0
雷鋒網 AI 開發(fā)者按：2019 年 12 月 7 日，由華為云舉辦的「DevRun Summit：Login 2020」正式登陸「751 D?PARK 北京時尚設計廣場 79 罐」。這是一場開發(fā)者的盛宴與狂歡，他們齊聚于此，共同探討科學前沿技術、體驗科技人生、暢談美好未來。
本次活動內容主要設置了「技術分享」與「互動體驗」兩大部分；其中，來自華為、嗶哩嗶哩、差評等企業(yè)的技術大咖紛紛加入了這 8 大交流分享會中。不論是實用的《基于 KubeEdge 的邊云協同 AI 實踐》等干貨分享；還是「學霸界的奇葩說」清北辯論賽等交鋒時刻；亦或是意義深刻的《科技女性有力量》等探討環(huán)節(jié)，我們能看到整個現場持續(xù)被熱情包裹，一次又一次傳出熱烈的掌聲與歡呼聲。
下面，雷鋒網 AI 開發(fā)者將本次活動技術類的主要內容及其它精彩花絮整理報道如下：
技術專場一：
近兩年來，隨著社會對技術領域中計算架構的認知逐步加深，多元架構也是華為所倡導的業(yè)界主流共識。但我們所知道的也僅僅只是鯤鵬和昇騰已經發(fā)布，而它們神秘的面紗似乎一直從未揭開。正因如此，這次活動特意為「鯤鵬」處理器、「昇騰」開發(fā)工具鏈及它們的開源實踐設置了專場，為好奇的開發(fā)者們提供了最直觀、最全面的展示。
首先，昇騰 AI 工程師譚濤帶來了《從神經網絡到硬件，昇騰開發(fā)工具鏈全流程應用實踐》到主題報告，詳細講解了昇騰開發(fā)工具鏈，并展示了新版本開發(fā)工具以及基于 Atlas 產品的成型項目，從而讓參會者能夠直觀地感受到昇騰處理器專用開發(fā)工具的獨特魅力。
「工欲善其事，必先利其器」，據譚濤介紹到，這是昇騰 AI 軟件棧設計時的核心思想。昇騰 AI 軟件棧這一「利器」開發(fā)了各式功能齊全的工具，形成了一條「多面手般」的工具鏈。無論是從神經網絡的構造；還是到離線模型生成；亦或是硬件相關的執(zhí)行；每一個環(huán)節(jié)都能提供到相應的工具進行輔助。
譚濤還指出，昇騰 AI 處理器的達芬奇架構在硬件設計上采用了計算資源的定制化設計，在功能實現上高度適配，為卷積神經網絡計算性能的提升提供了強大的硬件基礎。
接下來，鯤鵬大數據高級工程師顧剛老師為大家?guī)砹祟}為《構建基于鯤鵬處理器的高性能開源大數據計算平臺》的報告。她談到了盡管當下 AI+5G+IoT 帶來了各種應用和商業(yè)模式創(chuàng)新，但這巨大的數據體量的背后，也暗藏著計算性能不足、分析周期長、資源擴展性差等問題。
而鯤鵬的大數據基礎設施解決方案正是為此量身打造。它結合了華為云豐富的大數據平臺和基礎云服務經驗，包括了：開源 Apache、HDP/CDH 等大數據平臺，成熟完備的大數據組件，以及加速特性、編譯器、操作系統(tǒng)、硬件基礎等豐富的生態(tài)?？捎行д归_高性能、高可靠的大數據業(yè)務，并幫助企業(yè)快速實現數據化以及智能化轉型。
目前，基于鯤鵬處理器的高性能大數據計算平臺已經開源；同時，在華為官網鯤鵬論壇也可查看更多有關大數據解決方案的干貨地圖。
鯤鵬論壇地址：
如果加入了鯤鵬生態(tài)，很多開發(fā)者可能會面臨開發(fā)過程的變化以及具體移植方法等問題。在活動專場上，華為云 ECS 產品經理孫庚澤針對這些問題，展開了主題為《基于鯤鵬架構的移植與開發(fā)實踐》的報告。
