我们知道，要让AI落地，算力、算法、数据三者缺一不可。但是事有轻重缓急，如果今天问AI服务提供商和应用企业，AI最迫切需要的当务之急是什么，我想答案应该是统一的：算力。

去年，OpenAI发布了一份全球AI算力供需研究报告。报告显示，自2012年以来，人工智能行业的算力需求呈现出令人惊叹的增长趋势。需求量每三个半月就会翻一番。六年间，全球对AI算力的渴求增长了30万倍。

而我们知道，摩尔定律增长周期是18个月翻一倍。事实上，全球提供的AI专项加速算力，远远跟不上需求的增长速度。

毫无疑问，算力饥渴，是AI发展之路上的第一堵墙。而困难同时也是机会，在华为全面拥抱AI的技术与产品体系中，专门有一个部门和它的产品，就是针对AI专项加速算力的需求问题而生。

去年12月，华为成立华为智能计算业务部，将面向华为AI体系和外界产业需求提供AI算力支撑方案。而在智能计算的产品体系中，与x86和ARM并列，Atlas人工智能计算平台是专门应AI算力需求而生的系列产品解决方案。

Atlas这个名字，是古希腊神话中撑起宇宙的大力神。今天的故事，让我们进入产业AI和智能计算的世界，了解一下华为的Atlas，如何支撑起了AI算力这个一切故事的起源。

我们知道，AI就像蒸汽机和内燃机一样，是一种通用技术，可以与各行各业的生产体系相结合，挖掘生产力和生产效率再提升的可能。那么AI算力，就是这一次生产力升级中的煤炭与石油——没有算力可“烧”，一切东西就都玩不转了。

而算力瓶颈问题，其实又没有那么简单。不是只要有了芯片就能一切搞定。针对产业实践中的算力瓶颈，至少有三方面的实际问题需要解决：

1、算力不足，企业AI业务根本无法启动

今天，企业需要充沛的AI算力。缺乏神经网络的专项加速算力作为支撑，企业应用AI时就会面临训练时间过长和能耗过大两方面的问题，造成很多产业实践根本无从开展。

我们曾经采访过一位生物工程领域的博士，他构想的AI算法原本设计很好，但因为学校缺乏相关算力资源，训练一次需要几个月的时间，最终导致研究项目根本无法满足时间规定。这样的案例不胜枚举，如果AI想要在实践中跑起来，算力供给是先决条件。

2、边端场景无法渗透，AI缺乏实际操作性

AI算力的另一个问题，是算力都通过云服务输送，导致所有任务必须回传云端。这带来的直接问题是很多要求低时延、小数据训练量的任务缺乏实操可能性。

比如说智能交通中要用到大量智能摄像头，摄像头的数据如果全回传云端处理再进行决策，那么很有可能交通情况已经发生了变化：无法起到实时监控、实时分析的作用。

3、缺乏垂直解决方案，行业不知道如何应用AI

还有一种情况，是具体到某一产业，需要的算力解决方案相对复杂。不是对基础AI能力的调用，而是与产业生产逻辑与已有技术体系相结合。那么这种情况就不能只是简单的引用算力，而是需要对算力进行改造和定制化，符合企业的最终需求。

这样相对复杂的算力需求，在能源、汽车等行业尤为显著。算力提供者必须与行业垂直技术解决方案提供商、数据公司合作，构建完整的行业垂直计算解决方案。

三者相结合，构成了今天对AI算力广泛缺乏且需求复杂的局面。而华为智能计算业务部面对这些问题的第一个答案，是派出了一名叫做Atlas的“战斗英雄”。

Atlas这个名字，是希腊神话中伊阿珀托斯的儿子，盗火者普罗米修斯的哥哥，由于力大不穷，在世界西极托起了整个天空和宇宙。因此被称为大力神或者擎天神。

而当这个名字作为智能计算平台出现在市场中，显然华为对它的希望，是能够撑起万物智能时代的一片天空。

Atlas到底是什么？

去年十月，华为发布了基于Ascend昇腾系列AI芯片，以及全栈全场景AI解决方案。

（华为全栈全场景AI架构）

这些能力与业界主流异构计算部件，集成在各种规格的计算加速产品力，就组成了华为今天带给产业世界的Atlas人工智能计算平台。

目前，Atlas拥有提供云服务器AI算力升级的Atlas G系列产品，并且推出了面向端侧的Atlas 200 AI加速模块、支撑业界最高密度64路视频推理的Atlas 300 AI加速卡、面向边缘侧的Atlas 500智能小站，及定位于企业领域一站式AI平台的Atlas 800 AI一体机。

这些产品就像乐高积木一样，从大到小，覆盖了云边端各种场景，并且能与华为云服务打通，基于多种排列组合，构建出完整的产业AI算力实践方案。

让我们来看看，大力神Atlas家族的每一名成员都能做什么。

Atlas 200 AI加速模块，体积上只有两块硬币大小，可以灵巧地集成到各种终端设备当中，7倍提升大量终端设备的AI算力。比如在无人机、摄像头、服务机器人中。Atlas 200可以赋予这些设备自主完成人脸识别、体态识别等任务的能力，数据不必回传云端，即刻完成运算。同时也不惧设备离线的尴尬。

