测，就是制造业应用在产品质量检测的解决方案的重要组成部分。

华为Atlas数据中心业务总经理张迪煊

我们知道，产品质量是每个企业的生命线。而当前制造业的质量检测大部分由人工作业完成，工作强度大、特殊工序的作业环境危险，但准确率只有90%左右。因为枯燥的质检工作，很难依依靠员工来完全保证质检的准确率。

近几年，机器视觉质检在制造行业开始推广，准确率已经达到95%左右，但仍未满足企业的期望， 很多企业购买了昂贵的质检设备仍需要进行人工的二次质检。业界一直在寻找更好的方案，AI工业质检应运而生。

在华为松山湖制造基地，华为部署了基于Atlas的AI工业质检解决方案，实现了用Atlas生产Atlas——华为将Atlas 300 AI加速卡和凌华工控机进行深度结合，基于SSD、U-Net等神经网络开发了AI质检算法，把传统工控机升级为智能工控机，使每一个工业传感器都拥有AI能力，将质检准确率提升至99%，部分工序的精度甚至可以达到99.9%！

计算视觉计划

值得一提的是，在华为开发者大会2020（Cloud）上，华为发布计算视觉研究计划（以下简称视觉计划），并邀请全球AI专家参与研究——基于华为昇腾AI处理器的Atlas人工智能计算平台将为该计划提供强大算力支撑，研究成果将在华为全场景AI计算框架MindSpore实现并开源给业界。

我们知道，投资基础研究是华为AI战略的重要部分，华为致力于在计算视觉、自然语言处理、决策推理等领域构筑数据高效、能耗高效、安全可、自动自治的机器学习基础能力。

面向全球开发者，华为诺亚方舟实验室计算视觉首席科学家、IEEE Fellow田奇教授分享了计算视觉领域的最新研究进展“华为在计算视觉领域围绕数据、知识和模型三大方向，大力投入基础研究，过去两年已在AI顶会CVPR、ICCV、NeurIPS、ICLR等发表80余篇论，并取得多项业界领先的成果，这些研究成果已通过学术论和算法代码开源等形式公开给业界，我们欢迎全球AI开发者基于华为已有的研究成果，进一步开展AI的研究、开发和部署”。

而基于华为昇腾AI处理器的Atlas人工智能计算平台将为该计划提供强大算力支撑，研究成果将在华为全场景AI计算框架MindSpore实现并开源给业界，让全球AI开发者以此为基础持续创新、不断突破边界、共同打造无所不及的智能。

据悉，华为视觉计划围绕三大方向，共有六大子计划，包括数据冰山计划以极少量标注数据撬动海量无标注数据，支撑小样本场景下模型训练；数据魔方计划利用多种模态相互辅助、增强模型在实际场景的学习能力；模型摸高计划构建云侧大模型，刷新各类视觉任务性能上限；模型瘦身计划打造端侧高效的计算模型，助力各种芯片完成复杂推理；万物预视计划设计视觉预训练任务，打造视觉通用模型；虚实合一计划在虚拟与现实的结合中，将计算视觉引向真正的人工智能。

在今天的云和AI时代，聚生态者得天下。这个生态的构建也包括华为在同一天宣布的全场景AI计算框架MindSpore在码云正式开源，以及企业级AI应用开发者套件ModelArts Pro在华为云上线。应该说，华为倡导的全栈全场景AI解决方案，已面向开发者和整个业界生态全面落地。

／余

《科技门道》坚持深度报道，希望能通过资深媒体人对IT产业热新闻的深入思考，挖掘其背后的商业逻辑和创新模式——不仅热闹，更要门道！

《科技门道》主笔在行业渠道媒体拥有超过15年的从业经历，不仅对IT消费类和企业级软件、硬件、云计算、大数据、人工智能、区块链均有较深入的理解，同时见证了中国IT产业链上下游合作生态圈包括分销、零售、SI、ISV和CSV的进化历程，见证了金融、能源、制造、医疗、教育、政府、零售、高科技等行业的息化和数字化转型之路。

《科技门道》相，IT产业在供给侧的改革——包括云计算、大数据、移动互联、人工智能、区块链等，将会成为推动各行各业发展进步的核心力量。