報告中，孫庚澤將「鯤鵬」處理器與市面上常見的數據中心處理器在指令集、架構、工藝及技術、生態(tài)以及開放性這 5 個方面的對比，從產品的角度為參會者再次解讀了「鯤鵬」。數據顯示，鯤鵬 920 超強算力全面升級，它的計算核數提升了 1 倍，最多可達 64 倍；SPECint 性能提升超過 2 倍，并超越了業(yè)界原有記錄。
而針對鯤鵬移植，孫庚澤也展示了華為云上所提供的基于自主研發(fā)的鯤鵬系列芯片對應的彈性云服務器和裸金屬服務器，對應的通用計算增強型 KC1 產品詳情如下圖所示。
安裝與移植相關內容：
https://support.huaweicloud.com/kunpeng/index.html
近年來，得益于分布式技術，大數據技術和算力呈指數級提升；AI 技術和應用得到蓬勃的發(fā)展，眾多科技大牛紛紛布局 AI 產業(yè)。
然而，要實現 AI 無處不在的愿景，除了解決算力、算法、數據的三大挑戰(zhàn)之外，還面臨著成本、復雜性、可擴展性、數據隱私等多重挑戰(zhàn)。AI 應用的大規(guī)模落地更是需要全棧 AI 能力的整合、全場景的最佳實踐以及全棧 AI 開發(fā)經驗的支撐。
華為的全棧全場景 AI 則對這些問題進行了全方位覆蓋，解決方案包括了：Ascend（昇騰）系列芯片、芯片算子庫和高度自動化算子開發(fā)工具——CANN；AI 框架——MindSpore；以及提供全流程服務的一站式 AI 開發(fā)平臺——ModelArts。在今天的技術專場，來自華為云的工程師們也為大家逐一解讀了這些工具背后的技術實踐。
首先，由 MindSpore 高級工程師王俊向我們詳細介紹了這款 AI 計算框架。該框架不僅支持終端、邊緣計算、云全場景需求以及協同的統(tǒng)一訓練與推理；而且在使用體驗方面也非常出色。
相比于 TensorFlow，MindSpore 框架可更有效地降低 AI 開發(fā)門檻，讓深度學習的速度更快、成本更低，為廣大的開發(fā)者提供強大的全場景 AI 的模型開發(fā)、模型運行以及模型端到端部署能力。
而對于 AI 開發(fā)工作而言，ModelArts 高級工程師杜奇則提出了 AI 需要的十大改變，其中也包括了將「一項需要高級工程師完成的工作」向「一站式平臺提供基本技能」方向轉變，這正是研發(fā)該 AI 開發(fā)平臺的意義之一。
因此，ModelArts 也被稱作專為「Zero Code or Low Code」而生的一站式 AI 開發(fā)平臺。杜奇還表示人工智能應用已經成為各行業(yè)的生力軍，而開發(fā)出像 ModelArts 這樣一款高性能的 AI 應用，不僅能夠大大降低 AI 開發(fā)難度，同時也契合了當前行業(yè)在工業(yè)實踐中應用一站式開發(fā)的需求。
在這之后，AI 高級解決方案架構師魏振強則帶來了題為《HiLens & ModelArts：人工智能開發(fā)最佳啟動路徑》的演講。他向我們闡述了作為多模態(tài) AI 開發(fā)套件，HiLens 與 ModelArts 結合的詳細內容。
當專業(yè)的 AI 開發(fā)平臺搭配上一站式 AI 應用開發(fā)、分發(fā)、部署的端云協同管理平臺之后，更多擴展功能得到開發(fā)，例如：海量設備管理、動態(tài)應用部署、在線訓練、端側模型優(yōu)化等多類端云協同能力。而這些功能恰恰能很好的運用于「端-邊-云」場景下的開發(fā)，例如：無人機、無人駕駛、人臉識別閘機、AR/VR、物流包裹分揀等工作。
