解构华为AI技术布局：构建无所不及的智能( 五 )_图1

图5/10

最开始做研究的时候，大家首先需要的是大规模训练，所以都考虑在大型服务器或者在公有云上租用算力来支撑。但是真正走入到行业应用场景时，我们发现很多时候，AI 需要部署在边缘或端侧，例如“人脸识别”，我们最终会把它用在园区的出入口闸机上，也会把它用在手机上。如果摄像头上收集进来的信息全部传到云端处理，云端的数据存储和计算压力会非常大，也会对网络带来巨大的压力。由于网络时延的因素，识别处理会比较慢，导致用户体验不好。同时还要考虑安全因素，很多用户数据，并不都适合传到云端处理。这时候就需要端侧的摄像头具备一定的 AI 处理能力，提供相应的算力支持，使之能够在端侧初步处理数据，把一些关键的要素、特征提取出来。华为发现，要真正把行业应用做好，需要各种场景下的 AI 算力支持。基于这样的诉求，一个能够覆盖各种场景的系列化算力解决方案就显得很有必要。周延青表示，这也是全场景理念提出的最基本来源，“所以它不是设计出来的，而是根据自然的业务需求提出的，也就是我们所强调的原生的全场景”。