（Atlas 200）

Atlas 300 AI加速卡，是面向数据中心和边缘侧服务器场景的机器视觉任务加速装置。支持多种数据精度，单卡即可提供64TOPS INT8计算性能。通过Atlas 300的赋能，摄像头、人脸识别等机器视觉装备，可以快速准确支持多路人脸视频流和图片流的接入和转发，以及人像综合服务。只需要使用一张符合条件的人脸图片，就可以完成目标身份信息的查找计算，让人脸识别等场景变得快速、准确、稳定。

（Atlas 300）

Atlas 500智能小站，是业界领先集成AI处理能力的边缘产品，只有一个机顶盒大小，却可以实现16路高清视频处理能力，并且支持-40℃至70℃的室外环境。用Atlas 500搭配摄像头，可以轻松完成单个场景，比如医院、学校、敬老院的智能监控。

（Atlas 500）

Atlas 800 AI一体机，是用于搭建电信业务AI模型训练平台的一体化算力提供设备，以全模块化设计，最大支持32张 Atlas AI加速卡。通过它，企业可以轻松完成AI任务训练和部署，极大提升AI业务理解与应用能力。

（Atlas 800）

可以看到，Atlas完整的产品体系，特点在于能够将AI算力普及到各个场景中。无论是室外、离线，还是与旧有技术体系结合，都可以利用Atlas的排列组合轻松搞定。把复杂的事情集成在自身体系中，把简单留给应用场景，Atlas可谓对AI的普及至关重要。

这样的体系化智能计算系列产品，以及背后的平台化服务，让Atlas已经可以广泛应用于智慧城市、智慧交通、智慧医疗、企业级AI推理等多种领域。

可以说，一场关于智能计算的风暴，正在Atlas徐徐打开的新机遇中酝酿。

回到我们开始讨论的AI算力瓶颈问题中，可以发现Atlas的市场化和产品化，首先解决了企业AI算力不足，只能单纯依靠进口AI算力产品的尴尬。继而通过灵活多变，变现端边云多种场景的产品形态，解决了端侧、边缘侧的AI算力需求。

那么下一步的能力补完，重点就在于Atlas生态的构建。只有搭建了生态和产业联盟，让行业AI解决方案提供商，和Atlas提供的底层AI算力结合起来，AI进入千行万业才有了真正意义上的应用钥匙。

为此，在刚刚过去的华为中国生态伙伴大会2019当中，举行了华为智能计算产业峰会，会上华为智能计算与产业技术专家,金融、互联网、电信运营商等行业客户、依图、以萨、华宇、格灵深瞳等产业合作伙伴，共同成立了华为智能计算生态联盟。

这样一个联盟的重要任务，就是完善和发展Atlas产业生态，一方面让合作伙伴利用Atlas可以完成自身的AI技术创新和产业AI解决方案实现，另一方面可以让客户在Atlas生态中准确寻找到定制与升级AI解决方案，从而负责行业特性与产业升级需求。

Atlas的产业价值，在于把AI算力的特性做到了IT基础设施上。Atlas构筑了生态，从底层算力、中间件到上层应用的整个框架结构。用好这样新的基础设施，AI公司与产业客户可以找到新的对接舞台，并且让很多无法落地的想法真正成为现实。

生态的聚合，下一步就是行业应用的不断拓展，伴随技术解决方案的的进一步迭代。

根据目前案例资料，Atlas人工智能计算平台已经在多个行业完成了场景落地应用，并且能够渗透到云边端不同的场景组合当中：

比如在某银行的案例中，使用Atlas加持边缘计算，让银行场景中快速完成了人脸识别代替刷卡的迭代，身份识别准确率大于95%，并可以达成无停顿通行。

而在南方某城市的交通案例中，Atlas被广泛应用到了智能交通监控设备与智能大脑的方方面面，从而让复杂高流通性的交通场景获得了充沛体系化的AI算力加持。实现广泛采集人、车、证多种数据，并达成了数据碰撞、多轨合一、多维布控等功能。在应用区域，通过智能交通体系根据拥堵情况调节红绿灯，道路通行速度提高9%， 高峰时期的拥堵时间减少15%。

而在云侧计算场景，Atlas的效果也很明显。比如某基因生物企业，利用基于Atlas的加速云服务，大幅缩短了基因测序时间。相比传统基于x86的云服务平台，Atlas帮助企业提高了5倍的计算效率，端到端综合成本下降了30%。

可以看出，随着对AI通用化进程的理解加深，Atlas的产业基础和应用实践也在一步步叠加。通过构建云边端多场景应用的渗透，以及对视觉、语音、数据智能等多种AI任务的有效加速，配合产业生态的构建，Atlas事实上已经成为业界唯一能提供全场景AI方案的硬件平台产品。

或许今天，还是擎天神刚刚开始工作的时候。然而可以预见的是，华为希望能够开创全栈全场景的AI行业生态体系的目标已经十分明确。而云边端一体化的智能计算布局，以及各行业基于华为智能计算完成的AI进化，都需要Atlas这根擎天柱作为基础。

天长日远，AI与所有技术大厦一样都不是一天建成的。而Atlas，是一项今天无法绕开的、关于未来的基础工程。