隨著數據體量的日益增長，一些新的技術領域正不斷涌現，云計算作為當前承載絕大多數業(yè)務的平臺，無論是新的業(yè)務上線還是技術實踐，都可以依靠云端完成眾多數據量龐大的任務。
現階段，大多數企業(yè)都在向云端靠攏，業(yè)務的快速迭代、敏捷交付等已經變成常態(tài)，快速響應市場需求也成為企業(yè)競爭的決勝因素。因此，DevOps、微服務、服務網格等技術領域愈發(fā)受到市場的追捧。因此，在這一技術專場中，開發(fā)者們主要探討了如何在當前大背景下保證應用的高效開發(fā)一問題。
專場的第一個報告《云原生開發(fā)的分層分級測試和質量保障》，由華為云 DevCloud 工程師夏東冉分享。他指出，對于創(chuàng)新創(chuàng)業(yè)來講，新的商業(yè)模式往往需要小步快跑、快速試錯，而通常的瀑布開發(fā)不僅歷時較長，并且所得的產品不一定可正常工作；這時，敏捷開發(fā)就能很好的解決這一問題。
而 DevOps 的出現，又進一步搭建了開發(fā)和運維組織之間的橋梁，調和了迭代與穩(wěn)定兩者的矛盾。同時，在敏捷和 DevOps 開發(fā)模式下，CI/CD 持續(xù)自動化測試可實現高效的測試反饋，保障了產品隨時發(fā)布的質量。因此報告顯示，DevOps 目前已經成為企業(yè)軟件研發(fā)的主流，被眾多企業(yè)所采用。
而關于質量保障更詳細的內容，在第二個報告《持續(xù)構建可信代碼檢查服務》中，華為云軟件分析實驗室工程師郭東碩做了細致的介紹。演講過程中，郭東碩反復強調，在云原生作為云計算的發(fā)展趨勢的大背景下，應用的測試與質量保障則變得更加重要了。
一方面，大數據時代下的代碼內容繁雜，因而錯誤也更多樣；而另一方面，往往這些錯誤產生之后，很難采用「重啟」等操作進行復原，甚至帶來不可估量的損失。因此，在整個華為內部的日常開發(fā)工作中，他們采用了一種智能代碼檢測修復框架，該框架采用了基于確定規(guī)則與機遇機器學習雙重保險的缺陷檢測與修復機制。它能夠保證代碼在任意情況下的安全檢測機制中，都具有安全可靠性。
據數據統(tǒng)計顯示，超過 170 個國家與地區(qū)、300 多萬的企業(yè)用戶和開發(fā)者、5 億多名終端云用戶使用的華為產品和服務，在開發(fā)過程中運用到了這一工具。目前，這一多語言代碼檢測框架也已經部分向大眾開放，可直接在平臺上運用，進而提高開發(fā)者的代碼編寫效率。
除了常見的開發(fā)安全與質量保障，華為對于近期火熱的區(qū)塊鏈領域也早有洞見。區(qū)塊鏈架構師薛騰飛也向我們展示了利用技術裂變抓住機遇，構建高效構建可信、共享、安全的區(qū)塊鏈的應用實踐。其中涉及到的技術包括了：華為云安全、華為云大數據分析、自動運維等內容。
現階段，隨著深度學習技術發(fā)展速度的放緩，以大數據為根本支撐的人工智能似乎也深受其影響，陷入了一定的瓶頸期。而緊跟著云原生為代表的「新生代」技術逐漸成長起來，以 Kubernetes 為核心的「云原生」運動正在不斷擴大化，并且已經被業(yè)內廣泛認同為云計算的未來趨勢。那在這樣的大背景下，開發(fā)者如何更好的實現云原生與 AI 的融合？
華為云高級工程師 / KubeEdge 項目核心成員徐飛老師，通過《基于 KubeEdge 的邊云協同 AI 實踐》的分享給出了他的答案。徐飛表示，云原生領域下，邊緣計算是非常重要的一部分，而云原生邊緣計算則可以讓邊緣也具備像云一樣的「彈性」，讓應用可以「順滑」的部署到邊緣，保持應用在邊緣與云端的一致性。
KubeEdge 則可以通過更優(yōu)的架構和技術實現，幫助工程師從底層技術設施的管理中解放出來, 從而將注意力集中到更高抽象層次的應用開發(fā)之中。這樣,「云-邊-端」就像是一個完美的整體, 最終用戶無需感知邊緣設備的復雜分布。
項目地址：
隨后，華為云高級工程師 / Volcano Init Maintainer/Committer 李明哲分享了他《Volcano: 在 Kubernetes 中運行高性能 AI 作業(yè)》主題報告。他表示，隨著容器化以及容器編排技術的普及，越來越多的上層業(yè)務正開始擁抱 K8s 生態(tài)。而華為作為云原生領域的領導者之一，今年 6 月則正式開源了面向高性能計算的云原生任務批量計算處理平臺 Volcano。
Volcano 提供了一整套目前 Kubernetes 在批量和彈性工作負載處理中缺失的機制，包括：機器學習/深度學習、生物信息學/基因組學、其他「大數據」應用。這些類型的應用程序通常運行在 Volcano 集成的 Tensorflow，Spark，PyTorch，MPI 等通用域框架上。
Volcano 開源地址：
除了干貨滿滿的演講與報告之外，另一貫穿整場活動的趣味環(huán)節(jié)即碎片收集活動，參會者被隨機分到不同小組，并通過現場體驗「科技與未來」展區(qū)內容來獲取相應的碎片，最終冠軍隊伍將會獲得每人一臺華為 Mate30 5G 手機的獎勵。
活動種類繁多，各有特色，有實踐 DIY 型，例如：與人工智能對話、ModelArts 動植物識別、發(fā)明創(chuàng)造展示、組裝躲避小車等；知識收獲類，例如：機械課、駕駛課、自然課等特色體驗課程；講座型活動，例如：個人創(chuàng)業(yè)者、開源社區(qū)、華為開發(fā)者沙區(qū)等開發(fā)者的路演課堂；以及娛樂型活動，例如：獨角獸搶椅子、程序員彈幕機、抽獎扭蛋機等小游戲。
活動現場，在組長的帶領下，各位組員也是卯足了勁兒，奔走在各個展區(qū)及演講會場；休閑娛樂的同時，也和其它開發(fā)者進行了融洽、自然的技術交流。最終，比賽的冠軍由沙河隊獲得。
在這個算力爆炸式增長的時代，未來計算速度已經不再是瓶頸；而高速 5G 與云技術相結合，更是讓海量數據與信息資源觸手可及；這些都意味著開發(fā)難度和門檻正在不斷降低。
而對于開發(fā)者，算法的掌握能力將在未來的競爭中愈發(fā)重要。在高性能計算領域，開發(fā)者將面臨更大的挑戰(zhàn)，只固守程序、不愿革新的程序猿們，或許將很快會面臨來自 00 后 AI 原生代開發(fā)者的壓力與挑戰(zhàn)。
可這種挑戰(zhàn)對于開發(fā)者而言，又何嘗不是機遇呢？鯤鵬生態(tài)、昇騰芯片、超強算力處理器、多元架構、云原生以及一站式 AI 開發(fā)平臺 ModelArts、AI 框架 MindSpore 等工具，為開發(fā)者提供了最前沿領先的技術，只要你想開始，人人皆可開發(fā)！
當然，除了掌握技術本身，靈感與想象力也是科技發(fā)展必不可少的元素，這也正如華為云「Login 2020」活動本身引導大家暢想的那樣，將科技與生活無縫結合，滿足各種場景、多樣化的復雜需求，不斷創(chuàng)新商業(yè)模式，從而推進生活的繁榮，一起打造萬物互聯的智能世界。
雷鋒網 AI 開發(fā)者
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
